Guia de introdução ao MiniMax H3 Max Turbo: texto para vídeo, imagem para vídeo com primeiro e último quadro, parâmetros e preços

O MiniMax H3 Max Turbo é a versão de alta velocidade do H3 Max e tem dois IDs de chamada na HiAPI: minimax-h3-max-turbo/text-to-video (texto para vídeo) e minimax-h3-max-turbo/image-to-video (imagem para vídeo com primeiro quadro, podendo adicionar o último quadro). Cada vídeo tem de 1 a 15 segundos, com três níveis de resolução 480P / 768P / 1080P, cobrados por segundo. Este artigo explica como escolher entre os dois IDs, como preencher os parâmetros e como calcular o preço.

Como escolher entre os dois IDs

• Apenas descrição em texto: use text-to-video; o único campo obrigatório é prompt, e a proporção é definida com aspect_ratio.
• Já existe uma imagem: use image-to-video; os campos obrigatórios são prompt e image_url (primeiro quadro). Opcionalmente, forneça end_image_url como último quadro, e o modelo cria o movimento entre os dois quadros.
• A proporção de saída do imagem para vídeo segue a imagem do primeiro quadro; não há parâmetro aspect_ratio. Para formato vertical, envie uma imagem vertical, e mantenha a proporção do primeiro e do último quadro o mais consistente possível.

Parâmetros

• resolution: 480P / 768P / 1080P, padrão 768P. O 1080P é obtido refinando a imagem de 768P; a geração nativa chega no máximo a 768P.
• duration: 1–15 segundos, padrão 5, aceita decimais. A saída real pode ser até cerca de 0,7 segundo mais longa que o valor informado; por exemplo, ao informar 5 segundos, o clipe resultante tem cerca de 5,2 segundos.
• aspect_ratio (somente texto para vídeo): 21:9, 16:9, 4:3, 1:1, 3:4, 9:16, padrão 16:9. Por exemplo, 768P 3:4 gera 768×1024, e 768P 21:9 gera 1536×672.
• prompt_expansion_mode: expansão do prompt. disabled usa o texto como está; balanced (padrão) conclui a reescrita em cerca de 1 segundo; quality leva até cerca de 30 segundos para escrever com mais detalhes.
• target_audio_url: opcional; envie um áudio de pelo menos 2 segundos e no máximo 15MB como trilha do vídeo final; a parte mais longa que o vídeo é cortada. Ao usá-lo, preencha duration com pelo menos 2.
• seed: opcional; fixe-o para reproduzir o mesmo resultado, mantendo também os demais parâmetros inalterados.
• Cada requisição gera 1 vídeo. Esses dois IDs não oferecem bloqueio de personagem com imagem de referência, continuação de vídeo nem edição de vídeo.

Exemplo de chamada

Enviar a tarefa:

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": "O ciclista desacelera perto do poste de luz e se vira para olhar para trás, riscos de chuva sob luz neon quente, movimento lento de aproximação",
      "image_url": "https://example.com/first-frame.png",
      "resolution": "768P",
      "duration": 5
    }
  }'

Após receber data.taskId, consulte repetidamente GET https://api.hiapi.ai/v1/tasks/<taskId>. Quando status se tornar success, o endereço do vídeo estará em data.output[0].url. Um vídeo de 5 segundos em 768P costuma ficar pronto em cerca de dez segundos. O link do resultado tem prazo de validade (campo expireAt); se precisar armazenar por longo prazo, baixe e salve por conta própria.

Preços

• 480P: $0,025 por segundo.
• 768P: $0,04 por segundo.
• 1080P: $0,08 por segundo.
• A cobrança é feita com base no duration informado na requisição, e os dois IDs têm o mesmo preço. Por exemplo, 768P 5 segundos: 5 × 0,04 = $0,20; 1080P 10 segundos: $0,80.
• Só são cobradas as tarefas geradas com sucesso; tarefas com falha são reembolsadas integralmente.

Como escrever os prompts

• Para texto para vídeo, escreva com clareza na ordem «sujeito + cenário + ação + movimento de câmera + luz e atmosfera».
• No imagem para vídeo, o primeiro quadro já define a composição; repita menos o que já está na imagem e detalhe bem «quem se move como, como a câmera se movimenta e em quantos segundos termina», por exemplo «a câmera se aproxima lentamente e a personagem vira a cabeça no terceiro segundo».
• Primeiro teste a ação e o movimento de câmera com 480P e duração curta; quando estiver satisfeito, gere em 768P ou 1080P. O preço unitário do 1080P é 3,2 vezes o do 480P.