Перейти к основному контенту

Сцена H3 X принимает до 9 изображений, 2 видео общей длительностью 15 секунд и 3 аудиоклипов; роли задавайте через Image 1, Video 1 и Audio 1. Для последовательности H3 X выберите от 2 до 15 целых секунд; по умолчанию задано 5, частота вывода — 24 кадра/с.

От $0.022/с

Рабочая область

Ввод

Видео по референсу
340/7000

При перестановке номера в промпте обновляются. При удалении материала удаляются и ссылки на него — проверьте промпт.

H3 X требует промпт длиной 1–7 000 символов с действием, камерой и звуком; реплики поместите в двойные кавычки. Не менее 1 символов · Не более 7000 символов
Заполните хотя бы одно из полейУсловие выполнено
влияет на цену3/9

Перетащите файл или ссылку на медиа, вставьте или выберите · До 9 файлов · Не более 10 МБ · JPG · PNG · WEBP · GIF

  • Image 1
  • Image 2
  • Image 3
Файлы: 3 / 9
Порядок референсов H3 X определяет Image 1–Image 9; разделите роли внешности, одежды и декораций, учитывая, что в базовую оплату входят только 5 изображений. Не менее 1 элементов · Не более 9 элементов
влияет на цену0/2

Перетащите видео или выберите файл на устройстве · До 2 файлов · Не более 90 МБ · MP4 · WEBM

Файлы: 0 / 2
H3 X может перенять движение из 2 референсных видео общей длиной до 15 секунд; их длительность оплачивается так же, как выходные секунды. Не менее 1 элементов · Не более 2 элементов
0/3

Перетащите аудиофайл или выберите файл на устройстве · До 3 файлов · Не более 90 МБ · MP3 · WAV

Файлы: 0 / 3
До 3 аудиореференсов задают голос H3 X; файл передаёт тембр, а слова всё равно берутся из промпта, без доплаты за аудиореференс. Не менее 1 элементов · Не более 3 элементов
Для текста и референсов H3 X предлагает стандартное 16:9, а также 9:16, 1:1, 4:3, 3:4 и 21:9; начальное изображение вместо этого определяет форму кадра.
влияет на цену
H3 X предлагает 480p, стандартное 720p и 1080p; сравнение фрагментов на SpicyAPI не показало заметного прироста деталей в файле 1920 x 1088.
Длительностьвлияет на цену
Для последовательности H3 X выберите от 2 до 15 целых секунд; по умолчанию задано 5, частота вывода — 24 кадра/с. Не меньше 2 · Не больше 15
Расширение промпта
Расширение промпта H3 X изначально отключено; при включении оно переписывает инструкции до генерации без изменения цены.
Фильтр безопасностиВыключен

SpicyAPI не применяет фильтр безопасности к этой модели. Промпт и материалы передаются модели без изменений, а результат определяет сама модель.

Проверяем аккаунт перед включением отправки и расчёта стоимости.

Вывод

Готово к запуску
Пример результата

Связанные модели и следующие шаги

Нужной модели нет?

Напишите, какую модель добавить и для чего она вам нужна. Запрос попадёт к тем, кто решает, что подключать дальше.

Недорогое видео на MiniMax H3 с репликами, раскадровкой по времени и до 9 референсами

MiniMax H3 X — более доступная доработанная версия MiniMax H3, которая есть только на SpicyAPI, от $0.022 за секунду видео. Это не официальный релиз MiniMax. Три эндпоинта создают клипы от 2 до 15 секунд в 480p, 720p или 1080p со стереозвуком: «текст в видео», «изображение в видео» из стартового кадра с необязательным финальным кадром и «референсы в видео» из до 9 изображений, 2 видеоклипов и 3 голосовых клипов. Реплика в двойных кавычках произносится вслух, а все три эндпоинта работают без цензуры. Ограничения по контенту у них немного строже, чем у MiniMax H3, зато каждая секунда стоит дешевле.

