Текст в видео или изображение в видео: с чего начать?

Для регулярно появляющегося взрослого персонажа начните с изображения в видео, когда лицо, одежда и начальный кадр уже одобрены. Начните с текста в видео, если вы ещё выбираете персонажа или ищете сцену. Изображение задаёт конкретное начало, а текстовый промпт оставляет модели возможность его придумать. Ни один тип входных данных не гарантирует стабильность лица, когда персонаж начинает двигаться.

В сравнении используется MiniMax H3, потому что SpicyAPI предлагает обе задачи по одинаковым посекундным тарифам. Выбор зависит от того, что у вас уже есть и что нужно исправить, а не от скидки на один из путей. В примерах промптов используется полностью одетый вымышленный взрослый персонаж.

Одно семейство, два разных типа входных данных

Подробности доступны на страницах текст в видео и изображение в видео.

Обе задачи создают звук вместе с видео. Опишите звук в промпте, даже если это только дождь и фоновые звуки комнаты: изображение не может указать, какая звуковая дорожка нужна сцене.

Текст помогает найти внешность; изображение задаёт одобренный начальный облик. Это иллюстрации, не результаты MiniMax.

Что это значит для автора NSFW

По нашим тестам в сентябре 2026 года обе задачи H3 принимали запросы для взрослых вплоть до самого интенсивного проверенного уровня: текст в видео по письменному описанию и изображение в видео по начальным изображениям, созданным ИИ. Обе указаны как не имеющие ограничений, поэтому путь меняет не допустимое содержание, а степень вашего контроля.

Принятие запроса и сохранение личности — разные вопросы. Модель может принять тему, но всё же изменить лицо в середине поворота. Выбирайте путь под конкретный кадр и оценивайте результат по тому, остаётся ли персонаж узнаваемым.

MiniMax H3 Spicy — отдельное семейство изображения в видео, а не режим ввода изображения обычного H3. При 768p текущая цена составляет $0.084 в секунду против $0.037 у обычного H3 при 768p. Не сравнивайте эту более высокую цену с обычным H3 текст в видео, называя разницу «доплатой за изображение в видео». Аналогично H3 LoRA — отдельное семейство для совместимых весов LoRA, а не переключатель в этих двух формах.

Путь A: найти кадр по тексту

Используйте этот путь для нового вымышленного персонажа или отдельного тизера, когда точное лицо ещё не определено. Пример описывает одно действие: Мара, 30 лет, поворачивается от окна с дождевыми потёками к зрителю. Её вечернее платье угольно-серого цвета остаётся на ней; камера неподвижна.

1. Откройте MiniMax H3 текст в видео.
2. В форме задайте Aspect ratio 9:16, Resolution 768p и Duration 5.
3. Вставьте промпт кадра ниже в Prompt и проверьте оценку стоимости перед запуском.

Vertical medium shot of Mara, a fictional 30-year-old woman with a short dark bob, wearing a charcoal evening dress beside a rain-streaked window. Cool window light illuminates her face; a warm lamp glows behind her. She begins looking toward the window, slowly turns her head toward the camera, then holds eye contact. Her face and upper body stay in frame. Static camera. The dress remains unchanged. Audio: soft rain against the glass and quiet room tone, no speech or music.

Выбирайте этот путь, если: персонаж ещё не определён, вы хотите исследовать внешность и обстановку или один самостоятельный клип — вся работа. Выбирайте другой путь, если: лицо или гардероб уже закреплены; используйте путь B.

Оценивайте первый результат как выбор персонажа и постановку. Если лицо привлекательное, но отличается от уже установленного персонажа, текстовый ввод не предоставил это установленное лицо. Повторение имени и описания волос не превращает новую генерацию в референс личности.

Одобрив внешность, сохраните её перед изменением промпта. “Keep everything, only change the lamp” в этой задаче всё ещё означает новую генерацию, а не локальное редактирование изображения. Если лампа важна, подготовьте одобренное начальное изображение с нужной лампой и переходите ко второму пути.

Путь B: оживить одобренное начало

Используйте изображение в видео, когда аудитория уже узнаёт Мару или кадр должен соответствовать одобренному изображению кампании. Изображение должно показывать начало действия, а не просто быть лучшим портретом персонажа.

Для поворота у окна подготовьте вертикальный средний план: голова направлена к окну, достаточно лица видно для проверки, вокруг плеч есть пространство. Тесно обрезанный крупный план лица плохо подходит для большого поворота в сторону и обратно. Сначала измените композицию, вместо того чтобы просить промпт движения одновременно решить кадрирование, личность и действие.

Исправьте ограничивающее кадрирование, прежде чем запрашивать движение.

1. Откройте MiniMax H3 изображение в видео.
2. Добавьте одобренное вертикальное начало в Input image. Каждая сторона должна иметь 256–5 760 пикселей, соотношение сторон — от 2:5 до 5:2, а файл — менее 10 MB (ограничение Playground).
3. Задайте Resolution 768p и Duration 5. Соотношение задаёт изображение; поля Aspect ratio в этой задаче нет.
4. Вставьте промпт движения ниже в Prompt. Для первого простого поворота оставьте Closing frame пустым.

She slowly turns her head from the window toward the camera, then holds direct eye contact. Her shoulders stay relaxed. The camera remains fixed. Audio: soft rain against the glass and quiet room tone, no speech or music.

