O reference-to-video MiniMax H3 conduz uma tomada a partir de até nove imagens de referência numeradas, mantendo estáveis personagem, figurino e locação. Os clipes têm 4 a 15 segundos com áudio gerado, em 768p ou 2k.
Playground
Estes exemplos foram escritos para este endpoint. Substitua o prompt e as URLs de mídia de exemplo por suas próprias entradas acessíveis. Antes de enviar, confira a estimativa atual e a disponibilidade do modelo.
- Saída5 s
character-continuity-named-refs Três referências, três funções: a imagem 1 para o rosto dela, a imagem 2 para a roupa, a imagem 3 para o quarto — nomear cada uma pelo número evita que se misturem numa única cena. O `prompt` cuida só da ação em `duration_seconds` `5`: sentar, cruzar as pernas, olhar para a câmera, com o balanço de câmera na mão escrito como direção, não tirado de um clipe. O rosto permanece constante enquanto a cena muda.
- 768p
- 5s
- Saída5 s
red-dress-theatre-three-angles Um terceiro ângulo sobre uma montagem que já existe, que é para isso que servem as referências: `reference_image_urls` aceita até nove imagens e, entre elas, fixam a intérprete, a peça de roupa e o palco, de modo que uma nova posição de câmera não vire silenciosamente outra produção. O prompt é então escrito só para este ângulo, a caminhada, o canhão de luz, o que a roupa faz enquanto ela se move, porque o resto foi fornecido como imagem.
- 768p
- 3:4
- 5s
- Saída7 s
character-continuity Três referências, três funções: a imagem 1 para o rosto dela, a imagem 2 para a roupa, a imagem 3 para o quarto — nomear cada uma pelo número evita que se misturem numa única cena. O `prompt` cuida só da ação em `duration_seconds` `6`: sentar, cruzar as pernas, olhar para a câmera, com o balanço de câmera na mão escrito como direção, não tirado de um clipe. O rosto permanece constante enquanto a cena muda.
- 768p
- 6s
- Saída5 s
voice-and-room As duas referências trazem só o que um still consegue mostrar — o rosto dela na imagem 1, o rig de spots na imagem 2 —, e o `prompt` acrescenta o que uma foto não consegue: um clube pequeno, uma reverberação quente, um murmúrio da plateia. Em `duration_seconds` `5` há tempo para uma frase no microfone antes do sorriso, o que transforma uma pose numa fala entregue. Troque a sala e as referências ainda fixam rosto e luz.
- 768p
- 5s
Este exemplo começa em $0.037 por segundo de saída. O Playground recalcula a estimativa sempre que você muda as configurações.