MiniMax H3 API

MiniMax H3 Texto para vídeo gera um clipe apenas a partir do prompt, sem imagem nem conjunto de referências. Você escolhe uma duração de 5 a 15 segundos inteiros, uma resolução de 768p ou 2k e uma entre seis proporções de tela; o som é gerado na mesma passada que a imagem. O campo de prompt aceita até 7.000 caracteres, espaço suficiente para descrever um plano inteiro e não só uma legenda.

Escolha o modo pelo material inicial

Seis formatos, escolhidos a cada requisição

aspect_ratio aceita 16:9 (padrão), 9:16, 1:1, 4:3, 3:4 e 21:9. O 21:9 gera um letterbox anamórfico, e foi assim que o exemplo publicado noir-window foi feito: neon vermelho pulsando, sombras de persiana e uma virada lenta de cabeça, tudo escrito em um parágrafo para o quadro largo. Defina o formato antes de escrever, para que o briefing posicione o assunto pensando nesse quadro.

O som dirigido no mesmo briefing

O áudio é gerado junto com a imagem, não acrescentado depois, então a trilha também se escreve no prompt: som ambiente, foley, música ou uma fala. No exemplo thunder-wheat-field, o trovão chega no mesmo arquivo que os relâmpagos e cai em cima dos clarões, sem que você precise sincronizá-lo na edição.

768p e 2k, ambas nativas

As duas resoluções são saídas nativas, e 480p e 720p não existem: o schema rejeita esses valores. Duração e resolução influenciam o preço, então o caminho comum é rascunhar em 768p até a ação e o enquadramento funcionarem e depois gerar em 2k o take escolhido. O endpoint não aceita seed, portanto essa execução em 2k é um take novo do mesmo briefing, não uma cópia mais nítida do rascunho.

Começar um plano só com uma ideia

text-to-video é o endpoint do H3 que não precisa de nenhuma imagem. O exemplo curtain-silhouette mostra o tipo de briefing que mais se sustenta entre execuções: câmera fixa, uma cortina de gaze, um abajur quente atrás e uma silhueta da qual só se lê o contorno. Quanto menos detalhes o briefing deixa em aberto, mais próximos ficam os takes consecutivos.

Testar uma ideia de luz ou de ritmo

A luz que muda ao longo do tempo se escreve inteiramente no prompt. O briefing de thunder-wheat-field pede uma revelação intermitente: cada relâmpago deixa branca por um instante uma camisa encharcada e a devolve à escuridão, durante seis segundos em 768p e 16:9. Rascunhos curtos como esse mostram se um efeito funciona antes de você gastar uma execução em 2k.

Abrir uma sequência que continua em outro modo

O H3 não tem endpoint de edição, e uma requisição vai no máximo até 15 segundos. Para uma cena mais longa, gere aqui o primeiro plano e continue-o com a Extensão de vídeo do MiniMax H3: ela abre o plano seguinte no último quadro do clipe aprovado e devolve os dois unidos em um só arquivo. Quando o assunto precisa ficar exatamente como foi desenhado, use o image-to-video: a prosa deixa figurino, corpo e enquadramento a cargo do modelo, e execuções consecutivas variam.

# 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/text-to-video",
  "input": {
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "resolution": "768p",
    "aspect_ratio": "16:9",
    "duration_seconds": 5,
    "enable_prompt_expansion": false
  }
}'

# 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.