MiniMax H3 API

MiniMax H3 Referências para vídeo gera um plano a partir de uma a nove imagens de referência e de um prompt que as chama por número: Picture 1, Picture 2 e assim por diante. Ele devolve de 4 a 15 segundos inteiros em 768p ou 2k, em uma de seis proporções de tela, com som gerado junto. Às imagens podem se somar até três vídeos e até três áudios de referência, cada grupo com no máximo 15 segundos no total.

Escolha o modo pelo material inicial

Até nove espaços numerados para imagens

reference_image_urls aceita de uma a nove imagens, e o prompt as chama pela posição. Uma imagem pode carregar o rosto, outra o figurino e uma terceira o quarto. O exemplo de continuidade de personagem faz exatamente isso: mantém a mulher da imagem 1 com a roupa da imagem 2 dentro do quarto de hotel da imagem 3.

Um ângulo novo sobre uma montagem existente

As referências mantêm uma produção coerente quando a câmera vai para outro lugar. O exemplo red-dress-theatre-three-angles fixa com três imagens a intérprete, o vestido e o palco e depois pede um terceiro ângulo de câmera, para que a nova posição não vire discretamente outra produção. Foi gerado em 3:4, por cinco segundos.

Movimento e som vêm do prompt

Movimento e áudio podem ser escritos ou passados como referência. O exemplo voice-and-room envia duas imagens, a intérprete e a iluminação do palco, e descreve em palavras a acústica do clube: reverberação quente e o murmúrio da plateia. Um vídeo de referência traz movimento e é chamado de <Video 1>; o áudio de referência define uma voz ou um som. As cinco primeiras imagens de referência estão incluídas e cada imagem depois da quinta acrescenta uma cobrança; os segundos de vídeo de referência têm uma tarifa por segundo própria, mais baixa que a de saída, e o áudio de referência é grátis. A estimativa ao vivo mostra tudo isso antes do envio.

Manter um personagem recorrente entre planos

Use o mesmo conjunto de imagens de referência em cada plano de uma sequência e mude no prompt só as linhas de ação e de local. O endpoint não aceita seed, então são as referências que seguram a identidade de um take para outro; o texto sozinho variaria.

Colocar uma intérprete em um espaço específico

Combine um retrato com uma imagem separada do espaço e descreva o que acontece ali. Em voice-and-room, a intérprete se inclina para o microfone, diz uma fala e sorri; a segunda imagem traz a iluminação do palco e o prompt traz o som do lugar.

Segurar uma peça de roupa ou um objeto em movimento

Dê a uma peça ou a um objeto o próprio espaço, em vez de torcer para que sobreviva dentro de um retrato. O exemplo red-dress então escreve o que o vestido faz em movimento, a fenda abrindo a cada passo rumo ao proscênio, porque corte e cor já estão fixados por uma referência.

# 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/reference-to-video",
  "input": {
    "aspect_ratio": "16:9",
    "duration_seconds": 5,
    "enable_prompt_expansion": false,
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "reference_image_urls": [
      "https://example.com/reference.png"
    ],
    "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.