Minimax H3 Max Kurzvideos: Text-zu-Video über die API im Praxistest

MiniMax H3 Max verwendet bei der reinen Textgenerierung standardmäßig eine Querformat-Leinwand. Um ein Hochformat-Kurzvideo zu erzeugen, muss die Leinwand über ein Frame-Bild gesteuert oder die Ausgabe in der Nachbearbeitung umgewandelt werden. Das folgende Beispiel beginnt mit einem 480P-Querformat-Clip und wandelt ihn mit ffmpeg in 9:16 um.

Mit diesem Prompt generieren → Dieses Beispiel wählt 6 Sekunden und 480P; die reine Textausgabe verwendet die Standard-Querformat-Leinwand.

Was wir tatsächlich generiert haben

Wir haben diesen exakt gleichen Prompt im Text-zu-Video-Modus an minimax-h3-max gesendet:

Ein Floristenhände umwickeln einen Strauß aus Ranunkeln und Eukalyptus auf einer sonnenbeschienenen Marmorplatte mit braunem Kraftpapier,
anschließend mit einer Schnur zu einer ordentlichen Schleife binden; sanftes Morgenlicht am Fenster, geringe Schärfentiefe, vertikale Nahaufnahme,
warme gemütliche Stimmung, sanfte Bewegung raschelnden Papiers

Mit diesem Prompt generieren → 6 Sekunden und 480P auswählen.

Anfragekörper:

{
  "model": "minimax-h3-max",
  "input": {
    "prompt": "Ein Floristenhände umwickeln einen Strauß aus Ranunkeln und Eukalyptus auf einer sonnenbeschienenen Marmorplatte mit braunem Kraftpapier,\nanschließend mit einer Schnur zu einer ordentlichen Schleife binden; sanftes Morgenlicht am Fenster, geringe Schärfentiefe, vertikale Nahaufnahme,\nwarme gemütliche Stimmung, sanfte Bewegung raschelnden Papiers",
    "duration": 6,
    "resolution": "480P",
    "aspect_ratio": "9:16"
  }
}

Wir haben 9:16 angefordert. Unten steht die echte Ausgabe der API, bytegenau, ohne jede Bearbeitung:

Diese historisch gewachsene 480P-Ausgabe hat die Abmessungen 832×480. Trotz des Werts 9:16 in der Anfrage verwendet sie die Standard-Querformat-Leinwand; dies unterscheidet sich von neueren 768P-Beispielen, die 1344×768 messen.

Reine Textgenerierung nutzt die Standard-Querformat-Leinwand

Die Modellbeschreibung von HiAPI besagt: "Die reine Textgenerierung verwendet die Standard-Querformat-Leinwand." Die obige ursprüngliche Anfrage folgt diesem Verhalten: Der Quell-Clip ist im Querformat, obwohl der Prompt eine vertikale Komposition beschreibt und die Anfrage aspect_ratio: "9:16" enthält.

Wenn eine andere Leinwand benötigt wird, geben Sie ein first_frame_image oder last_frame_image im gewünschten Seitenverhältnis an. Frame-Bilder und aspect_ratio schließen sich gegenseitig aus; daher muss aspect_ratio weggelassen werden, wenn eines der Frame-Felder verwendet wird. Alternativ können Sie die Querformat-Quelle beibehalten und nach der Generierung zuschneiden oder mit Rändern auffüllen, wie unten gezeigt.

Mit einem einzigen ffmpeg-Befehl ins Hochformat umwandeln

Ein Zuschneiden des Querformat-Bildes auf 9:16 würde die Hälfte des Straußes abschneiden. Deshalb haben wir stattdessen die Methode mit unscharfem Hintergrund und seitlicher Auffüllung gewählt: Eine stark unscharfe Kopie des Quellmaterials wird so skaliert, dass sie die Hochformat-Leinwand ausfüllt, und das Originalbild wird zentriert darübergelegt.

ffmpeg -y -i video.mp4 -filter_complex "\
[0:v]scale=720:1280:force_original_aspect_ratio=increase,crop=720:1280,gblur=sigma=20[bg];\
[0:v]scale=720:-1[fg];\
[bg][fg]overlay=(W-w)/2:(H-h)/2[out]" \
-map "[out]" -c:v libx264 -pix_fmt yuv420p -movflags +faststart video_vertical.mp4

Ein einziger Durchlauf, kein erneutes Rendern, kein Verlust von Bildinhalten. Unten das Ergebnis – derselbe Clip, jetzt eine echte vertikale Datei mit 720x1280:

Das ist die Version, die Sie tatsächlich auf Reels, Shorts oder TikTok veröffentlichen würden.

Preisgestaltung: Was ein solcher Clip tatsächlich kostet

Minimax H3 Max wird nach Ausgabesekunden abgerechnet und nach Auflösung gestaffelt (bestätigt auf der hiapi-Preisseite):

• 480P — $0.072 pro Sekunde
• 768P — $0.115 pro Sekunde

Die Dauer reicht von 5–15 Sekunden. Zu den aktuellen Sätzen beträgt das Videobudget für eine 6-sekündige 480P-Anfrage $0.432; für 6 Sekunden in 768P $0.69. Budgetieren Sie nach generierten Sekunden und bestätigen Sie die endgültige Abbuchung in der Abrechnungsaufzeichnung der Aufgabe.

Bei gleicher Dauer kostet 768P etwa das 1,60-Fache von 480P. Verwenden Sie 480P zum Testen von Hooks und Komposition und rendern Sie die ausgewählten Einstellungen in 768P; vier oder fünf erfolgreiche 480P-Entwürfe kosten noch mehr als ein gleich langer 768P-Clip.

Häufige Fragen

Kann Minimax H3 Max direkt vertikale Videos generieren? Die reine Textgenerierung verwendet die Standard-Querformat-Leinwand. Für 9:16 verwenden Sie ein Frame-Bild in diesem Verhältnis und lassen aspect_ratio weg, oder wandeln Sie die Querformat-Ausgabe durch Zuschneiden oder unscharfe Auffüllung mit Überlagerung um.

Was kostet ein 6-Sekunden-Clip? 480P kostet $0.432 ($0.072/Sekunde × 6 Sekunden), 768P kostet $0.69 ($0.115/Sekunde × 6 Sekunden).

Worin unterscheiden sich 480P und 768P außer im Preis? 768P ist die Stufe mit höherer Wiedergabetreue und kostet pro Sekunde etwa das 1,6-Fache von 480P – lohnenswert für das finale Rendering zur Veröffentlichung, aber zu kostspielig für das Testen von Prompts und Kompositionen.

Kann Bild-zu-Video dieses Ausrichtungsproblem vermeiden? Die API-Dokumentation unterstützt die Festlegung der Ausgabe-Leinwand über ein Frame-Bild. Geben Sie ein first_frame_image oder last_frame_image an und lassen Sie aspect_ratio weg. Die Videos in diesem Artikel zeigen eine reine Textquelle und ihre ffmpeg-Umwandlung; es handelt sich nicht um Bild-zu-Video-Beispiele.

Selbst ausprobieren

Wenn Sie Prompts testen möchten, bevor Sie Code schreiben, bietet die Minimax H3 Max Modellseite einen Online-Playground; unser Minimax H3 Max API-Leitfaden beschreibt Authentifizierung und die vollständige Anfrage-/Antwortstruktur von Anfang bis Ende.

Mit diesem Prompt generieren → Generieren Sie zunächst ein 6-sekündiges 480P-Quellmaterial und wandeln Sie es anschließend mit dem obigen ffmpeg-Befehl in das vertikale Deliverable um.