MiniMax H3

MiniMax H3 (Hailuo 03), le modèle vidéo de MiniMax : des clips avec son natif en 768p et 2K, de 4 à 15 secondes, à partir d’un prompt et de jusqu’à 9 images, 3 vidéos et 3 extraits audio de référence.

Prix

Le prix d’un clip correspond à sa durée multipliée par le tarif : un clip de 5 secondes en 768p coûte $0.195. Il n’est facturé qu’une fois la vidéo livrée.

Entrées acceptées

• Un prompt de 7,000 caractères maximum.
• Jusqu’à 9 reference_images, 3 reference_videos et 3 clips reference_audio (MP3 ou WAV), dans n’importe quelle combinaison, sans supplément. La durée totale des vidéos de référence est limitée à 15 secondes, tout comme celle des clips audio. Ni first_frame ni last_frame ne sont acceptés : fournissez l’image comme référence et décrivez dans le prompt comment la vidéo commence.
• Des durées de 4 à 15 secondes, en secondes entières.
• 16:9, 9:16, 1:1, 4:3, 3:4 et 21:9. Définissez le format avec aspect_ratio ; par défaut, il est de 16:9, quelles que soient les images de référence.
• Le son est toujours activé.
• 768p et 2K.

Exemple

{
  "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"
}

Rédiger vos prompts

• Précisez le rôle de chaque référence : « la femme de l’image », « le mouvement de la vidéo ».
• Pour faire parler quelqu’un, écrivez ses répliques entre guillemets dans le prompt. Un extrait vocal dans reference_audio définit sa voix ; sans répliques, le modèle produit des phrases inventées.
• Pour utiliser un extrait musical comme bande-son, précisez-le : « utiliser l’audio de référence tel quel comme seule bande-son, uniquement instrumental, sans chant ni texte à l’écran ». Sinon, le modèle peut composer sa propre chanson, paroles et sous-titres compris.
• Une vidéo de référence transmet ses mouvements et son travail de caméra.

Bon à savoir

• La génération d’un clip prend généralement deux à cinq minutes ; les références et la 2K allongent le plus ce délai.
• Les images, vidéos et extraits audio de référence sont inclus dans le prix.
• Les vidéos (MP4 ou MOV) et les extraits audio (MP3 ou WAV) de référence durent chacun de 2 à 15 secondes. Pas de prompt négatif ni de seed, et le son est toujours activé.
• Les prompts ou les images susceptibles d’enfreindre les règles de contenu peuvent être refusés (content_policy) ; les vidéos refusées ne sont pas facturées.
• Les vidéos sont conservées pendant 30 jours ; téléchargez celles que vous souhaitez garder.

Documentation complète de l’API : Génération de vidéos. Essayez-la dans le Playground du tableau de bord, qui affiche le code de chaque vidéo.