MiniMax H3: практическое руководство по коротким видео и началу работы с API hiapi

MiniMax H3 — нативная 2K мультимодальная видеомодель hiapi, и для коротких видео (TikTok, Reels, Shorts) ключевой момент в том, что она напрямую рендерит вертикальный формат 9:16 без каких-либо уловок с чёрными полями. Мы прогнали через страницу модели MiniMax H3 на hiapi настоящую генерацию текст-в-видео и встроили реальный результат ниже, вместе с исходным промптом, который мы использовали, и практическим разбором трёх режимов генерации.

Кратко

• MiniMax H3 изначально генерирует в 2K и сразу выдаёт чистый вертикальный кадр 9:16 — для публикации в TikTok/Reels/Shorts не нужно обрезать или увеличивать.
• Поддерживаются три режима генерации: текст-в-видео, изображение-в-видео (с управлением первым/последним кадром), а также генерация на основе референсов — изображений, видео или аудио.
• Длительность ролика — от 4 до 15 секунд, цена $0.1189/сек — 4-секундный ролик около $0.48, 15-секундный — около $1.78.
• Конкретный, физически осязаемый язык промпта (материалы, направление света, кадрирование) в наших тестах давал чистые результаты, соответствующие ожиданиям модели; расплывчатые промпты — самая частая причина отклонений или шаблонности вывода.
• Все запросы идут через единый асинхронный эндпоинт задач hiapi — ту же схему «отправка-опрос», что используется для каждой видеомодели на платформе.

Что такое MiniMax H3 на самом деле

MiniMax H3 — это нативная 2K мультимодальная видеомодель с поддержкой текст-в-видео, управления первым/последним кадром при генерации изображение-в-видео и генерации на основе референсов — изображений, видео и аудио — с длительностью ролика от 4 до 15 секунд. Что касается коротких видео, важность нативного 2K вывода выше, чем кажется на первый взгляд: большинство вертикальных социальных форматов ограничены примерно 1080×1920, поэтому 2K исходник даёт вам запас, позволяя вырезать миниатюры или сделать чуть более плотное перекадрирование без заметной потери качества — вы уменьшаете разрешение, а не увеличиваете.

Текст-в-видео: настоящий клип, сгенерированный по настоящему промпту

Мы сгенерировали этот клип напрямую по текстовому промпту, без референсных изображений или видео. Сгенерировать с этим промптом → Выберите 2K и 9:16 в Playground. Вот реальный вывод:

Промпт:

Рука бариста наливает взбитое молоко из кувшина из нержавеющей стали в чёрную чашку эспрессо, которую держат под небольшим углом на светло-серой мраморной столешнице. Струя молока стабилизируется и к концу наливания раскрывается в полный узор латте-арта «роза» (папоротниковый лист). Тёплый направленный боковой свет скользит по чашке и кувшину. Вертикальное кадрирование 9:16, макроперспектива крупным планом, малая глубина резкости, без движения камеры, без текста, без логотипов, без дополнительных рук или объектов, входящих в кадр.

Сгенерировать с этим промптом → Выберите 2K и 9:16.

Именно такой кадр подходит для коротких видео: одно физически осязаемое действие (наливание, раскрытие, трансформация), снятое крупным планом в вертикальном формате, с достаточно конкретными деталями — материал кувшина, направление света, формирующийся точный узор, — чтобы у модели почти не оставалось места для догадок. Явно указывать поведение камеры стоит даже если вам нужен статичный кадр (мы попросили «без движения камеры»); иначе модель иногда добавляет медленный незапрошенный дрейф. Больше идей для кадров — в нашем руководстве по промптам MiniMax H3.

Изображение-в-видео: старт с зафиксированного кадра

Режим изображение-в-видео в MiniMax H3 принимает стартовое изображение через first_frame_image; добавьте last_frame_image, чтобы задать конечную композицию. Последний кадр требует первого, и эти поля нельзя комбинировать с image_urls, video_urls или audio_urls. Входной кадр определяет пропорции видео. Когда стартовый кадр и есть крючок — крупный план продукта, лицо, конкретная упаковка, — и вам нужно, чтобы видео начиналось с этой точной композиции, а не с интерпретации моделью текстового описания, это лучший выбор для работы с короткими видео. Текст-в-видео лучше подходит для быстрой итерации формулировок; как только вы определили тот статичный кадр, с которого должен начинаться клип, переходите к изображение-в-видео.

Генерация на основе референсов: связка изображений, видео и аудио

Третий режим — генерация на основе референсов: MiniMax H3 может брать подсказки из референсных изображений через image_urls, из видео через video_urls> и из аудио через audio_urls — вместо генерации только по текстовому промпту. На практике этот режим нужен, когда у вас уже есть материал, чей визуальный стиль, движение или ритм вы хотите перенести в новый клип: чтобы новый объект соответствовал существующему облику бренда или чтобы ритм сгенерированного клипа синхронизировался с имеющейся звуковой дорожкой для монтажа короткого видео. Аудио-референс требует как минимум одного референсного изображения или видео. Ограничения: 5 изображений, 3 видео (по 2–15 секунд, всего 15 секунд) и 3 аудиофрагмента (всего 15 секунд). Это более тяжёлый и более продуманный рабочий процесс, чем текст-в-видео, поэтому стоит сначала прототипировать кадр на чистом текстовом промпте, а к генерации на основе референсов переходить, когда вы уже знаете, что именно нужно сопоставить.

