Minimax H3 Max 短视频：testando texto para vídeo via API

MiniMax H3 Max usa uma tela horizontal padrão ao gerar a partir de texto puro. Para gerar um short vertical, é preciso guiar a tela por meio de imagens de frame, ou converter a saída na pós-produção. O exemplo abaixo parte de um clipe horizontal 480P e o converte para 9:16 com ffmpeg.

Gerar com este prompt → Este exemplo escolhe 6 segundos e 480P; a saída de texto puro usa a tela horizontal padrão.

O que realmente geramos

No modo texto para vídeo, enviamos este prompt idêntico ao minimax-h3-max:

As mãos de uma florista embrulham um buquê de ranúnculos e eucalipto em papel kraft marrom
sobre um balcão de mármore banhado de sol, depois amarram com barbante em um laço caprichado;
luz suave de janela pela manhã, profundidade de campo rasa, enquadramento vertical em close-up,
atmosfera quente e acolhedora, movimento delicado de papel farfalhando

Gerar com este prompt → Escolha 6 segundos e 480P.

Corpo da requisição:

{
  "model": "minimax-h3-max",
  "input": {
    "prompt": "As mãos de uma florista embrulham um buquê de ranúnculos e eucalipto em papel kraft marrom\nsobre um balcão de mármore banhado de sol, depois amarram com barbante em um laço caprichado;\nluz suave de janela pela manhã, profundidade de campo rasa, enquadramento vertical em close-up,\natmosfera quente e acolhedora, movimento delicado de papel farfalhando",
    "duration": 6,
    "resolution": "480P",
    "aspect_ratio": "9:16"
  }
}

Pedimos 9:16. Esta é a saída real retornada pela API, byte a byte, sem qualquer edição:

Esta saída 480P legada tem dimensões de 832×480. Apesar do valor 9:16 na requisição, ela ainda usa a tela horizontal padrão; diferente do exemplo mais recente em 768P, que tem 1344×768.

A geração a partir de texto puro usa a tela horizontal padrão

A descrição do modelo da HiAPI diz: "A geração a partir de texto puro usa a tela horizontal padrão." A requisição original acima seguiu esse comportamento: o clipe de origem é horizontal, embora o prompt descreva um enquadramento vertical e a requisição inclua aspect_ratio: "9:16".

Se precisar de uma tela diferente, forneça first_frame_image ou last_frame_image com a proporção desejada. Imagens de frame e aspect_ratio são mutuamente exclusivos, então ao usar qualquer campo de frame é preciso omitir aspect_ratio. Você também pode manter a origem horizontal e fazer corte ou preenchimento após a geração, como mostrado abaixo.

Converter para vertical com um único comando ffmpeg

Cortar os frames horizontais para 9:16 cortaria metade do buquê. Por isso usamos a abordagem de preenchimento em barras com fundo desfocado: uma cópia fortemente desfocada do material de origem é escalada para preencher a tela vertical, e o frame original é sobreposto centralizado por cima.

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

Um único processamento, sem necessidade de nova renderização, sem perder nenhum conteúdo da imagem. Abaixo o resultado — o mesmo clipe, agora um verdadeiro arquivo vertical 720x1280:

Esta é a versão que você realmente publicaria no Reels, Shorts ou TikTok.

Preço: quanto custa na prática um clipe assim

O Minimax H3 Max é cobrado por segundos de saída, com faixas por resolução (confirmado na página de preços da hiapi):

• 480P — $0.072 por segundo
• 768P — $0.115 por segundo

A duração varia de 5 a 15 segundos. Nas tarifas atuais, uma requisição de 6 segundos em 480P tem orçamento de $0.432; 6 segundos em 768P, de $0.69. Orce pelos segundos gerados e confirme a cobrança final no registro de faturamento da tarefa.

Para a mesma duração, o custo em 768P é cerca de 1,60 vez o de 480P. Use 480P para testar ganchos e composição, depois renderize os planos escolhidos em 768P; quatro ou cinco rascunhos bem-sucedidos em 480P ainda custam mais do que um clipe de mesmo comprimento em 768P.

Perguntas frequentes

O Minimax H3 Max consegue gerar vídeo vertical diretamente? A geração a partir de texto puro usa a tela horizontal padrão. Para 9:16, use uma imagem de frame nessa proporção e omita aspect_ratio, ou converta a saída horizontal com corte ou sobreposição de preenchimento desfocado.

Quanto custa um clipe de 6 segundos? 480P custa $0.432 ($0.072/s × 6 s), e 768P custa $0.69 ($0.115/s × 6 s).

Além do preço, qual a diferença entre 480P e 768P? 768P é a faixa de maior fidelidade, com custo por segundo cerca de 1,6 vez o de 480P — vale para a renderização final de publicação, mas é um luxo para testar prompts e composição.

O texto para vídeo evita esse problema de orientação? A documentação da API permite determinar a tela de saída por meio de imagens de frame. Forneça first_frame_image ou last_frame_image e omita aspect_ratio. Os vídeos deste artigo mostram uma origem de texto puro e sua conversão com ffmpeg; eles não são exemplos de imagem para vídeo.

Experimente você mesmo

Se quiser testar prompts antes de escrever qualquer código, a página do modelo Minimax H3 Max oferece um Playground online; nosso guia da API Minimax H3 Max cobre de ponta a ponta a autenticação e a estrutura completa de requisição/resposta.

Gerar com este prompt → Gere primeiro um clipe de origem de 6 segundos em 480P e, em seguida, use a conversão ffmpeg acima para obter a entrega vertical.