MiniMax H3

MiniMax H3 (Hailuo 03), o modelo de vídeo da MiniMax: clipes com som nativo a 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 clip é a duração multiplicada pela tarifa: um clip de 5 segundos em 768p custa $0.195. Só é cobrado quando o vídeo é entregue.

O que aceita

• Um prompt com até 7,000 caracteres.
• Até 9 reference_images, 3 reference_videos e 3 clips de reference_audio (MP3 ou WAV), em qualquer combinação, sem custo adicional. Os vídeos de referência podem ter até 15 segundos no total, tal como os clips de áudio. Não aceita first_frame nem last_frame: forneça a imagem como referência e indique no prompt como começa o vídeo.
• 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 o 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"
}

Escrever prompts

• Diga para que serve cada referência: “a mulher da imagem”, “o movimento do vídeo”.
• Para pôr alguém a falar, escreva as palavras no prompt, entre aspas. Um clipe de voz em reference_audio define como soa a voz; sem as palavras, a fala resulta em frases inventadas.
• Para usar um clipe de música como banda sonora, diga-o: “usar o próprio áudio de referência como toda a banda sonora, apenas instrumental, sem canto, sem texto no ecrã”. Caso contrário, o modelo pode criar a sua própria canção, com letra e legendas incluídas.
• Um vídeo de referência fornece o movimento e o trabalho de câmara.

Convém saber

• Os clipes costumam demorar dois a cinco minutos; com referências e a 2K, demoram mais.
• As imagens, os vídeos e o áudio de referência estão incluídos no preço.
• Os vídeos de referência (MP4 ou MOV) e os clipes de áudio (MP3 ou WAV) têm de ter entre 2 e 15 segundos cada. Não há suporte para prompt negativo ou seed, e o som está sempre ativado.
• Os prompts ou as imagens que possam violar as regras de conteúdo podem ser recusados (content_policy); os vídeos recusados não são cobrados.
• Os vídeos são guardados durante 30 dias; descarregue os que quiser conservar.

Todos os detalhes da API: Geração de vídeo. Experimente no Área de testes do painel, que mostra o código de cada vídeo.