MiniMax H3

MiniMax H3 (Hailuo 03), o modelo de vídeo da MiniMax: clipes com som nativo em 768p e 2K, de 4 a 15 segundos, a partir de um prompt e até 9 imagens de referência, 3 vídeos de referência e 3 clipes de áudio de referência.

Preços

O custo de um clipe é a duração multiplicada pela tarifa: um clipe de 5 segundos em 768p custa $0.195. A cobrança só acontece quando o vídeo é entregue.

O que aceita

• Um prompt de até 7,000 caracteres.
• Até 9 reference_images, 3 reference_videos e 3 clipes de reference_audio (MP3 ou WAV), em qualquer combinação, sem custo extra. Os vídeos de referência podem somar até 15 segundos, e o mesmo vale para os clipes de áudio. Não aceita first_frame nem last_frame: envie a imagem como referência e diga no prompt como o vídeo começa.
• Durações de 4 a 15 segundos, em segundos inteiros.
• 16:9, 9:16, 1:1, 4:3, 3:4 e 21:9. Defina o formato com aspect_ratio; se você omitir, será 16:9, independentemente das imagens de referência.
• O som está sempre ativado.
• 768p e 2K.

Exemplo

{
  "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"
}

Como criar prompts

• Diga para que serve cada referência: “a mulher da imagem”, “o movimento do vídeo”.
• Para fazer alguém falar, escreva as falas no prompt, entre aspas. Um clipe de voz em reference_audio define como a voz soa; sem as falas, o resultado são frases inventadas.
• Para usar um clipe de música como trilha sonora, diga isso: “use o próprio áudio de referência como toda a trilha sonora, apenas instrumental, sem canto, sem texto na tela”. Sem essa instrução, o modelo pode criar a própria música, com letra e legendas.
• Um vídeo de referência fornece o movimento e o trabalho de câmera.

Bom saber

• Os clipes costumam levar de dois a cinco minutos; usar referências e 2K leva mais tempo.
• Imagens, vídeos e áudios de referência estão incluídos no preço.
• Vídeos de referência (MP4 ou MOV) e clipes de áudio (MP3 ou WAV) devem ter de 2 a 15 segundos cada. Não há suporte a prompt negativo ou seed, e o som fica sempre ativado.
• Prompts ou imagens que possam violar as regras de conteúdo podem ser recusados (content_policy); vídeos recusados não são cobrados.
• Os vídeos ficam disponíveis por 30 dias; baixe os que você quiser guardar.

Detalhes completos da API: Geração de vídeo. Experimente no Playground do painel, que mostra o código de cada vídeo.