Guia prático de vídeos curtos com o MiniMax H3: tutorial de introdução à API da hiapi

O MiniMax H3 é o modelo de vídeo multimodal nativo em 2K da hiapi, e o ponto mais importante para conteúdo de vídeos curtos — TikTok, Reels, Shorts — é que ele renderiza diretamente em vertical 9:16, sem precisar de nenhum truque para eliminar barras pretas. Rodamos uma geração real de texto para vídeo pela página do modelo MiniMax H3 na hiapi, incorporamos o resultado real abaixo e incluímos o prompt original que usamos, além de um panorama prático dos seus três modos de geração.

Resumo

• O MiniMax H3 gera nativamente em 2K e entrega diretamente quadros verticais 9:16 limpos — sem necessidade de corte ou ampliação para veicular no TikTok/Reels/Shorts.
• Ele oferece três modos de geração: texto para vídeo, imagem para vídeo (com controle de primeiro/último quadro) e geração orientada por referências de imagem, vídeo ou áudio.
• Os clipes têm duração de 4 a 15 segundos, com preço de US$ 0,1189/segundo — um clipe de 4 segundos custa cerca de US$ 0,48, e um de 15 segundos, cerca de US$ 1,78.
• Uma linguagem de prompt concreta e física (materiais, direção da luz, enquadramento da câmera) produziu resultados limpos e alinhados ao esperado do modelo nos nossos testes — prompts vagos são a causa mais comum de resultados desviantes ou genéricos.
• Todas as requisições passam pelo endpoint unificado de tarefas assíncronas da hiapi, com o mesmo formato de envio e consulta usado por todos os modelos de vídeo da plataforma.

Afinal, o que é o MiniMax H3

O MiniMax H3 é um modelo de vídeo multimodal nativo em 2K, compatível com texto para vídeo, controle de imagem para vídeo por primeiro/último quadro e geração orientada por referências de imagem, vídeo e áudio, com clipes de 4 a 15 segundos. No contexto de conteúdo de vídeos curtos, a importância da saída nativa em 2K é maior do que parece à primeira vista: a maioria dos formatos sociais verticais tem limite em torno de 1080×1920, então uma fonte em 2K dá margem para recortar miniaturas ou fazer reenquadramentos um pouco mais fechados sem perda visível de qualidade — você está reduzindo a resolução, não aumentando.

Texto para vídeo: um clipe real gerado a partir de um prompt real

Geramos este clipe diretamente a partir de um prompt de texto, sem usar imagem ou vídeo de referência.Gerar com este prompt → Selecione 2K e 9:16 no Playground. Veja abaixo a saída real:

Prompt:

A mão de um barista despeja leite vaporizado de uma jarra de aço inoxidável em uma xícara de café expresso preta, segurada em um ângulo ligeiro sobre uma bancada de mármore cinza-claro. O fluxo de leite se acomoda e floresce em um padrão completo de latte art rosetta (folha de samambaia) ao final do despejo. Uma luz lateral quente e direcional incide sobre a xícara e a jarra. Enquadramento vertical 9:16, perspectiva macro de perto, profundidade de campo rasa, sem movimento de câmera, sem texto, sem logotipos, sem mãos ou objetos adicionais entrando no quadro.

Gerar com este prompt → Selecione 2K e 9:16.

Este é exatamente o tipo de plano adequado para vídeos curtos: uma ação única e com materialidade física (um despejo, uma revelação, uma transformação), filmada em close e na vertical, com detalhes específicos o bastante — o material da jarra, a direção da luz, o padrão exato que está se formando — para deixar ao modelo quase nenhuma margem de adivinhação. Mesmo quando você quer um plano estático, vale a pena declarar explicitamente o comportamento da câmera (nós pedimos "sem movimento de câmera"); caso contrário, o modelo às vezes adiciona um deslocamento lento não solicitado. Para mais ideias de planos, consulte nosso guia de prompts do MiniMax H3.

Imagem para vídeo: começar a partir de um quadro travado

O modo imagem para vídeo do MiniMax H3 recebe a imagem de abertura via first_frame_image; adicionar last_frame_image orienta a composição final. O quadro final exige o quadro inicial, e esses campos não podem ser combinados com image_urls, video_urls ou audio_urls. O quadro de entrada determina a proporção do vídeo. Quando o quadro de abertura é o gancho — um close de produto, um rosto, uma embalagem específica — e você precisa que o vídeo comece exatamente nessa composição, em vez de deixar o modelo interpretá-la a partir de uma descrição textual, esta é a escolha superior para trabalho com vídeos curtos. O texto para vídeo é melhor para iterar rapidamente a redação; uma vez definido o quadro estático com que você quer abrir o clipe, é hora de usar imagem para vídeo.

Geração orientada por referências: imagens, vídeos e áudio em conjunto

O terceiro modo é a geração orientada por referências: o MiniMax H3 pode obter pistas de imagens de referência via image_urls, de vídeos via video_urls e de áudio via audio_urls — em vez de gerar apenas a partir de um prompt de texto. Na prática, este é o modo a usar quando você já tem um material cujo estilo visual, movimento ou ritmo quer trazer para um novo clipe: fazer um novo sujeito corresponder à aparência de marca existente, ou sincronizar o ritmo do clipe gerado com uma faixa de áudio existente, para edição de vídeos curtos. A referência de áudio exige pelo menos uma imagem ou vídeo de referência. O limite é de 5 imagens, 3 vídeos (de 2 a 15 segundos cada, totalizando 15 segundos) e 3 trechos de áudio (totalizando 15 segundos). É um fluxo de trabalho mais pesado e planejado do que o texto para vídeo, então vale prototipar o plano com prompt puramente textual e só depois migrar para a geração orientada por referências, quando você já souber o que precisa corresponder.