Изображение уже показывает лицо, платье и комнату, поэтому промпт описывает только изменения.

Проверьте начало, середину и финальную удерживаемую позу. Совпадающий первый кадр может скрывать последующее изменение лица. Если поворот выявляет неудачный профиль, попробуйте начальный ракурс, показывающий больше нужной части лица, или запросите меньший поворот. Если прямой зрительный контакт необходим, сохраните этот финал, вместо того чтобы уменьшать движение до почти полного отсутствия действия.

Проверяйте начало, поворот и финальную удерживаемую позу как отдельные критерии принятия результата.

Выбирайте этот путь, если: персонаж появляется регулярно, кадр должен соответствовать одобренному изображению или лицо и гардероб уже закреплены. Выбирайте другой путь, если: вы ещё ищете внешность, поскольку изображение закрепляет и свои слабые стороны.

Необязательный конечный кадр (last_image_url в API) полезен, когда одобрена и финальная композиция. Подготовьте его с тем же персонажем, одеждой и освещением и запросите действие, правдоподобно связывающее кадры. Он ограничивает конечную точку, но не задаёт каждое промежуточное положение рук и не гарантирует правильный переход.

Сколько стоят пять секунд

Текущие цены обычного H3 одинаковы для двух задач:

Создание изображения оплачивается отдельно. Если у вас уже есть одобренный стоп-кадр, подготовка может почти ничего не стоить; если сначала вы создаёте и отбраковываете много изображений, учитывайте эти расходы. При 768p три попытки текста в видео стоят $0.555, а одна попытка изображения в видео — $0.185 плюс изображение. Поэтому путь с изображением выгоднее, только если одобренный стоп-кадр стоит меньше $0.37. Если оба варианта удаются с первой попытки, текст в видео дешевле, поскольку второй путь добавляет стоимость изображения.

Черновик в 768p и финал в 2k — экономичный подход, но запуск в 2k является новым дублем, а не увеличением разрешения черновика: H3 не предоставляет seed, поэтому даже идентичный запрос возвращает другое движение. Если принятое движение нужно сохранить точно, используйте отдельную задачу увеличения разрешения. Семейства с seed, например H3 Spicy изображение в видео или Seedance 2.5, позволяют повторять запрос более воспроизводимо.

Исправляйте самый ранний видимый дефект

Если начальный гардероб неверен, исправьте источник перед следующей попыткой движения.

Референс личности и начальный кадр — разные материалы. Если вы хотите посадить Мару за стол, не загружайте её портрет у окна как буквальное начало, ожидая, что он будет работать только как референс лица. H3 референс в видео — отдельная задача, принимающая от одного до девяти референсных изображений; её дополнительные входные данные и оценку стоимости нужно проверить отдельно.

Запуск через API

Когда результат Playground вас устраивает, тот же запрос работает из кода. Это пример текста в видео; для изображения в видео измените модель на minimax/h3/image-to-video, уберите aspect_ratio и добавьте image_url.

import os
import uuid

import requests

response = requests.post(
    "https://api.spicyapi.ai/api/v1/jobs/createTask",
    headers={
        "Authorization": f"Bearer {os.environ['SPICY_API_KEY']}",
        "Idempotency-Key": str(uuid.uuid4()),  # new key for each new request
    },
    json={
        "model": "minimax/h3/text-to-video",
        "input": {
            "prompt": "Vertical medium shot of Mara, a fictional 30-year-old woman with a short dark bob, wearing a charcoal evening dress beside a rain-streaked window. She slowly turns her head toward the camera, then holds eye contact. Static camera. Audio: soft rain, quiet room tone.",
            "aspect_ratio": "9:16",
            "resolution": "768p",
            "duration_seconds": 5,
        },
    },
)
print(response.json())

Поля, результаты и ошибки описаны в справочнике API.

Или поручите выполнение Agent. Агент может сделать тот же вызов через CLI, сервер MCP или Agent Skill. Все три читают актуальную схему модели, а CLI и MCP показывают цену и просят подтверждение перед созданием задачи.

# CLI
npx @spicyapi/cli tasks create --model minimax/h3/text-to-video \
  --input-json '{"prompt": "Mara turns from a rain-streaked window toward the camera and holds eye contact. Static camera. Audio: soft rain.", "aspect_ratio": "9:16", "resolution": "768p", "duration_seconds": 5}' --wait

# MCP server: the command your assistant's MCP config runs
npx --yes --package=@spicyapi/mcp spicyapi-mcp

# Agent Skill
npx skills add spicyapi-ai/spicy-skill

Создайте сцену длиннее 15 секунд

Один запрос H3 ограничен 15 секундами, и задачи продления нет. Одобрите клип, извлеките его последний кадр и используйте как начальное изображение следующего плана изображения в видео. Каждый промпт тогда описывает только последующее действие. Так внешний вид предыдущего плана переносится в следующий начальный кадр вместо повторного выбора персонажа по тексту каждый раз.

Какой путь выбрать

Для еженедельного сериала с персонажем одобряйте начальное изображение каждого плана и оживляйте его. Для новой обстановки без установленного состава персонажей начните с текста и рассматривайте результат как поиск. Переключитесь, когда лицо и композиция станут требованиями, которые стоит сохранить.