Как работают запросы

Каждая видеомодель на hiapi, включая MiniMax H3, идёт по одному и тому же асинхронному процессу задач: вы отправляете запрос на генерацию и получаете ID задачи, затем опрашиваете задачу, пока она не достигнет статуса success или fail. При success выберите в data.output элемент с type: "video" и скачайте его URL; при fail проверьте возвращённую ошибку. Нет ни долгоживущих соединений, которыми нужно управлять, ни специфичной для модели формы запроса, которую нужно заново изучать, — один и тот же шаблон «отправка-опрос» из документации HiAPI по асинхронным задачам охватывает каждую модель на платформе, поэтому переход от одной видеомодели к другой требует лишь смены имени модели и её входных полей, без перестройки интеграции.

Цены и бюджет для пакетной генерации коротких видео

MiniMax H3 тарифицируется по $0.1189 за каждую выходную секунду (см. страницу цен HiAPI), длительность ролика — от 4 до 15 секунд. Так выглядит примерная стоимость одного ролика:

• 4 секунды: около $0.48
• 8 секунд: около $0.95
• 15 секунд: около $1.78

Для коротких видео подход «снимай коротко, монтируй» даёт больше точек склейки и позволяет перегенерировать отдельный кадр без замены всей последовательности. Стоимость зависит от общего количества сгенерированных секунд: короткие кадры экономят деньги только при меньшей суммарной длительности. В бюджет включайте каждый успешный кандидатный клип, в том числе кадры, которые вы позже отбраковали.

Частые вопросы

Выдаёт ли MiniMax H3 настоящее вертикальное видео, или для TikTok/Reels нужна обрезка? Модель рендерит изначально в 2K и напрямую принимает пропорции 9:16 — клип выше сгенерирован вертикальным с самого начала, для платформ коротких видео не требуется обрезка или перекадрирование.

Насколько длинным может быть ролик MiniMax H3? От 4 до 15 секунд за генерацию. Для коротких видео склейка нескольких коротких фрагментов (по 4–6 секунд каждый) обычно даёт более смотрибельный результат, чем рендер одного длинного кадра за раз.

Могу ли я запускать видео MiniMax H3 со своим изображением? Да — передайте стартовое изображение через first_frame_image и при желании добавьте last_frame_image. Последний кадр требует первого. Используйте их отдельно от полей референсов image_urls, video_urls и audio_urls.

В чём разница между изображение-в-видео и генерацией на основе референсов в MiniMax H3? Изображение-в-видео фиксирует начальный (и при желании конечный) кадр из статичного изображения. Генерация на основе референсов использует image_urls, video_urls и audio_urls> для передачи стиля, движения или ритма; аудио требует сопутствующего изображения или видео — это полезно, когда вы подгоняете новый клип под существующий материал, а не начинаете с пустого кадра.

Сколько стоит типичный клип для коротких видео? При $0.1189/сек 4-секундный клип стоит около $0.48, 8-секундный — около $0.95 (см. актуальную страницу цен HiAPI). Сравнивайте суммарное количество секунд всех успешных клипов, включая перегенерированные кадры; одно лишь разделение последовательности не снижает её цену.

Подойдёт ли MiniMax H3, если я уже использую другую видеомодель hiapi (например, Hailuo) для коротких видео? Смотрите наше сравнение MiniMax H3, Seedance 2.0 и Hailuo 2.3 и выбирайте по режиму, нужному вашему кадру: чистый текст-в-видео, управление кадрами или мультимодальные референсы.

Главное

• MiniMax H3 изначально рендерит в 2K вертикально, поэтому клипы для коротких видео в TikTok/Reels/Shorts не нужно обрезать или увеличивать.
• Конкретные, физически осязаемые промпты (материалы, направление света, явное поведение камеры) в наших реальных тестах давали чистые результаты — расплывчатые промпты оставляют модели слишком много простора для догадок.
• Используйте текст-в-видео для быстрой итерации идей, изображение-в-видео — когда стартовый кадр определён заранее, а генерацию на основе референсов — когда вы подгоняете клип под существующие изображения, видео или аудио.
• Тарификация $0.1189/сек в диапазоне 4–15 секунд; бюджет считайте по общему количеству секунд успешных кандидатов; короткие кадры упрощают выборочную перегенерацию.
• Все запросы идут по тому же процессу отправки и опроса задач, что и для каждой другой видеомодели на hiapi, так что тестирование MiniMax H3 вместе с Hailuo 2.3 и другими моделями не требует отдельной интеграционной работы.

Сгенерировать с этим промптом → Начните с кадра латте-арта в 2K, 9:16.