Открыть playground
Недорогое видео на MiniMax H3 с репликами, раскадровкой по времени и до 9 референсами
Модель
Доработанная версия MiniMax H3, только на SpicyAPI с 26 октября 2026 года; не официальный релиз MiniMax
Эндпоинты
Текст в видео; изображение в видео из стартового кадра и необязательного финального кадра; референсы в видео из до 9 изображений, 2 видеоклипов и 3 голосовых клипов
Длина клипа
От 2 до 15 целых секунд при 24 кадрах в секунду, по умолчанию 5
Разрешение
480p, 720p (по умолчанию) или 1080p; текст и референсы в видео в 16:9, 9:16, 1:1, 4:3, 3:4 или 21:9
Звук
Стереозвук в каждом клипе; реплика в двойных кавычках произносится вслух
Стартовая цена
От $0.022 за секунду сгенерированного видео в 480p; 720p и 1080p стоят дороже
Цена
MiniMax H3 дешевлеH3 X стоит от $0.022 за секунду сгенерированного видео в 480p, актуальная цена для каждого разрешения указана на странице модели. Звук и расширение промпта уже входят в посекундную цену. Для черновиков есть H3 X Turbo — дистиллированная версия этой модели примерно за половину цены.
Диалоги
Реплики в кавычках возвращаются слово в словоПишите то, что говорит персонаж, в двойных кавычках. В наших проверках распознаванием речи реплика возвращалась слово в слово, с совпадающим движением губ, в том числе в прогоне с референсным голосовым клипом. Дождь, дыхание и музыка тоже следуют промпту.
Контент
Без цензуры на всех трёх эндпоинтахВ наших тестах ни один запрос не был отклонён. «Изображение в видео» и «референсы в видео» выдали интимную сцену двух взрослых. Ограничения по контенту немного строже, чем у MiniMax H3: «текст в видео» смягчает некоторые NSFW-сцены с одним человеком или с мужчинами, поэтому для таких сцен начинайте с изображения или с референсов.

Как работать с MiniMax H3 X

Начните с кадра и опишите, что будет дальше

Начните с кадра и опишите, что будет дальше

На нашем стартовом кадре — барменша в чёрном бархатном платье с открытой спиной за стойкой из ореха в полутёмном виниловом лаунже. Промпт описывал только продолжение: она ставит бокал, наклоняется над стойкой, подпирает подбородок рукой и шепчет "Last call.", под треск пластинки и соул. Клип в 720p сохранил её лицо, платье и янтарный свет. Слева вверху — стартовый кадр, остальные три панели — моменты из клипа.

Называйте каждый референс по его позиции

Называйте каждый референс по его позиции

Мы отправили портрет женщины с платиновым бобом, предметное фото верблюжьего тренча и пустую примерочную в стиле ар-деко как Image 1, 2 и 3 и написали в промпте "the woman from Image 1", "the trench coat from Image 2" и "the fitting room from Image 3". Её лицо, тренч и зеркало в золочёной раме вернулись в одной сцене в 720p. В левой колонке — три референса.

  • Каждой реплике — свои кавычки

    Ночью на мокрой от дождя крыше пара танцует медленное танго, и она говорит "Not yet." Звук в промпте тоже назван: дождь стучит по плитке, далёкий шум машин, бандонеон. Картинка, голос и эффекты получаются за один проход, без отдельного шага для аудио. Делайте каждую реплику достаточно короткой, чтобы её можно было спокойно произнести за заказанную длину клипа.

  • Перенесите движение из референсного клипа

    Референсное видео может служить шаблоном движения. Мы отправили портрет мужчины в белой майке как Image 1 и короткий танцевальный клип как Video 1 и попросили тот же поворот и то же движение плечами в солнечном лофте, с лицом и майкой из Image 1 и только движением из Video 1. Секунды референсного видео оплачиваются как сгенерированные, поэтому обрежьте клип до нужных движений.

  • 1080p — ради размера кадра, а не деталей

    По умолчанию стоит 720p. 1080p даёт настоящий файл 1920 x 1088, но с более низким битрейтом, чем 720p, — около 3,3 против примерно 10 Мбит/с, и на наших кропах он не выглядел резче. 5-секундный клип занимал около 50–110 секунд в 480p, 100–130 в 720p и около 171 в 1080p, так что черновики делайте в 480p, где секунда дешевле всего, а понравившийся дубль доводите в 720p.

Кто использует MiniMax H3 X

  • Три плана из одного промпта

    Авторы сериалов и коротких драм

    Три плана из одного промпта

    Задайте каждому плану время начала и называйте одних и тех же людей в каждой строке промпта. Наш 12-секундный клип просил общий план в коридоре отеля, склейку на 4-й секунде на ключ, поворачивающийся в латунном замке, и склейку на 8-й секунде в номер — и вернулся именно этими тремя планами с той же женщиной. В 15-секундном тесте склейки пришлись примерно на 5-ю и 10-ю секунды.

  • Вертикальные клипы прямо из текста

    Команды соцсетей и коротких форматов

    Вертикальные клипы прямо из текста

    «Текст в видео» и «референсы в видео» принимают 9:16, а также 16:9, 1:1, 4:3, 3:4 и 21:9, и клип 9:16 в 720p приходит в 736 x 1312. Наш спасатель облокотился на перила белой вышки в золотой час, поднял солнцезащитные очки и улыбнулся в камеру, стоящую внизу. На иллюстрации: два момента из этого 5-секундного клипа.

