Minimax H3 Max vidéo courte : test réel de génération texte-vidéo via l'API

MiniMax H3 Max utilise le canevas horizontal par défaut lors de la génération à partir de texte seul. Pour créer une vidéo courte verticale, il faut guider le canevas via une image de trame, ou convertir la sortie en post-production. L'exemple ci-dessous part d'un ancien clip horizontal 480P et le convertit en 9:16 avec ffmpeg.

Générer avec ce prompt → Cet exemple choisit 6 secondes et 480P ; la sortie texte seul utilise le canevas horizontal par défaut.

Ce que nous avons réellement généré

En mode texte-vidéo, nous avons envoyé ce prompt identique à minimax-h3-max :

les mains d'une fleuriste enveloppent un bouquet de renoncules et d'eucalyptus dans du papier kraft brun,
sur un comptoir en marbre éclairé par le soleil, puis le nouent avec de la ficelle en un nœud soigné ;
douce lumière matinale par la fenêtre, faible profondeur de champ, cadrage vertical en gros plan,
ambiance chaleureuse et douillette, léger froissement de papier en mouvement

Générer avec ce prompt → Choisissez 6 secondes et 480P.

Corps de la requête :

{
  "model": "minimax-h3-max",
  "input": {
    "prompt": "les mains d'une fleuriste enveloppent un bouquet de renoncules et d'eucalyptus dans du papier kraft brun,\nsur un comptoir en marbre éclairé par le soleil, puis le nouent avec de la ficelle en un nœud soigné ;\ndouce lumière matinale par la fenêtre, faible profondeur de champ, cadrage vertical en gros plan,\nambiance chaleureuse et douillette, léger froissement de papier en mouvement",
    "duration": 6,
    "resolution": "480P",
    "aspect_ratio": "9:16"
  }
}

Nous avons demandé 9:16. Voici la sortie réelle renvoyée par l'API, octet pour octet, sans aucune modification :

Cette ancienne sortie 480P mesure 832×480. Bien que la requête contienne la valeur 9:16, elle utilise le canevas horizontal par défaut ; contrairement aux échantillons 768P plus récents, qui mesurent 1344×768.

La génération à partir de texte seul utilise le canevas horizontal par défaut

La documentation du modèle sur HiAPI indique : « La génération à partir de texte seul utilise le canevas horizontal par défaut. » La requête brute ci-dessus respecte ce comportement : le clip source est horizontal, bien que le prompt décrive un cadrage vertical et que la requête contienne aspect_ratio: "9:16".

Si vous avez besoin d'un autre canevas, fournissez une first_frame_image ou une last_frame_image au format d'image souhaité. L'image de trame et aspect_ratio sont mutuellement exclusifs ; il faut donc omettre aspect_ratio lorsque vous utilisez l'un des champs d'image de trame. Vous pouvez aussi conserver la source horizontale et effectuer un recadrage ou un ajout de bandes après génération, comme indiqué ci-dessous.

Passer au vertical avec une seule commande ffmpeg

Recadrer une image horizontale en 9:16 couperait la moitié du bouquet. Nous avons donc opté pour un remplissage à bandes avec arrière-plan flou : une copie fortement floutée de la source est mise à l'échelle pour remplir le canevas vertical, puis l'image originale est superposée au centre par-dessus.

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 seul passage, sans nouveau rendu, sans perte de contenu visuel. Voici le résultat — le même clip, désormais un véritable fichier vertical 720x1280 :

C'est la version que vous publierez réellement sur Reels, Shorts ou TikTok.

Tarification : combien coûte réellement un tel clip

Minimax H3 Max facture à la seconde de sortie, avec des paliers selon la résolution (confirmé sur la page tarifaire de hiapi) :

• 480P — 0,072 $ par seconde
• 768P — 0,115 $ par seconde

La durée varie de 5 à 15 secondes. Aux tarifs actuels, le budget vidéo d'une requête de 6 secondes en 480P est de 0,432 $ ; en 768P, il est de 0,69 $. Budgétez en fonction des secondes générées et vérifiez le débit final dans l'historique de facturation de la tâche.

À durée égale, le coût du 768P est environ 1,60 fois celui du 480P. Utilisez le 480P pour tester les accroches et la composition, puis rendez les plans retenus en 768P ; quatre ou cinq brouillons 480P réussis coûtent encore plus cher qu'un clip 768P de même longueur.

Questions fréquentes

Minimax H3 Max peut-il générer directement des vidéos verticales ? La génération à partir de texte seul utilise le canevas horizontal par défaut. Pour du 9:16, utilisez une image de trame à ce format et omettez aspect_ratio, ou convertissez la sortie horizontale par recadrage ou superposition à bandes floues.

Combien coûte un clip de 6 secondes ? 480P : 0,432 $ (0,072 $/s × 6 s) ; 768P : 0,69 $ (0,115 $/s × 6 s).

Outre le prix, quelle différence y a-t-il entre 480P et 768P ? Le 768P est le palier de plus haute fidélité, à environ 1,6 fois le coût par seconde du 480P — utile pour le rendu final publié, mais trop coûteux pour tester prompts et composition.

La génération image-vidéo permet-elle d'éviter ce problème d'orientation ? La documentation de l'API permet de déterminer le canevas de sortie via une image de trame. Fournissez une first_frame_image ou une last_frame_image et omettez aspect_ratio. Les vidéos de cet article montrent des sources texte seul et leur conversion ffmpeg ; ce ne sont pas des échantillons image-vidéo.

Essayez par vous-même

Si vous souhaitez tester un prompt avant d'écrire le moindre code, la page du modèle Minimax H3 Max propose un Playground en ligne ; notre guide de l'API Minimax H3 Max couvre de bout en bout l'authentification et la structure complète des requêtes/réponses.

Générer avec ce prompt → Générez d'abord une source de 6 secondes en 480P, puis appliquez la conversion ffmpeg ci-dessus pour obtenir le livrable vertical.