Введение
MiniMax H3 Изображение в видео начинает со стартового кадра из image_url и генерирует то, что происходит дальше: от 4 до 15 целых секунд в 768p или 2k, со звуком из того же прохода. Необязательный last_image_url задаёт финальный кадр, к которому приходит клип. Поля соотношения сторон нет: форму вывода определяет стартовый кадр.
Выберите режим по исходному материалу
| Исходный материал | Режим |
|---|---|
| написанная сцена или сценарий | MiniMax H3 Текст в видео |
| утверждённое стартовое изображение | MiniMax H3 Изображение в видео |
| от одного до девяти референсных изображений | MiniMax H3 Референсы в видео |
Ключевые возможности и особенности
Объект задаётся стартовым кадром
Модель точно следует переданному кадру, поэтому это самый буквальный способ получить объект, одежду и пространство, которые вы задумали. В примере windowsill-turn всё узнаваемое — от лица и наряда до окна с полосами дождя — берётся из изображения; промпт просит только выдох, пульс неона и поворот головы. Стартовый кадр, на котором сцена уже есть, приближает результат к брифу гораздо сильнее, чем те же слова в text-to-video.
Необязательный финальный кадр
last_image_url фиксирует, где план заканчивается. Пример с дверью использует оба конца: восемь секунд, которые начинаются внутри комнаты и заканчиваются на заданной композиции у проёма. Финальный кадр подтягивает только концовку. Середина клипа по-прежнему генерируется свободно, и чем длиннее клип, тем дальше движение может уйти от финального кадра.
Длительность, разрешение и ограничения на вход
Длительность — от 4 до 15 целых секунд, но 4 секунды доступны только в 768p; для 2k нужно не меньше 5 секунд. Оба разрешения нативные. Стартовый кадр должен иметь от 256 до 5760 px по каждой стороне, соотношение сторон от 2:5 до 5:2 и размер меньше 30 МБ.
Параметры запроса
| Параметр | Обязательно | Описание |
|---|---|---|
prompt | Да | Опишите изменение после стартового кадра: действие, камеру, звук. Сам кадр пересказывать не нужно. Не менее 1 символов · Не более 7000 символов |
image_url | Да | Стартовый кадр. Он задаёт субъекта, костюм и композицию — модель точно следует ему. |
last_image_url | Нет | Необязательный финальный кадр. Подтягивает только концовку; середина клипа остаётся свободной. |
resolution | Нет | 768p или 2k, оба нативные. Черновик в 768p, поставка в 2k. |
duration_seconds | Нет | Целые секунды, от 4 до 15. Четыре секунды доступны только в 768p. |
Стоимость
| Спецификация | Стоимость |
|---|---|
| $0.037 / секунду |
| $0.058 / секунду |
Сценарии использования
Оживить уже утверждённый кадр
Если кадр уже есть — сгенерированный или фотография с урегулированными правами, — этот эндпоинт превращает его в движение, не описывая заново. Промпт несёт только изменение (действие, камера, звук), и все слова остаются для того, чего изображение само сказать не может.
Показать то, чего нет в кадре
Пример cup-then-two-in-one-shirt открывается натюрмортом. Рука уносит чашку из кадра, камера наклоняется и переводит фокус, а в глубине комнаты появляется вторая фигура: три изменения, все во времени, и ни одного из них нет во входном изображении. Он сгенерирован на шесть секунд — разумная черновая длительность перед прогоном в 2k.
Продолжить сцену дольше 15 секунд
Чтобы продолжить сцену, используйте MiniMax H3 Продление видео: оно открывает следующий сегмент на последнем кадре утверждённого клипа и возвращает оба фрагмента соединёнными в одном файле, поэтому каждому промпту остаётся описать только то, что будет дальше. Если хотите сами вести следующий план кадр за кадром, возьмите этот последний кадр и отправьте его сюда как следующий image_url.
Руководство по промптам и практические советы
Не описывайте кадр заново
Описывайте изменение после стартового кадра, а внешний вид оставьте изображению. Быстрая проверка: каждая часть фразы должна называть то, что движется или звучит. Промпта windowsill-turn — «she turns her head toward camera without changing expression. Rain runs down the window, distant traffic» — достаточно, потому что кадр уже показывает, кто она и где находится.
Готовьте два кадра как связную пару
Отправляя last_image_url, готовьте его в паре со стартовым кадром: тот же объект, та же одежда, тот же свет и правдоподобная смена кадрирования. Два противоречащих друг другу кадра заставляют середину клипа искать компромисс между ними. Затем опишите физическое действие, которое их связывает, как в примере с дверью («встаёт с края кровати… останавливается в проёме, оглядываясь»), и дайте этому действию достаточно секунд, чтобы оно успело произойти.
Подготовьте кадр под вывод
Раз кадр определяет форму вывода, обрежьте его под формат сдачи до загрузки и проверьте ограничения по размеру. Делайте черновики в 768p, затем перезапустите выбранный дубль в 2k длительностью не меньше пяти секунд. Ждите нового дубля, а не покадрового апскейла, потому что эндпоинт не принимает seed.
Быстрый старт 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"
Аутентификация, полная схема, опрос статуса и обработка ошибок описаны в справочнике API.













