MiniMax H3

MiniMax H3 (Hailuo 03), el modelo de video de MiniMax: clips con sonido nativo en 768p y 2K, de 4 a 15 segundos, a partir de un prompt y hasta 9 imágenes de referencia, 3 videos de referencia y 3 clips de audio de referencia.

Precios

Un clip cuesta su duración por la tarifa: un clip 768p de 5 segundos son $0.195. Solo se cobra cuando se entrega el video.

Qué necesita

• Un prompt de hasta 7,000 caracteres.
• Hasta 9 reference_images, 3 reference_videos y 3 clips reference_audio (MP3 o WAV), en cualquier combinación, sin coste adicional. Los videos de referencia duran hasta 15 segundos en total, y los clips de audio también. No usa first_frame ni last_frame: da la imagen como referencia e indica en el prompt cómo empieza el video.
• Duraciones de 4 a 15 segundos, en segundos enteros.
• 16:9, 9:16, 1:1, 4:3, 3:4 y 21:9. Define la forma con aspect_ratio; si lo omites, es 16:9, sean cuales sean las imágenes de referencia.
• El sonido siempre está activado.
• 768p y 2K.

Ejemplo

{
  "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"
}

Cómo escribir los prompts

• Indica para qué sirve cada referencia: «la mujer de la imagen», «el movimiento del video».
• Para que alguien hable, escribe sus palabras en el prompt, entre comillas. Un clip de voz en reference_audio define cómo suena; sin las palabras, el habla sale como frases inventadas.
• Para usar un clip de música como banda sonora, dilo: «usa el audio de referencia tal cual como banda sonora completa, solo instrumental, sin voz, sin texto en pantalla». Si no lo indicas, el modelo puede componer su propia canción, con letra y subtítulos incluidos.
• Un video de referencia aporta su movimiento y su trabajo de cámara.

Conviene saberlo

• Los clips suelen tardar de dos a cinco minutos; las referencias y el 2K son lo que más tarda.
• Las imágenes, los videos y el audio de referencia están incluidos en el precio.
• Los videos de referencia (MP4 o MOV) y los clips de audio (MP3 o WAV) duran de 2 a 15 segundos cada uno. No hay prompt negativo ni seed, y el sonido está siempre activado.
• Los prompts o imágenes que puedan incumplir las normas de contenido pueden rechazarse (content_policy); los vídeos rechazados son gratis.
• Los vídeos se conservan durante 30 días; descarga los que quieras guardar.

Todos los detalles de la API: Generación de vídeo. Pruébalo en el Playground del panel, que muestra el código de cada vídeo.