MiniMax H3 Max Turbo – Einstiegsleitfaden: Text-zu-Video, Bild-zu-Video mit Start- und Endbild, Parameter und Preise

MiniMax H3 Max Turbo ist die Hochgeschwindigkeitsvariante von H3 Max und hat auf HiAPI zwei Aufruf-IDs: minimax-h3-max-turbo/text-to-video (Text-zu-Video) und minimax-h3-max-turbo/image-to-video (Bild-zu-Video mit Startbild, optional mit Endbild). Einzelne Videos sind 1–15 Sekunden lang, es gibt drei Stufen 480P / 768P / 1080P, und die Abrechnung erfolgt pro Sekunde. Dieser Artikel erklärt, wie man zwischen den beiden IDs wählt, wie man die Parameter ausfüllt und wie sich der Preis berechnet.

Wie man zwischen den beiden IDs wählt

• Nur Textbeschreibung: Verwende text-to-video, Pflichtfeld ist nur prompt, das Seitenverhältnis wird mit aspect_ratio angegeben.
• Bild bereits vorhanden: Verwende image-to-video, Pflichtfelder sind prompt und image_url (Startbild). Optional kann end_image_url als Endbild angegeben werden, dann ergänzt das Modell die Bewegung zwischen den beiden Frames.
• Bei Bild-zu-Video folgt das Ausgabe-Seitenverhältnis dem Startbild, es gibt keinen Parameter aspect_ratio. Für Hochformat übergibst du ein Hochformat-Bild; die Seitenverhältnisse von Start- und Endbild sollten möglichst übereinstimmen.

Parameter

• resolution: 480P / 768P / 1080P, Standard ist 768P. 1080P entsteht durch Verfeinerung eines 768P-Bildes; die native Generierung reicht maximal bis 768P.
• duration: 1–15 Sekunden, Standard 5, Dezimalwerte sind erlaubt. Die tatsächliche Ausgabe kann bis zu etwa 0,7 Sekunden länger sein als der angegebene Wert, zum Beispiel ergibt ein Eintrag von 5 Sekunden einen Clip von etwa 5,2 Sekunden.
• aspect_ratio (nur Text-zu-Video): 21:9, 16:9, 4:3, 1:1, 3:4, 9:16, Standard ist 16:9. Zum Beispiel ergibt 768P bei 3:4 eine Ausgabe von 768×1024, 768P bei 21:9 eine Ausgabe von 1536×672.
• prompt_expansion_mode: Erweiterung des Prompts. disabled verwendet den Prompt unverändert; balanced (Standard) schließt die Umschreibung in etwa 1 Sekunde ab; quality investiert bis zu etwa 30 Sekunden für eine detailliertere Formulierung.
• target_audio_url: optional, übergib eine Audiodatei von mindestens 2 Sekunden und höchstens 15 MB als Tonspur des fertigen Videos; Teile, die länger als das Video sind, werden abgeschnitten. Bei Verwendung muss duration mindestens 2 betragen.
• seed: optional, lege ihn fest, wenn du dasselbe Ergebnis reproduzieren willst; auch die übrigen Parameter müssen dann unverändert bleiben.
• Jede Anfrage erzeugt 1 Video. Diese beiden IDs bieten weder Referenzbild-basierte Charakterfixierung noch Video-Fortsetzung oder Videobearbeitung.

Aufrufbeispiel

Aufgabe einreichen:

curl https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "minimax-h3-max-turbo/image-to-video",
    "input": {
      "prompt": "Der Radfahrer wird nahe der Straßenlaterne langsamer und dreht sich um, Regenstreifen im warmen Neonlicht, langsamer Push-in",
      "image_url": "https://example.com/first-frame.png",
      "resolution": "768P",
      "duration": 5
    }
  }'

Nachdem data.taskId zurückgegeben wurde, frage per Polling GET https://api.hiapi.ai/v1/tasks/<taskId> ab. Wenn status zu success wird, steht die Video-URL in data.output[0].url. Bei 5 Sekunden 768P ist das Ergebnis in der Regel nach gut zehn Sekunden fertig. Der Ergebnis-Link hat eine Gültigkeitsdauer (Feld expireAt); für eine langfristige Aufbewahrung lade ihn bitte selbst herunter und speichere ihn anderweitig.

Preise

• 480P: $0,025 pro Sekunde.
• 768P: $0,04 pro Sekunde.
• 1080P: $0,08 pro Sekunde.
• Die Abrechnung erfolgt nach der in der Anfrage angegebenen duration, beide IDs kosten gleich viel. Zum Beispiel 768P 5 Sekunden: 5 × 0,04 = $0,20; 1080P 10 Sekunden: $0,80.
• Es wird nur für erfolgreich generierte Aufgaben abgerechnet; bei fehlgeschlagenen Aufgaben wird der volle Betrag erstattet.

Wie man Prompts schreibt

• Bei Text-zu-Video schreibe klar in der Reihenfolge „Subjekt + Szene + Bewegung + Kamerabewegung + Licht und Atmosphäre“.
• Bei Bild-zu-Video ist die Komposition durch das Startbild bereits festgelegt; wiederhole möglichst wenig von dem, was bereits im Bild zu sehen ist, und beschreibe ausführlich „wer sich wie bewegt, wie die Kamera fährt, in wie vielen Sekunden es abgeschlossen ist“, zum Beispiel „die Kamera fährt langsam näher, die Person dreht sich in der 3. Sekunde um“.
• Teste Bewegung und Kameraführung zuerst mit 480P und kurzer Dauer und gib erst danach 768P oder 1080P aus. Der Stückpreis von 1080P ist 3,2-mal so hoch wie der von 480P.