MiniMax H3 参考图生视频

minimax/h3/reference-to-video

MiniMax H3 Reference to Video 可根据自然语言提示词和多模态参考内容生成连贯的 2K 视频,支持图片、视频和音频输入,可引导主体一致性、运动、时序、视觉风格和场景连贯性。提供开箱即用的 REST 推理 API,性能出色,无冷启动,价格实惠。

示例

MiniMax H3 参考图生视频 example 1

参数

名称类型默认约束说明
prompt *提示词textarea≤ 7000 chars描述目标视频场景和互动内容的文本。
images参考图片image_upload_groupimage/* · 1–9 items参考图片 URL。至少需要提供一张参考图片或一个参考视频。
audios参考音频audio_upload_groupaudio/* · 0–3 items可选的参考音频 URL。不能仅单独提供音频。
aspect_ratio宽高比selectadaptive21:9 | 16:9 | 4:3 | 1:1 | 3:4 | 9:16 | adaptive输出视频的宽高比。
resolution分辨率select2k2k输出视频分辨率。
duration时长slider54 ~ 15 · step 1输出视频时长(秒)。

输出字段

字段类型说明
videosarray<string>Generated video URLs

API

通过统一 REST API 调用本模型;在 API Keys 页获取密钥。

cURL
# 1) Submit — returns { "task_uuid": "..." }
curl -X POST "https://www.namifusion.com/api/v1/marketplace/run/minimax/h3/reference-to-video" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "input": {
    "prompt": "A cinematic portrait, dramatic rim light, shallow depth of field",
    "aspect_ratio": "adaptive",
    "resolution": "2k",
    "duration": 5
  }
}'

# 2) Poll until status is "completed", then read the output URLs
curl "https://www.namifusion.com/api/v1/marketplace/run/tasks/TASK_UUID" \
  -H "Authorization: Bearer YOUR_API_KEY"
Python
import time, requests

API_KEY = "YOUR_API_KEY"
HEADERS = {"Authorization": f"Bearer {API_KEY}"}

# 1) Submit
resp = requests.post(
    "https://www.namifusion.com/api/v1/marketplace/run/minimax/h3/reference-to-video",
    headers=HEADERS,
    json={
        "input": {
            "prompt": "A cinematic portrait, dramatic rim light, shallow depth of field",
            "aspect_ratio": "adaptive",
            "resolution": "2k",
            "duration": 5
        }
    },
)
resp.raise_for_status()  # 401/402/429/5xx stop here instead of polling a bad task
task = resp.json()

# 2) Poll until a terminal state (completed / failed / cancelled).
#    This model is allowed up to 300s server-side.
deadline = time.time() + 360
while task.get("status") not in ("completed", "failed", "cancelled"):
    if time.time() > deadline:
        raise TimeoutError(f"still {task.get('status')} — keep the task_uuid and poll later")
    time.sleep(3)
    poll = requests.get(f"https://www.namifusion.com/api/v1/marketplace/run/tasks/{task['task_uuid']}", headers=HEADERS)
    poll.raise_for_status()
    task = poll.json()

print(task["status"], task.get("output"))
JavaScript
const API_KEY = "YOUR_API_KEY";
const HEADERS = { Authorization: `Bearer ${API_KEY}` };

// 1) Submit
const resp = await fetch("https://www.namifusion.com/api/v1/marketplace/run/minimax/h3/reference-to-video", {
  method: "POST",
  headers: { ...HEADERS, "Content-Type": "application/json" },
  body: JSON.stringify({
    "input": {
      "prompt": "A cinematic portrait, dramatic rim light, shallow depth of field",
      "aspect_ratio": "adaptive",
      "resolution": "2k",
      "duration": 5
    }
  }),
});
if (!resp.ok) throw new Error(`submit failed: ${resp.status} ${await resp.text()}`);
let task = await resp.json();

// 2) Poll until a terminal state (completed / failed / cancelled).
//    This model is allowed up to 300s server-side.
const deadline = Date.now() + 360 * 1000;
while (!["completed", "failed", "cancelled"].includes(task.status)) {
  if (Date.now() > deadline) throw new Error(`still ${task.status} — keep the task_uuid and poll later`);
  await new Promise((r) => setTimeout(r, 3000));
  const poll = await fetch(`https://www.namifusion.com/api/v1/marketplace/run/tasks/${task.task_uuid}`, { headers: HEADERS });
  if (!poll.ok) throw new Error(`poll failed: ${poll.status}`);
  task = await poll.json();
}

console.log(task.status, task.output);

文档

MiniMax H3 Reference to Video

基于多模态参考的 2K 视频生成模型,兼顾主体一致性、运动控制与场景连贯性。

MiniMax H3 Reference to Video 是一款面向高质量参考驱动生成的视频模型,可结合自然语言提示词与图片、视频、音频参考素材生成连贯的 2K 视频。它特别适合需要稳定人物/产品形象、明确运动节奏和统一视觉风格的场景,同时具备无冷启动、性能稳定和成本可控等优势。

