Guía de inicio de MiniMax H3 Max Turbo: texto a video, video a partir de imagen con primer y último fotograma, parámetros y precios

MiniMax H3 Max Turbo es la versión de alta velocidad de H3 Max. En HiAPI tiene dos ID de llamada: minimax-h3-max-turbo/text-to-video (texto a video) y minimax-h3-max-turbo/image-to-video (video a partir de imagen del primer fotograma, con opción de añadir un último fotograma). Cada clip dura de 1 a 15 segundos, con tres niveles 480P / 768P / 1080P, facturados por segundo. Este artículo explica cómo elegir entre los dos ID, cómo rellenar los parámetros y cómo se calcula el precio.

Cómo elegir entre los dos ID

• Solo tienes una descripción textual: usa text-to-video; el único campo obligatorio es prompt, y la relación de aspecto se especifica con aspect_ratio.
• Ya tienes una imagen: usa image-to-video; son obligatorios prompt e image_url (primer fotograma). Opcionalmente puedes añadir end_image_url como último fotograma, y el modelo genera el movimiento entre ambos fotogramas.
• La relación de aspecto de salida del video a partir de imagen sigue la del primer fotograma; no existe el parámetro aspect_ratio. Para obtener vertical, sube una imagen vertical; procura que la proporción del primer y el último fotograma coincidan.

Parámetros

• resolution: 480P / 768P / 1080P, por defecto 768P. 1080P se obtiene refinando una imagen de 768P; la generación nativa llega como máximo a 768P.
• duration: de 1 a 15 segundos, por defecto 5; admite decimales. La salida real puede ser hasta unos 0.7 segundos más larga que la duración indicada; por ejemplo, si indicas 5 segundos, el clip resultante dura unos 5.2 segundos.
• aspect_ratio (solo texto a video): 21:9, 16:9, 4:3, 1:1, 3:4, 9:16, por defecto 16:9. Por ejemplo, 768P 3:4 produce 768×1024, y 768P 21:9 produce 1536×672.
• prompt_expansion_mode: expansión del prompt. disabled lo usa tal cual; balanced (por defecto) completa la reescritura en aproximadamente 1 segundo; quality tarda hasta unos 30 segundos en escribir una versión más detallada.
• target_audio_url: opcional; sube un audio de al menos 2 segundos y no más de 15MB como pista de sonido del video final; la parte que exceda la duración del video se recorta. Si lo usas, duration debe ser al menos 2.
• seed: opcional; fíjalo si quieres reproducir el mismo resultado, manteniendo también el resto de parámetros sin cambios.
• Cada solicitud genera 1 video. Estos dos ID no ofrecen bloqueo de personajes con imágenes de referencia, continuación de video ni edición de video.

Ejemplo de llamada

Enviar la tarea:

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": "El ciclista reduce la velocidad junto a la farola y gira la cabeza para mirar atrás, estelas de lluvia bajo una luz de neón cálida, lento acercamiento de cámara",
      "image_url": "https://example.com/first-frame.png",
      "resolution": "768P",
      "duration": 5
    }
  }'

Tras recibir data.taskId, consulta periódicamente GET https://api.hiapi.ai/v1/tasks/<taskId>. Cuando status pase a success, la URL del video estará en data.output[0].url. Un clip de 5 segundos en 768P suele tardar poco más de diez segundos en estar listo. El enlace del resultado tiene caducidad (campo expireAt); si necesitas conservarlo a largo plazo, descárgalo y guárdalo por tu cuenta.

Precios

• 480P: $0.025 por segundo.
• 768P: $0.04 por segundo.
• 1080P: $0.08 por segundo.
• Se factura según el duration indicado en la solicitud, con el mismo precio para ambos ID. Por ejemplo, 768P 5 segundos: 5 × 0.04 = $0.20; 1080P 10 segundos: $0.80.
• Solo se cobran las tareas generadas con éxito; si una tarea falla, se reembolsa el importe completo.

Cómo escribir el prompt

• Para texto a video, escribe con claridad en el orden «sujeto + escena + acción + movimiento de cámara + luz y atmósfera».
• En video a partir de imagen, el primer fotograma ya define la composición; repite menos el contenido que ya aparece en la imagen y detalla «quién se mueve y cómo, cómo se desplaza la cámara y en cuántos segundos se completa», por ejemplo «la cámara se acerca lentamente y el personaje gira la cabeza en el segundo 3».
• Prueba primero la acción y el movimiento de cámara en 480P y con duración corta; cuando estés satisfecho, genera en 768P o 1080P. El precio unitario de 1080P es 3.2 veces el de 480P.