Guida pratica ai video brevi con MiniMax H3: tutorial per iniziare con l'API hiapi

MiniMax H3 è il modello video multimodale nativo 2K di hiapi; per i contenuti short-form — TikTok, Reels, Shorts — il punto più importante è che può renderizzare direttamente in verticale 9:16, senza alcun trucco per gestire le bande nere. Abbiamo eseguito una vera generazione text-to-video tramite la pagina del modello MiniMax H3 su hiapi, incorporato l'output reale qui sotto e incluso il prompt originale che abbiamo usato, insieme a un'analisi pratica delle sue tre modalità di generazione.

Panoramica

• MiniMax H3 genera nativamente in 2K e restituisce direttamente immagini verticali 9:16 pulite — per la pubblicazione su TikTok/Reels/Shorts non servono ritagli né ingrandimenti.
• Supporta tre modalità di generazione: text-to-video, image-to-video (con controllo del primo frame/ultimo frame) e generazione guidata da riferimenti basati su immagini, video o audio.
• La durata delle clip va da 4 a 15 secondi, al prezzo di $0.1189/secondo — una clip da 4 secondi costa circa $0.48, una da 15 secondi circa $1.78.
• Un linguaggio del prompt concreto e fisico (materiali, direzione della luce, inquadratura della camera) ha prodotto nei nostri test risultati puliti e coerenti con le aspettative del modello — i prompt vaghi sono la causa più comune di output fuori bersaglio o che appaiono tutti uguali.
• Tutte le richieste passano per l'endpoint unificato per attività asincrone di hiapi, con la stessa forma invio-polling usata da ogni modello video della piattaforma.

Che cos'è esattamente MiniMax H3

MiniMax H3 è un modello video multimodale nativo 2K che supporta text-to-video, controllo image-to-video del primo frame/ultimo frame e generazione guidata da riferimenti basati su immagini, video e audio, con clip da 4 a 15 secondi. Per quanto riguarda i contenuti short-form, l'importanza dell'output nativo in 2K è maggiore di quanto sembri a prima vista: la maggior parte dei formati social verticali si ferma intorno a 1080×1920, quindi il materiale sorgente 2K ti dà margine per ritagliare una miniatura o realizzare un'inquadratura leggermente più stretta senza una perdita di qualità evidente — stai facendo downscaling, non upscaling.

Text-to-video: una clip reale generata con un prompt reale

Abbiamo generato questa clip direttamente da un prompt testuale, senza usare immagini o video di riferimento.Genera con questo prompt → e seleziona 2K e 9:16 nel Playground. Ecco l'output reale:

Prompt:

La mano di un barista versa latte montato da una caraffa in acciaio inox in una tazza nera da espresso tenuta leggermente inclinata su un piano di lavoro in marmo grigio chiaro. Il flusso di latte si stabilizza e fiorisce in un motivo latte-art a rosetta (a foglia di felce) completo al termine del versamento. Una calda luce laterale direzionale rasenta la tazza e la caraffa. Inquadratura verticale 9:16, prospettiva macro ravvicinata, profondità di campo ridotta, nessun movimento di camera, nessun testo, nessun logo, nessuna mano o oggetto aggiuntivo che entra nell'inquadratura.

Genera con questo prompt → selezionando 2K e 9:16.

È esattamente il tipo di inquadratura adatta allo short-form: una singola azione con concretezza fisica (un versamento, una rivelazione, una trasformazione), ripresa in primo piano e in verticale, con dettagli abbastanza specifici — il materiale della caraffa, la direzione della luce, il motivo preciso che si forma — da non lasciare quasi spazio a congetture al modello. Vale la pena dichiarare esplicitamente il comportamento della camera anche se vuoi un'inquadratura statica (noi abbiamo richiesto "nessun movimento di camera"); altrimenti il modello a volte aggiunge una deriva lenta e non richiesta. Per altre idee sulle inquadrature, consulta la nostra guida ai prompt per MiniMax H3.

Image-to-video: partire da un frame bloccato

La modalità image-to-video di MiniMax H3 riceve un'immagine di apertura tramite first_frame_image; aggiungendo last_frame_image puoi guidare la composizione finale. L'ultimo frame richiede il primo frame, e questi campi non possono essere combinati con image_urls, video_urls o audio_urls. Il frame di input determina le proporzioni del video. Quando il frame di apertura è l'aggancio — un primo piano del prodotto, un volto, un imballaggio specifico — e hai bisogno che il video parta da quella composizione esatta anziché lasciare che il modello interpreti una descrizione testuale, questa è la scelta migliore per il lavoro short-form. Il text-to-video è più adatto per iterare rapidamente sulla formulazione; una volta che hai definito il fermo immagine con cui vuoi aprire la clip, è il momento di passare all'image-to-video.

Generazione guidata da riferimenti: immagini, video e audio collegati

La terza modalità è la generazione guidata da riferimenti: MiniMax H3 può trarre indicazioni da immagini di riferimento tramite image_urls, da video tramite video_urls e da audio tramite audio_urls — anziché generare solo da un prompt testuale. In pratica, è la modalità da usare quando hai già del materiale di cui vuoi portare lo stile visivo, il movimento o il ritmo in una nuova clip: far corrispondere un nuovo soggetto all'aspetto esistente del brand, o sincronizzare il ritmo della clip generata con una traccia audio esistente per il montaggio short-form. Il riferimento audio richiede almeno un'immagine o un video di riferimento. I limiti sono 5 immagini, 3 video (da 2 a 15 secondi ciascuno, 15 secondi in totale) e 3 tracce audio (15 secondi in totale). È un flusso di lavoro più impegnativo e pianificato rispetto al text-to-video, quindi vale la pena prototipare l'inquadratura con un semplice prompt testuale e passare alla generazione guidata da riferimenti solo quando sai cosa devi far corrispondere.