Como as requisições funcionam

Todos os modelos de vídeo da hiapi, incluindo o MiniMax H3, seguem o mesmo fluxo de tarefas assíncronas: você envia a requisição de geração e recebe de volta um ID de tarefa, depois consulta essa tarefa até ela atingir success ou fail. Em success, selecione o item com type: "video" em data.output e baixe a URL dele; em fail, verifique o erro retornado. Não há conexões persistentes para gerenciar nem formatos de requisição específicos de cada modelo para reaprender — o mesmo padrão de envio e consulta descrito na documentação de tarefas assíncronas da HiAPI cobre todos os modelos da plataforma, de modo que trocar de um modelo de vídeo para outro exige apenas alterar o nome do modelo e seus campos de entrada, sem reconstruir a integração.

Preço e orçamento para lotes de vídeos curtos

O MiniMax H3 é cobrado a US$ 0,1189 por segundo de saída (consulte a página de preços da HiAPI), com clipes de 4 a 15 segundos. Assim, um clipe individual custa aproximadamente:

• 4 segundos: cerca de US$ 0,48
• 8 segundos: cerca de US$ 0,95
• 15 segundos: cerca de US$ 1,78

Para conteúdo de vídeos curtos, a abordagem de "gravar curto e montar" oferece mais pontos de corte e permite regerar um plano específico sem substituir a sequência inteira. O custo depende do total de segundos gerados: planos mais curtos só economizam se a duração total for menor. Inclua no orçamento todos os clipes candidatos bem-sucedidos, inclusive os que você acabou descartando.

Perguntas frequentes

O MiniMax H3 gera vídeos realmente verticais, ou é preciso cortar para TikTok/Reels? Ele renderiza nativamente em 2K e aceita diretamente a proporção 9:16 — o clipe acima foi gerado na vertical desde o início, sem necessidade de corte ou reenquadramento para plataformas de vídeos curtos.

Qual é a duração máxima de um clipe do MiniMax H3? De 4 a 15 segundos por geração. Para conteúdo de vídeos curtos, emendar vários clipes mais curtos (de 4 a 6 segundos cada) costuma produzir resultados mais envolventes do que uma única tomada longa.

Posso iniciar um vídeo do MiniMax H3 com minha própria imagem? Sim — passe a imagem de abertura via first_frame_image e, opcionalmente, adicione last_frame_image. O quadro final exige o quadro inicial. Use esses campos separadamente dos campos de referência image_urls, video_urls e audio_urls.

No MiniMax H3, qual é a diferença entre imagem para vídeo e geração orientada por referências? Imagem para vídeo trava os quadros inicial (e opcionalmente final) a partir de uma imagem estática. A geração orientada por referências usa image_urls, video_urls e audio_urls para orientar estilo, movimento ou ritmo; o áudio precisa vir acompanhado de imagem ou vídeo — útil quando você quer fazer um novo clipe corresponder a um material existente, em vez de começar de um quadro em branco.

Quanto custa um clipe típico de vídeo curto? A US$ 0,1189/segundo, um clipe de 4 segundos custa cerca de US$ 0,48 e um de 8 segundos, cerca de US$ 0,95 (consulte a página de preços atualizada da HiAPI). Compare o total de segundos de todos os clipes bem-sucedidos, incluindo os regerados; apenas dividir a sequência não reduz o preço dela.

O MiniMax H3 é adequado se eu já uso outro modelo de vídeo da hiapi (como o Hailuo) para clipes curtos? Veja nossa comparação entre MiniMax H3, Seedance 2.0 e Hailuo 2.3 e escolha com base no modo exigido pelo seu plano: texto para vídeo puro, controle de quadros ou referência multimodal.

Principais conclusões

• O MiniMax H3 renderiza nativamente em 2K vertical, então clipes curtos para TikTok/Reels/Shorts não precisam de corte ou ampliação.
• Prompts concretos e físicos (materiais, direção da luz, comportamento explícito da câmera) produziram resultados limpos nos nossos testes reais — prompts vagos deixam o modelo adivinhar demais.
• Use texto para vídeo para iterar ideias rapidamente, imagem para vídeo quando o quadro de abertura já estiver definido e geração orientada por referências quando você estiver correspondendo a materiais de imagem, vídeo ou áudio existentes.
• A cobrança é de US$ 0,1189/segundo, na faixa de 4 a 15 segundos; orce pelo total de segundos dos clipes candidatos bem-sucedidos; clipes mais curtos facilitam a regeração seletiva.
• Todas as requisições passam pelo mesmo fluxo de envio e consulta de tarefas dos demais modelos de vídeo da hiapi, então testar o MiniMax H3 junto com modelos como o Hailuo 2.3 não exige trabalho de integração separado.

Gerar com este prompt → Comece com o plano de latte art em 2K, 9:16.