Minimax H3 Max video brevi: test di text-to-video tramite API

MiniMax H3 Max utilizza una tela orizzontale predefinita quando genera da solo testo. Per creare un video breve verticale, è necessario guidare la tela tramite immagini frame, oppure convertire l'output in fase di post-produzione. L'esempio seguente parte da una clip orizzontale 480P e la converte in 9:16 con ffmpeg.

Genera con questo prompt → Questo esempio sceglie 6 secondi e 480P; l'output da solo testo usa la tela orizzontale predefinita.

Cosa abbiamo effettivamente generato

In modalità text-to-video, abbiamo inviato questo identico prompt a minimax-h3-max:

Le mani di un fioraio avvolgono un bouquet di ranuncoli ed eucalipto in carta kraft marrone
su un bancone di marmo illuminato dal sole, poi lo legano con dello spago formando un fiocco ordinato;
luce morbida della finestra del mattino, profondità di campo ridotta, inquadratura verticale in primo piano,
atmosfera calda e accogliente, delicato movimento di fruscio della carta

Genera con questo prompt → Selezionare 6 secondi e 480P.

Corpo della richiesta:

{
  "model": "minimax-h3-max",
  "input": {
    "prompt": "Le mani di un fioraio avvolgono un bouquet di ranuncoli ed eucalipto in carta kraft marrone\nsu un bancone di marmo illuminato dal sole, poi lo legano con dello spago formando un fiocco ordinato;\nluce morbida della finestra del mattino, profondità di campo ridotta, inquadratura verticale in primo piano,\natmosfera calda e accogliente, delicato movimento di fruscio della carta",
    "duration": 6,
    "resolution": "480P",
    "aspect_ratio": "9:16"
  }
}

Abbiamo richiesto 9:16. Di seguito è riportato l'output reale restituito dall'API, riprodotto byte per byte, senza alcuna modifica:

Questo output legacy 480P misura 832×480. Nonostante il valore 9:16 nella richiesta, utilizza la tela orizzontale predefinita; a differenza dei campioni 768P più recenti, che misurano 1344×768.

La generazione da solo testo usa la tela orizzontale predefinita

La documentazione del modello su HiAPI afferma: "La generazione da solo testo usa la tela orizzontale predefinita." La richiesta originale sopra segue questo comportamento: la clip sorgente è orizzontale, nonostante il prompt descriva un'inquadratura verticale e la richiesta contenga aspect_ratio: "9:16".

Se serve una tela diversa, fornire un first_frame_image o last_frame_image con le proporzioni desiderate. Le immagini frame sono mutuamente esclusive con aspect_ratio, quindi quando si usa uno dei campi frame è necessario omettere aspect_ratio. In alternativa, è possibile mantenere la sorgente orizzontale e ritagliarla o applicare dei bordi dopo la generazione, come mostrato di seguito.

Conversione in verticale con un solo comando ffmpeg

Ritagliare i frame orizzontali in 9:16 taglierebbe metà del bouquet. Per questo abbiamo optato per una soluzione a riempimento con sfondo sfocato: una copia fortemente sfocata del materiale sorgente viene ridimensionata per riempire la tela verticale, quindi i frame originali vengono sovrapposti al centro.

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'unica elaborazione, nessun re-rendering, nessuna perdita di contenuto visivo. Di seguito il risultato: la stessa clip, ora un vero file verticale 720x1280:

Questa è la versione che pubblicheresti davvero su Reels, Shorts o TikTok.

Prezzi: quanto costa effettivamente una clip così

Minimax H3 Max viene addebitato in base ai secondi di output, con fasce per risoluzione (confermato sulla pagina dei prezzi di hiapi):

• 480P — $0,072 al secondo
• 768P — $0,115 al secondo

La durata va da 5 a 15 secondi. Alle tariffe attuali, il budget video per una richiesta di 6 secondi in 480P è di $0,432; per 6 secondi in 768P è di $0,69. Prevedere il budget in base ai secondi generati e confermare l'addebito finale nel registro di fatturazione dell'attività.

A parità di durata, il costo in 768P è circa 1,60 volte quello del 480P. Si può usare il 480P per testare hook e composizione, poi renderizzare in 768P le riprese selezionate; quattro o cinque bozze riuscite in 480P costano comunque più di una clip in 768P della stessa durata.

Domande frequenti

Minimax H3 Max può generare direttamente video verticali? La generazione da solo testo usa la tela orizzontale predefinita. Per il 9:16, usare un'immagine frame di quel formato e omettere aspect_ratio, oppure convertire l'output orizzontale con ritaglio o sovrapposizione con riempimento sfocato.

Quanto costa una clip di 6 secondi? 480P: $0,432 ($0,072/secondo × 6 secondi), 768P: $0,69 ($0,115/secondo × 6 secondi).

Oltre al prezzo, qual è la differenza tra 480P e 768P? Il 768P è la fascia a fedeltà superiore, con un costo al secondo circa 1,6 volte quello del 480P: vale la pena per i render finali da pubblicare, ma è troppo costoso per testare prompt e composizione.

Il video da immagine può evitare questo problema di orientamento? La documentazione API supporta la determinazione della tela di output tramite immagini frame. Fornire first_frame_image o last_frame_image e omettere aspect_ratio. I video in questo articolo mostrano una sorgente da solo testo e la sua conversione con ffmpeg; non sono campioni di video da immagine.

Provalo tu stesso

Se vuoi testare i prompt prima di scrivere codice, la pagina del modello Minimax H3 Max offre un Playground online; la nostra guida all'API di Minimax H3 Max illustra invece end-to-end l'autenticazione e la struttura completa di richiesta/risposta.

Genera con questo prompt → Genera prima una clip sorgente di 6 secondi in 480P, poi usa la conversione ffmpeg sopra per ottenere il deliverable verticale.