MiniMax H3

MiniMax H3 (Hailuo 03), das Videomodell von MiniMax: Clips mit nativem Ton in 768p und 2K, 4 bis 15 Sekunden lang, aus einem Prompt sowie bis zu 9 Referenzbildern, 3 Referenzvideos und 3 Referenz-Audioclips.

Preise

Ein Clip kostet Länge mal Preis pro Sekunde: Ein 5 Sekunden langer Clip in 768p kostet $0.195. Berechnet wird er erst, wenn das Video fertig ist.

Was du brauchst

• Ein Prompt mit bis zu 7,000 Zeichen.
• Bis zu 9 reference_images, 3 reference_videos und 3 reference_audio-Clips (MP3 oder WAV), beliebig kombiniert, ohne Aufpreis. Referenzvideos dürfen insgesamt bis zu 15 Sekunden lang sein; dasselbe gilt für Audioclips. first_frame oder last_frame brauchst du nicht: Gib das Bild als Referenz an und beschreibe im Prompt, wie das Video beginnt.
• Längen von 4 bis 15 Sekunden, in ganzen Sekunden.
• 16:9, 9:16, 1:1, 4:3, 3:4 und 21:9. Lege das Seitenverhältnis mit aspect_ratio fest; wenn du es weglässt, ist es unabhängig von den Referenzbildern 16:9.
• Ton ist immer dabei.
• 768p und 2K.

Beispiel

{
  "model": "minimax-h3",
  "reference_images": ["https://example.com/presenter.jpg"],
  "reference_audio": ["https://example.com/voice.mp3"],
  "prompt": "The woman from the image holds up a serum bottle and says, in the voice from the audio: \"Two weeks with this serum and my skin is glowing.\" Handheld phone video.",
  "seconds": 8,
  "resolution": "768p",
  "aspect_ratio": "9:16"
}

Prompts schreiben

• Sag, wofür jede Referenz verwendet werden soll: „die Frau aus dem Bild“, „die Bewegung des Videos“.
• Damit jemand spricht, schreibe die Worte in den Prompt und setze sie in Anführungszeichen. Ein Sprachclip in reference_audio legt fest, wie die Person klingt; ohne die Worte kommt die Sprache als erfundene Phrasen heraus.
• Wenn du einen Musikclip als Soundtrack verwenden möchtest, sag es ausdrücklich: „verwende das Referenz-Audio selbst als gesamten Soundtrack, nur instrumental, kein Gesang, kein Text auf dem Bildschirm“. Andernfalls kann das Modell ein eigenes Lied schreiben, inklusive Text und Untertiteln.
• Ein Referenzvideo liefert die Bewegung und die Kameraführung.

Gut zu wissen

• Clips dauern normalerweise zwei bis fünf Minuten; Referenzen und 2K dauern am längsten.
• Referenzbilder, -videos und -audio sind im Preis enthalten.
• Referenzvideos (MP4 oder MOV) und Audioclips (MP3 oder WAV) sind jeweils 2 bis 15 Sekunden lang. Es gibt keinen Negativ-Prompt und keinen Seed, und der Ton ist immer aktiviert.
• Prompts oder Bilder, die gegen die Inhaltsregeln verstoßen könnten, können abgelehnt werden (content_policy); abgelehnte Videos sind kostenlos.
• Videos werden 30 Tage gespeichert. Lade die herunter, die du behalten möchtest.

Alle API-Details: Videogenerierung. Probier es im Playground des Dashboards aus. Dort siehst du auch den Code für jedes Video.