Come funzionano le richieste

Ogni modello video su hiapi, incluso MiniMax H3, segue lo stesso flusso di attività asincrona: invii la richiesta di generazione e ricevi un ID attività, poi interroghi l'attività fino a quando raggiunge lo stato success o fail. In caso di success, seleziona l'elemento con type: "video" in data.output e scarica il suo URL; in caso di fail, controlla l'errore restituito. Non ci sono connessioni persistenti da gestire né forme di richiesta specifiche del modello da reimparare — lo stesso schema invio-polling della documentazione sulle attività asincrone di HiAPI copre ogni modello della piattaforma, quindi passare da un modello video a un altro richiede solo di cambiare il nome del modello e i suoi campi di input, senza ricostruire l'integrazione.

Prezzi e budget per i lotti short-form

MiniMax H3 viene fatturato a $0.1189 per secondo di output (vedi la pagina dei prezzi di HiAPI), con clip da 4 a 15 secondi. Ecco quindi il costo approssimativo di una singola clip:

• 4 secondi: circa $0.48
• 8 secondi: circa $0.95
• 15 secondi: circa $1.78

Per i contenuti short-form, l'approccio "gira corto, monta" ti offre più punti di montaggio e ti consente di rigenerare una singola inquadratura senza sostituire l'intera sequenza. Il costo dipende dai secondi totali generati: le inquadrature più brevi fanno risparmiare solo se la durata complessiva è inferiore. Nel budget considera ogni candidato riuscito, incluse le inquadrature che poi scarti.

Domande frequenti

MiniMax H3 produce veri video verticali o serve ritagliare per TikTok/Reels? Renderizza nativamente in 2K e accetta direttamente le proporzioni 9:16 — la clip qui sopra è stata generata in verticale fin dall'inizio, senza bisogno di ritagli o ricomposizioni per le piattaforme short-form.

Quanto può essere lunga una clip di MiniMax H3? Da 4 a 15 secondi per generazione. Per i contenuti short-form, concatenare più clip brevi (da 4 a 6 secondi ciascuna) di solito produce risultati più godibili rispetto a un'unica ripresa lunga.

Posso avviare un video MiniMax H3 con una mia immagine? Sì — passa l'immagine di apertura tramite first_frame_image e, facoltativamente, aggiungi last_frame_image. L'ultimo frame richiede il primo frame. Usa questi campi separatamente da quelli di riferimento image_urls, video_urls e audio_urls.

Su MiniMax H3, qual è la differenza tra image-to-video e generazione guidata da riferimenti? L'image-to-video blocca il frame iniziale (e facoltativamente quello finale) da un fermo immagine. La generazione guidata da riferimenti usa image_urls, video_urls e audio_urls per guidare stile, movimento o ritmo; l'audio deve essere accompagnato da immagini o video — è utile quando devi far corrispondere una nuova clip a materiale esistente anziché partire da un frame vuoto.

Quanto costa una tipica clip short-form? A $0.1189/secondo, una clip da 4 secondi costa circa $0.48 e una da 8 secondi circa $0.95 (vedi la pagina dei prezzi aggiornati di HiAPI). Confronta i secondi totali di tutte le clip riuscite, incluse quelle rigenerate; dividere la sequenza da solo non ne riduce il prezzo.

Se uso già un altro modello video di hiapi (ad esempio Hailuo) per le clip short-form, MiniMax H3 è adatto? Consulta il nostro confronto tra MiniMax H3, Seedance 2.0 e Hailuo 2.3 e scegli in base alla modalità richiesta dalla tua inquadratura: puro text-to-video, controllo dei frame o riferimenti multimodali.

Punti chiave

• MiniMax H3 renderizza nativamente in 2K verticale, quindi le clip short-form per TikTok/Reels/Shorts non richiedono ritagli né ingrandimenti.
• Prompt concreti e fisici (materiali, direzione della luce, comportamento esplicito della camera) hanno prodotto risultati puliti nei nostri test reali — i prompt vaghi lasciano troppo spazio alle congetture del modello.
• Usa il text-to-video per iterare rapidamente sulle idee, l'image-to-video quando il frame di apertura è deciso in anticipo e la generazione guidata da riferimenti quando devi far corrispondere immagini, video o audio esistenti.
• Fatturato a $0.1189/secondo, con intervallo da 4 a 15 secondi: pianifica il budget sui secondi totali delle clip candidate riuscite; le inquadrature più brevi rendono più facile la rigenerazione selettiva.
• Tutte le richieste seguono lo stesso flusso di invio-polling delle attività degli altri modelli video su hiapi, quindi testare MiniMax H3 insieme a modelli come Hailuo 2.3 non richiede un'integrazione separata.

Genera con questo prompt → partendo dall'inquadratura latte-art in 2K, 9:16.