MiniMax H3 API for Video Generation and Editing

A MiniMax H3 API oferece aos desenvolvedores acesso programático ao MiniMax H3, um modelo de vídeo multimodal aberto e de uso geral que trata texto, imagens, vídeo e áudio como um único contexto compartilhado. Em vez de separar geração, edição e referência em modelos de tarefa distintos, o H3 interpreta todo o conjunto de entrada e retorna um clipe finalizado com som. No Atlas Cloud, ele funciona por trás de uma única API key, com preços pay-as-you-go.

Filmes de marca, trailers, dramas curtos verticais, anúncios de produto e ecommerce, demonstrações de movimento para jogos e UI, além de animações estilizadas, estão todos dentro do seu alcance. Como o modelo lida com texto na tela, legendas e ativos de marca, equipes também o usam para validação de conceitos, prévias de storyboard e apresentações visuais antes de comprometer orçamento de produção.

Crie uma conta no Atlas Cloud, gere uma API key e envie um prompt com quaisquer arquivos de referência para o endpoint de geração de vídeo; depois, consulte o status até obter o resultado finalizado. Recomenda-se enviar mídia como URLs hospedadas em vez de uploads inline, pois o corpo da requisição é limitado a 64MB. Comece a criar hoje.

A cobrança é pay-as-you-go, então você paga por chamada em vez de comprar uma assinatura ou uma licença por usuário. O custo acompanha o que você realmente renderiza, ou seja, a resolução e a duração do clipe determinam o total de um lote. Consulte a página do modelo para ver a tarifa atual por geração antes de planejar execuções em grande volume.

Sim. Todo resultado do H3 é entregue com som em estéreo nativo, então diálogos, efeitos e ambiência chegam na mesma passada que a imagem. Forneça um clipe de áudio de referência e o modelo pode transferir esse timbre para um personagem, eliminando uma etapa separada de síntese de voz do pipeline.

Os clipes variam de 5 a 15 segundos a 24 FPS. No modo 1440p, o lado menor é renderizado com 1440 pixels para proporções entre 16:9 e 9:16; fora dessa faixa, o quadro mantém cerca de 3.7M pixels no total, por exemplo 2976 por 1248 em 21:9. Requisições text to video e omni reference aceitam 21:9, 16:9, 4:3, 1:1, 3:4 e 9:16, enquanto requisições de primeiro e último quadro herdam a proporção da imagem de entrada.

Até nove imagens, três segmentos de vídeo e três clipes de áudio podem acompanhar um único prompt, com limite total de doze arquivos. Vídeo e áudio devem permanecer dentro de 15 segundos combinados cada, e o áudio deve acompanhar uma imagem ou um vídeo, em vez de chegar sozinho. Os prompts chegam a 7000 caracteres, deixando espaço para direção plano a plano que cubra câmera, atuação e som.

As entradas aceitas incluem vídeo H.264 e H.265, imagens JPG, JPEG, PNG, WEBP, HEIC e HEIF, e áudio WAV ou MP3, com AAC ou MP3 para a faixa de áudio dentro de um arquivo de vídeo. Os limites por arquivo são 50MB para vídeo, 30MB para imagens e 15MB para áudio. Como o corpo da requisição é limitado a 64MB, URLs hospedadas continuam sendo a opção mais segura para ativos pesados.

A edição é um dos seus modos principais. Envie um clipe de origem com instruções, e a MiniMax H3 API pode trocar personagens ou objetos, substituir fundos e iluminação, adicionar camadas de efeitos visuais e reescrever diálogos, mantendo estáveis as regiões não alteradas. Instruções compostas são tratadas em uma única requisição, então várias mudanças são aplicadas juntas, em vez de exigirem idas e vindas repetidas.

A maioria dos modelos de vídeo recebe um prompt mais uma imagem e retorna um clipe silencioso. O H3, por outro lado, consome um conjunto misto de referências, interpreta a intenção de personagem, movimento, câmera e som em todas elas e então retorna um clipe com áudio nativo. Se o seu pipeline hoje junta um modelo de vídeo, um modelo de voz e um editor, o H3 consolida essas etapas em uma única chamada.