Introdução
MiniMax H3 Imagem para vídeo parte de um quadro inicial enviado em image_url e gera o que acontece em seguida: de 4 a 15 segundos inteiros em 768p ou 2k, com som gerado na mesma passada. Um last_image_url opcional dá ao clipe um quadro final para o qual ele converge. Não há campo de proporção de tela, porque o quadro inicial define o formato da saída.
Escolha o modo pelo material inicial
| Material inicial | Modo |
|---|---|
| uma cena escrita ou um roteiro | MiniMax H3 Texto para vídeo |
| uma imagem inicial aprovada | MiniMax H3 Imagem para vídeo |
| de uma a nove imagens de referência | MiniMax H3 Referências para vídeo |
Recursos e destaques
O quadro inicial decide o assunto
O modelo segue de perto o quadro recebido, o que faz disso o jeito mais literal de obter o assunto, o figurino e o ambiente que você desenhou. No exemplo windowsill-turn, tudo o que identifica, do rosto à roupa até a janela com chuva, vem da imagem; o prompt pede apenas uma expiração, um pulso de neon e um giro de cabeça. Um quadro inicial que já mostra a cena chega muito mais perto do briefing do que as mesmas palavras digitadas no text-to-video.
Um quadro final opcional
last_image_url fixa onde o plano termina. O exemplo da porta usa as duas pontas: oito segundos que começam dentro do quarto e terminam em uma composição de porta fornecida. O quadro final aperta só o desfecho. O meio do clipe continua sendo gerado livremente, e quanto mais longo o clipe, mais o movimento pode se afastar do quadro final.
Duração, resolução e limites de entrada
A duração vai de 4 a 15 segundos inteiros, mas 4 segundos só estão disponíveis em 768p; 2k exige pelo menos 5 segundos. Ambas as resoluções são nativas. O quadro inicial deve ter entre 256 e 5.760 px de cada lado, proporção entre 2:5 e 5:2 e menos de 30 MB.
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
prompt | Sim | Descreva a mudança depois do quadro de abertura: ação, câmera, som. Não redescreva o quadro. pelo menos 1 caracteres · no máximo 7000 caracteres |
image_url | Sim | O frame inicial. Ele define sujeito, figurino e composição, e o modelo o segue de perto. |
last_image_url | Não | Quadro de fechamento opcional. Aperta só o final; o miolo do clipe continua livre. |
resolution | Não | 768p ou 2k, ambos nativos. Rascunhe em 768p e entregue em 2k. |
duration_seconds | Não | Segundos inteiros, de 4 a 15. Quatro segundos só saem em 768p. |
Preços
| Especificação | Preço |
|---|---|
| $0.037 / segundo |
| $0.058 / segundo |
Casos de uso
Animar uma imagem já aprovada
Quando o quadro já existe, seja uma imagem gerada ou uma foto com direitos resolvidos, este endpoint a transforma em movimento sem descrevê-la de novo. O prompt carrega só a mudança (ação, câmera, som), e cada palavra fica para o que a imagem sozinha não consegue dizer.
Revelar o que o quadro não mostra
O exemplo cup-then-two-in-one-shirt abre em uma natureza-morta. Uma mão tira a xícara do quadro, a câmera sobe e muda o foco, e uma segunda figura aparece no fundo do quarto: três mudanças, todas no tempo, nenhuma presente na imagem de entrada. Foi gerado com seis segundos, uma duração de rascunho sensata antes de uma execução em 2k.
Continuar uma cena além de 15 segundos
Para continuar uma cena, use a Extensão de vídeo do MiniMax H3: ela abre o próximo segmento no último quadro do clipe aprovado e devolve os dois unidos em um só arquivo, então cada prompt só precisa descrever o que vem depois. Se preferir conduzir você mesmo o próximo plano quadro a quadro, pegue esse último quadro e envie-o aqui como o próximo image_url.
Guia de prompt e dicas práticas
Não descreva o quadro de novo
Descreva a mudança depois do quadro inicial e deixe a aparência com a imagem. Um teste rápido: cada oração deve nomear algo que se move ou que faz som. O prompt de windowsill-turn, "she turns her head toward camera without changing expression. Rain runs down the window, distant traffic", basta porque o quadro já mostra quem ela é e onde está.
Prepare os dois quadros como um par contínuo
Ao enviar last_image_url, prepare-o junto com o quadro inicial como um par: mesmo assunto, mesmo figurino, mesma luz e uma mudança de enquadramento plausível. Dois quadros que se contradizem obrigam o meio do clipe a negociar entre eles. Depois, descreva a ação física que os conecta, como faz o exemplo da porta («levanta-se da beira da cama… para enquadrada na porta olhando para trás»), e dê a essa ação segundos suficientes para acontecer.
Prepare o quadro para a saída
Como o quadro define o formato da saída, recorte a imagem na proporção de entrega antes do upload e confira os limites de tamanho. Rascunhe em 768p e depois rode de novo em 2k o take escolhido, com pelo menos cinco segundos. Espere um take novo, e não uma ampliação quadro a quadro, já que o endpoint não aceita seed.
Início rápido da API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3/image-to-video",
"input": {
"duration_seconds": 5,
"enable_prompt_expansion": false,
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "768p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.
