Minimax H3 Max 短视频：prueba real de texto a vídeo mediante API

MiniMax H3 Max usa un lienzo horizontal predeterminado al generar a partir de texto puro. Para generar un vídeo corto vertical, hay que guiar el lienzo mediante imágenes de fotograma, o convertir la salida en la fase de posproducción. El ejemplo siguiente parte de un fragmento horizontal en 480P y lo convierte a 9:16 con ffmpeg.

Generar con este prompt → Este ejemplo elige 6 segundos y 480P; la salida de texto puro usa el lienzo horizontal predeterminado.

Qué generamos realmente

Enviamos este mismo prompt exacto a minimax-h3-max en modo texto a vídeo:

Las manos de una florista envuelven un ramo de ranúnculos y eucalipto en papel kraft marrón
sobre una encimera de mármol iluminada por el sol, y luego lo atan con cordel formando un lazo pulcro;
luz suave de ventana por la mañana, poca profundidad de campo, encuadre vertical en primer plano,
ambiente cálido y acogedor, movimiento suave de papel que susurra

Generar con este prompt → Selecciona 6 segundos y 480P.

Cuerpo de la solicitud:

{
  "model": "minimax-h3-max",
  "input": {
    "prompt": "Las manos de una florista envuelven un ramo de ranúnculos y eucalipto en papel kraft marrón\nsobre una encimera de mármol iluminada por el sol, y luego lo atan con cordel formando un lazo pulcro;\nluz suave de ventana por la mañana, poca profundidad de campo, encuadre vertical en primer plano,\nambiente cálido y acogedor, movimiento suave de papel que susurra",
    "duration": 6,
    "resolution": "480P",
    "aspect_ratio": "9:16"
  }
}

Solicitamos 9:16. A continuación, la salida real devuelta por la API, presentada byte a byte, sin ninguna edición:

Esta salida heredada en 480P mide 832×480. A pesar de que la solicitud incluía el valor 9:16, usa el lienzo horizontal predeterminado; esto difiere de la muestra más reciente en 768P, que mide 1344×768.

La generación de texto puro usa el lienzo horizontal predeterminado

La descripción del modelo en HiAPI indica: "La generación de texto puro usa el lienzo horizontal predeterminado." La solicitud original anterior siguió este comportamiento: el fragmento de origen es horizontal, aunque el prompt describía un encuadre vertical y la solicitud incluía aspect_ratio: "9:16".

Si necesitas un lienzo diferente, proporciona first_frame_image o last_frame_image con la relación de aspecto deseada. La imagen de fotograma y aspect_ratio son mutuamente excluyentes, así que al usar cualquiera de los campos de fotograma debes omitir aspect_ratio. También puedes conservar la fuente horizontal y recortar o rellenar bordes después de generar, como se muestra a continuación.

Convertir a vertical con un solo comando ffmpeg

Recortar los fotogramas horizontales a 9:16 cortaría la mitad del ramo. Por eso optamos por rellenar los bordes con un fondo desenfocado: escalamos una copia muy desenfocada del material de origen hasta llenar el lienzo vertical y luego superponemos el fotograma original centrado encima.

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

Un solo procesamiento, sin volver a renderizar, sin perder contenido visual. Este es el resultado: el mismo fragmento, ahora un archivo vertical real de 720x1280:

Esta es la versión que publicarías realmente en Reels, Shorts o TikTok.

Precios: cuánto cuesta realmente un fragmento así

Minimax H3 Max se factura por segundos de salida y por niveles de resolución (confirmado en la página de precios de hiapi):

• 480P — $0.072 por segundo
• 768P — $0.115 por segundo

La duración va de 5 a 15 segundos. Con las tarifas actuales, una solicitud de 6 segundos en 480P tiene un presupuesto de vídeo de $0.432; 6 segundos en 768P cuestan $0.69. Presupuesta según los segundos generados y confirma el cargo final en el registro de facturación de la tarea.

Para la misma duración, el coste de 768P es aproximadamente 1,60 veces el de 480P. Usa 480P para probar ganchos y composición, y renderiza en 768P las tomas seleccionadas; cuatro o cinco borradores correctos en 480P siguen costando más que un fragmento de 768P de la misma longitud.

Preguntas frecuentes

¿Puede Minimax H3 Max generar vídeos verticales directamente? La generación de texto puro usa el lienzo horizontal predeterminado. Para 9:16, usa una imagen de fotograma con esa relación y omite aspect_ratio, o convierte la salida horizontal mediante recorte o superposición con relleno desenfocado.

¿Cuánto cuesta un fragmento de 6 segundos? 480P cuesta $0.432 ($0.072/s × 6 s) y 768P cuesta $0.69 ($0.115/s × 6 s).

Además del precio, ¿qué diferencia hay entre 480P y 768P? 768P es el nivel de mayor fidelidad, con un coste por segundo de aproximadamente 1,6 veces el de 480P; merece la pena para el render final de publicación, pero es demasiado caro para probar prompts y composición.

¿La generación de imagen a vídeo evita este problema de orientación? La documentación de la API permite determinar el lienzo de salida mediante imágenes de fotograma. Proporciona first_frame_image o last_frame_image y omite aspect_ratio. Los vídeos de este artículo muestran la fuente de texto puro y su conversión con ffmpeg; no son muestras de imagen a vídeo.

Pruébalo tú mismo

Si quieres probar prompts antes de escribir código, la página del modelo Minimax H3 Max ofrece un Playground en línea; nuestra guía de la API de Minimax H3 Max explica de principio a fin la autenticación y la estructura completa de solicitud y respuesta.

Generar con este prompt → Genera primero un fragmento de origen de 6 segundos en 480P y luego usa la conversión con ffmpeg anterior para obtener el entregable vertical.