  • Начинайте с кадров ваших пользователей

    Разработчики платформ для взрослых

    Начинайте с кадров ваших пользователей

    В наших тестах «изображение в видео» принимало стартовые кадры NSFW и выдавало интимную сцену двух взрослых, при этом сам контакт оставался за кадром. Некоторые сцены с мужчинами смягчались; для них обращайтесь к «референсам в видео». Все люди в кадре должны быть совершеннолетними. На иллюстрации: две женщины нежно целуются на парижском балконе на рассвете, из стартового кадра, где они одеты.

  • Два человека из двух портретов

    Создатели персонажей и сериалов

    Два человека из двух портретов

    Отправляйте по одному портрету на человека и называйте каждого по позиции, например "the man from Image 1" и "the man from Image 2". Два портрета двух мужчин в костюмах вернулись в зеркальном латунном лифте отеля: один ослабляет другому галстук, оба лица сохранены. Для каждого плана одной сцены используйте те же портреты в том же порядке.

От первого промпта до финального дубля с MiniMax H3 X

  1. Выберите эндпоинт по тому, что у вас есть

    Только слова — «текст в видео». Кадр сцены — «изображение в видео», с необязательным финальным кадром. Отдельные фото людей, одежды, продуктов или мест, клип с движением или голос — «референсы в видео». Кадры и референсы нельзя смешивать в одном запросе.

  2. Опишите действие, камеру и звук

    Опишите по порядку, что происходит, что делает камера и что слышно, а каждую реплику заключите в двойные кавычки. В «изображении в видео» описывайте то, что следует за кадром, а не сам кадр. Оставьте расширение промпта выключенным, если ваш текст должен использоваться как есть.

  3. Черновики — в 480p

    Прогоните несколько 5-секундных дублей в 480p, где секунда дешевле всего, и проверьте лица, руки и реплику, прежде чем удлинять клип.

  4. Финал — в 720p и ровно нужной длины

    Перезапустите понравившийся дубль в 720p и с той длиной, которая нужна сцене, до 15 секунд; каждый клип оплачивается за секунду сгенерированного видео. Выбирайте 1080p, только когда нужен кадр крупнее.

  5. Для NSFW-сцен с одним человеком или с мужчинами начинайте с изображения

    «Текст в видео» смягчает некоторые NSFW-сцены с одним человеком или с мужчинами. Используйте «изображение в видео» с кадром этих людей или «референсы в видео». Все люди в кадре должны быть совершеннолетними.

Промпты MiniMax H3 X, которые стоит скопировать

  • Танго с одной репликой в кавычках

    Для «текста в видео» в 16:9. Одежда, движение, реплика в кавычках и звук названы по одному разу.

    Night, a rain-soaked rooftop above a glittering city. A couple dances a slow tango in the downpour: she wears a clinging crimson satin slip dress, he wears a soaked white shirt open at the collar. He dips her low, she pulls him back up by the collar, their faces an inch apart, and she says, "Not yet." Rain hissing on the tiles, distant traffic, a bandoneon playing a slow tango. Cinematic, shallow depth of field, wet reflections, warm city glow against blue night.
  • Кадр, который шепчет

    Для «изображения в видео» из кадра с одним одетым взрослым. Опишите только то, что происходит после кадра.

    She sets the glass down slowly, leans across the bar toward the camera, rests her chin on her hand and whispers, "Last call." A record crackles on the turntable, low soul music, ice clinking. The camera pushes in slowly. Warm amber light, shallow depth of field.
  • Три референса, одна примерка

    Для «референсов в видео» с портретом, фото вещи и фото места именно в таком порядке. Называйте каждое изображение по позиции.

    The woman from Image 1, in her black slip dress, tries on the trench coat from Image 2 in the fitting room from Image 3. She belts it, turns to the gold mirror, then lets the coat slide off one shoulder and glances back at the camera over that shoulder. Soft spotlight, rustle of wool, quiet lounge music. Cinematic, shallow depth of field.

Ещё вопросы о MiniMax H3 X

Когда сцене нужен голос, а бюджет ограничен

Берите «текст в видео», когда хватает слов, «изображение в видео», когда кадр уже есть, и «референсы в видео», когда должны совпасть люди, одежда, места или движение.

Заключайте каждую реплику в кавычки, расписывайте планы по времени, делайте черновики в 480p и финал в 720p. Для NSFW-сцен с одним человеком или с мужчинами начинайте с изображения или с референсов.

Все модели MiniMax17

Видеомодели12