MiniMax H3 API

MiniMax H3 Референсы в видео генерирует один план по одному–девяти референсным изображениям и промпту, который обращается к ним по номерам: Picture 1, Picture 2 и так далее. Он возвращает от 4 до 15 целых секунд в 768p или 2k в одном из шести соотношений сторон, со звуком, сгенерированным одновременно. К изображениям можно добавить до трёх референсных видео и до трёх аудиоклипов, в каждой группе не больше 15 секунд суммарно.

Выберите режим по исходному материалу

До девяти пронумерованных слотов для изображений

reference_image_urls принимает от одного до девяти изображений, а промпт обращается к ним по позиции. Одно изображение может нести лицо, другое — одежду, третье — комнату. Пример с непрерывностью персонажа делает именно это: сохраняет женщину с изображения 1 в наряде с изображения 2 внутри гостиничного номера с изображения 3.

Новый ракурс на существующую постановку

Референсы сохраняют цельность постановки, когда камера переходит на новую точку. Пример red-dress-theatre-three-angles тремя кадрами фиксирует исполнительницу, платье и сцену, а затем просит третий ракурс, чтобы новая позиция камеры незаметно не превратилась в другую постановку. Он сгенерирован в формате 3:4 на пять секунд.

Движение и звук задаёт промпт

Движение и звук можно прописать словами или передать референсом. Пример voice-and-room отправляет два изображения — исполнительницу и сценический свет — и описывает акустику клуба текстом: тёплая реверберация и гул публики. Референсное видео передаёт движение, обращайтесь к нему как <Video 1>; референсное аудио задаёт голос или звук. Первые пять референсных изображений входят в цену, каждое следующее добавляет плату; секунды референсного видео оплачиваются по отдельному посекундному тарифу, более низкому, чем у секунд результата, референсное аудио бесплатно. Оценка в реальном времени учитывает всё это до отправки.

Удержать повторяющегося персонажа между планами

Используйте один и тот же набор референсов для каждого плана последовательности и меняйте в промпте только строки про действие и место. Эндпоинт не принимает seed, поэтому идентичность от дубля к дублю удерживают именно референсы; один текст дал бы расхождения.

Поместить исполнительницу в конкретное пространство

Сочетайте портрет с отдельным изображением пространства и опишите, что там происходит. В voice-and-room исполнительница наклоняется к микрофону, произносит одну реплику и улыбается; второе изображение даёт сценический свет, а промпт — звук помещения.

Сохранить одежду или реквизит в движении

Дайте одежде или предмету собственный слот, а не надейтесь, что они уцелеют внутри портрета. Пример red-dress затем описывает, что платье делает в движении — разрез открывается с каждым шагом к авансцене, — потому что крой и цвет уже закреплены референсом.

# 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/reference-to-video",
  "input": {
    "aspect_ratio": "16:9",
    "duration_seconds": 5,
    "enable_prompt_expansion": false,
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "reference_image_urls": [
      "https://example.com/reference.png"
    ],
    "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.