Guida introduttiva a MiniMax H3 Max Turbo: video da testo, video da immagine con primo e ultimo fotogramma, parametri e prezzi

MiniMax H3 Max Turbo è la versione ad alta velocità di H3 Max e su HiAPI offre due ID di chiamata: minimax-h3-max-turbo/text-to-video (video da testo) e minimax-h3-max-turbo/image-to-video (video da immagine con primo fotogramma, con possibilità di aggiungere l'ultimo fotogramma). Ogni clip dura da 1 a 15 secondi, con tre livelli 480P / 768P / 1080P, e la tariffazione è al secondo. Questo articolo spiega come scegliere tra i due ID, come compilare i parametri e come si calcola il prezzo.

Come scegliere tra i due ID

• Solo una descrizione testuale: usa text-to-video; l'unico campo obbligatorio è prompt e il formato si specifica con aspect_ratio.
• Hai già un'immagine: usa image-to-video; sono obbligatori prompt e image_url (primo fotogramma). Puoi aggiungere anche end_image_url come ultimo fotogramma: il modello genera il movimento tra i due fotogrammi.
• Nel video da immagine il formato di output segue l'immagine del primo fotogramma e non esiste il parametro aspect_ratio. Per un formato verticale carica un'immagine verticale; mantieni il più possibile coerente il rapporto tra primo e ultimo fotogramma.

Parametri

• resolution: 480P / 768P / 1080P, predefinito 768P. Il 1080P si ottiene raffinando l'immagine 768P; la generazione nativa arriva al massimo a 768P.
• duration: da 1 a 15 secondi, predefinito 5, ammette decimali. L'output effettivo può essere più lungo fino a circa 0,7 secondi rispetto al valore inserito: ad esempio, con 5 secondi la clip ottenuta dura circa 5,2 secondi.
• aspect_ratio (solo video da testo): 21:9, 16:9, 4:3, 1:1, 3:4, 9:16, predefinito 16:9. Ad esempio, 768P in 3:4 restituisce 768×1024, 768P in 21:9 restituisce 1536×672.
• prompt_expansion_mode: espansione del prompt. disabled usa il testo così com'è; balanced (predefinito) completa la riscrittura in circa 1 secondo; quality impiega fino a circa 30 secondi per scrivere in modo più dettagliato.
• target_audio_url: opzionale; consente di passare una traccia audio di almeno 2 secondi e non superiore a 15MB come colonna sonora del video finale; la parte più lunga del video viene tagliata. Se lo usi, duration deve essere almeno 2.
• seed: opzionale; fissalo per riprodurre lo stesso risultato, mantenendo invariati anche gli altri parametri.
• Ogni richiesta produce 1 video. Questi due ID non offrono il blocco del personaggio tramite immagine di riferimento, la continuazione del video né la modifica del video.

Esempio di chiamata

Invio del task:

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": "Il ciclista rallenta vicino al lampione e si volta a guardare indietro, scie di pioggia nella calda luce al neon, lento carrello in avanti",
      "image_url": "https://example.com/first-frame.png",
      "resolution": "768P",
      "duration": 5
    }
  }'

Dopo aver ricevuto data.taskId, esegui il polling su GET https://api.hiapi.ai/v1/tasks/<taskId>. Quando status diventa success, l'indirizzo del video si trova in data.output[0].url. Per un video da 5 secondi in 768P di solito il risultato arriva in una decina di secondi. Il link del risultato ha una scadenza (campo expireAt): se devi conservarlo a lungo, scaricalo e salvalo tu.

Prezzi

• 480P: $0,025 al secondo.
• 768P: $0,04 al secondo.
• 1080P: $0,08 al secondo.
• La tariffazione si basa sul duration indicato nella richiesta e i due ID hanno lo stesso prezzo. Ad esempio, 768P per 5 secondi: 5 × 0,04 = $0,20; 1080P per 10 secondi: $0,80.
• Vengono addebitati solo i task generati con successo; in caso di fallimento il rimborso è completo.

Come scrivere il prompt

• Per il video da testo, scrivi in modo chiaro seguendo l'ordine «soggetto + scena + azione + movimento di camera + luce e atmosfera».
• Nel video da immagine il primo fotogramma fissa già la composizione: ripeti poco ciò che è già presente nell'immagine e specifica bene «chi si muove come, come si muove la camera, entro quanti secondi si completa», ad esempio «la camera si avvicina lentamente, il personaggio si volta al terzo secondo».
• Prova prima azioni e movimenti di camera con 480P e durata breve, poi passa a 768P o 1080P quando sei soddisfatto. Il prezzo unitario del 1080P è 3,2 volte quello del 480P.