🚀 关键特性

  • 多模态参考驱动:支持结合提示词与参考图片、参考视频、参考音频进行视频生成,提升结果可控性。
  • 主体一致性更强:可利用参考图片约束角色、产品、物体或品牌视觉元素,帮助保持外观稳定。
  • 运动与镜头表达可引导:参考视频可用于指导动作、互动方式、节奏和镜头运动,适合更复杂的动态场景。
  • 原生 2K 输出:固定提供 2K 分辨率输出,适合对清晰度和成片质感有要求的内容生产。
  • 灵活宽高比:支持 21:9、16:9、4:3、1:1、3:4、9:16 和自适应,覆盖宽屏、横屏、正方形与竖屏内容需求。
  • 无冷启动、价格友好:适合需要稳定吞吐和快速交付的生产环境,也便于进行批量创意测试。

🛠️ 技术规格

项目说明
模型名称MiniMax H3 Reference to Video
模型 IDminimax/h3/reference-to-video
模型架构参考驱动的图像到视频生成模型(支持多模态条件控制)
任务类型reference-to-video
输入形式提示词 + 参考图片 / 参考视频(至少提供一种),可选参考音频
输出形式视频
分辨率2K(固定)
时长4–15 秒
宽高比21:9、16:9、4:3、1:1、3:4、9:16、自适应
参考图片数量最多 9 张
参考视频数量最多 3 段
参考音频数量最多 3 段(不可单独使用)
音频约束参考音频必须与参考图片或参考视频搭配使用
延迟表现官方强调无冷启动,适合稳定调用
适用重点主体一致性、运动引导、镜头控制、风格统一、场景连续性

示例提示词

  1. 一位穿着未来感夹克的女性角色走过霓虹灯街道,镜头缓慢推进,地面有雨后反光,整体为电影级光影风格。
  2. 以参考产品为主体,生成一支高级感广告短片,镜头环绕展示材质细节,背景简洁,节奏流畅。
  3. 参考人物图片与动作视频,生成一段角色在海边奔跑并回头微笑的画面,日落暖色调,镜头轻微跟拍。

💰 价格

计费项价格
基础价格0.13 美元 / 输出秒
5 秒视频0.65 美元
10 秒视频1.30 美元
15 秒视频1.95 美元

计费说明

项目规则
参考图片前 5 张免费;超过前 5 张后,每张 0.04 美元
参考视频按总时长计费,0.13 美元 / 秒
参考音频支持的音频输入免费
参考视频限制最多 3 段,总时长最多 15 秒

💡 最佳使用场景

  • 品牌与电商广告:基于产品图、品牌视觉素材或参考视频,快速生成高质感宣传短片。
  • 角色与 IP 内容制作:通过参考图片保持人物或虚拟角色外观一致,适合短剧情、角色演示和社媒内容。
  • 分镜与概念验证:将文字创意与参考素材结合,快速生成场景原型、镜头测试和视觉概念片段。
  • 短视频与移动端内容:利用 9:16、1:1 等宽高比生成适配社交平台的竖屏或方形视频。

🔗 相关模型

  • MiniMax H3 Text-to-Video:适合仅通过提示词直接生成高分辨率视频。
  • MiniMax H3 Image-to-Video:适合基于首帧图片与提示词生成视频。

使用建议

  • 主体身份、产品细节或风格一致性很重要时,优先使用清晰、相关性高的参考图片。
  • 动作、互动、节奏或镜头运动更关键时,优先加入参考视频。
  • 提示词应明确描述可见动作、场景推进、镜头语言、光线与风格,避免过度抽象。
  • 快速测试建议先使用较短时长;需要更完整叙事或动作展开时,再增加时长。
  • 可根据发布渠道选择宽高比:16:9 适合横屏内容,9:16 适合移动端竖屏内容,1:1 适合方形社媒内容。

相关模型

Gemini Omni Flash 参考图生视频 API
Reference to VideoGoogle

Gemini Omni Flash 参考图生视频 API

Gemini Omni Flash 参考图生视频可根据一张或多张参考图片和文本提示词生成带同步音频的短视频,保持视觉主体一致性,并依据提供的参考内容进行引导式多模态视频生成。即开即用的 REST 推理 API,性能出色,无冷启动,价格实惠。

$1.28 / 每次
Seedance 2.0 Mini 参考生视频
Reference to VideoDoubao

Seedance 2.0 Mini 参考生视频

Seedance 2.0 Mini 参考图生视频 (Reference-to-Video) 是字节跳动推出的一款高速度、低成本的视频生成模型,专注于创作具有电影质感的多镜头视频。该模型能够完美融合参考图与文本提示词,生成极具叙事感的连续视频片段。它不仅支持灵动的 AI 镜头控制,更攻克了跨场景角色一致性的难题。模型支持从 480P 到 4K 的多分辨率输出,时长跨越 4-15 秒,并适配灵活的宽高比。提供开箱即用的 REST 推理 API,性能卓越,告别冷启动,是极具性价比的专业视频创作利器

$0.600 / 每次
Seedance 2.0 Fast 视频编辑
Reference to VideoDoubao

Seedance 2.0 Fast 视频编辑

Seedance 2.0 Fast(reference-to-video)可根据自然语言提示词对输入视频进行编辑,速度更快、成本更低。基于字节跳动 Seed 统一多模态架构构建,在按指令重写光照、风格、天气、环境或特定元素的同时,保留主体身份、构图和运动。提供开箱即用的 REST API,性能出色,无冷启动,价格实惠。

$0.130 / 每次