MiniMax H3 Max Image to Video API

minimax/h3-max/image-to-video
480p / 768p / 1080p · 5–15 sec

MiniMax H3 Max Image to Video 将静态图像转化为带原生立体声的视频,支持首尾双帧控制与对白口型同步。它在保留源图主体身份与质感的同时,赋予画面流畅自然的物理运动与镜头调度。

输入
658/50000

拖拽文件、粘贴剪贴板素材,或输入 URL。 必填,按顺序添加 1–2 张图片:先首帧,再添加可选尾帧。

2/2 个素材

输出示例
5 秒 × $0.080/秒 = $0.400
继续使用

示例

Animate this starting frame into one continuous five-second shot. The adult kyudo archer steadily completes the draw, releases one arrow toward a target off camera, and holds the final follow-through. Maintain the exact face, dark hakama, long bow shape and autumn garden. The bowstring snaps once, the front sleeve settles, and a few maple leaves flutter gently. Camera makes a restrained lateral move while keeping both hands and the bow visible. Natural real-time motion, correct human anatomy, no duplicated arrows or rubber bow. Native bowstring twang and dry leaves, no dialogue, music, subtitles or logos.

Animate the supplied first frame. Inside the same small research submersible, the marine biologist slowly leans toward the round porthole as a translucent bioluminescent jellyfish drifts past outside. Its cool cyan light travels across the scientist's amazed face and the curved glass. Preserve the face, cabin layout and porthole geometry; jellyfish pulses gently with realistic fluid drag. Slow intimate camera push, one continuous five-second shot. Native low machinery hum, a quiet breath and muted water ambience; no implausible underwater speech. No captions, brands, logos or text.

MiniMax H3 Max Image to Video

MiniMax H3 Max Image to Video 是面向高保真动态延展的图生视频模型。它支持以首帧驱动或首尾双帧闭环控制生成 5–15 秒连贯视频,不仅能继承原画主体细节,更能生成精准对位的原生对白口型与环境音。凭借 480p 至 1080p 多档清晰度输出,为动态漫画、电商广告及影视视效提供高可控的视觉生产力。

为什么选择 MiniMax H3 Max Image to Video API?

  • 首帧画面毫秒级启动以单张高质量静帧作为视觉基准,无缝继承原图的人物五官、服装细节、材质纹理与光照构图,迅速生成连贯动态。

  • 首尾双帧闭环控制支持传入起始帧与结束帧两张关键画面,精准约束动作演化方向与运镜收束点,解决镜头转场与目标姿态失控难题。

  • 高精度对白与口型同步在人物近景或中景镜头中,只需在提示词中加入台词文本,即可一体化合成贴合语调的自然唇形动作与清晰环境对白。

  • 超实时高吞吐渲染针对生产管线进行了端到端推理优化,大幅降低图生视频等待时延,支持高并发短视频批量制作与创意 A/B 测试。

  • 阶梯分辨率与按秒计费支持 5–15 秒任意整数时长与 480p/768p/1080p 三档分辨率,无隐性溢价,按请求参数 duration 指定的秒数计费。

参数说明

参数要求说明
prompt必填

描述从首帧开始的主体动作序列、摄影机运镜方向、环境变化以及声音与对白线索。原始输入最多 50,000 个字符(含首尾空白),去除首尾空白后不能为空。

默认值—
duration可选

生成时长,必须为 5–15 秒之间的任意整数,默认值为 5 秒。

默认值5
resolution可选

输出视频分辨率档位,可选 480p、768p(默认)或 1080p。

默认值768p
enable_safety_checker可选

是否开启生成内容安全检查器,过滤敏感与违规内容。

默认值true
image_urls必填

图片公开 HTTP(S) URL 列表。传入 1 张时作为起始首帧;传入 2 张时第一张为首帧,第二张为结束尾帧。支持 JPEG、PNG 或 WebP 格式。

默认值—

使用方法

  1. 上传首帧图像选择主体轮廓清晰、光影分明的 JPEG、PNG 或 WebP 图片作为视频开篇的视觉起点。

  2. 选配目标尾帧若需要镜头在特定动作或终点画面处结束,可在列表中追加第二张图片作为尾帧。

  3. 描述动作与对白写明主体如何从首帧开始活动、摄影机如何移动,需要角色说话时注明英文台词与口型要求。

  4. 配置时长与分辨率根据项目交付标准选择 5–15 秒整数时长以及 480p/768p/1080p 清晰度档位。

  5. 异步提交并获取视频发送 API 请求获取任务 ID,通过轮询状态接口或配置回调 URL 接收生成的 MP4 文件。

用量与计费

MiniMax H3 Max Image to Video API 采用纯粹的按秒计费机制,添加尾帧不会产生额外参数附加费,费用仅由请求参数 duration 指定的时长与所选分辨率决定。

计费项目费率详情
480p10 credits / 秒$0.050 / 秒。5 秒视频消耗 50 积分,10 秒消耗 100 积分,适合高频创意草稿与快速验证。
768p16 credits / 秒$0.080 / 秒。5 秒视频消耗 80 积分,10 秒消耗 160 积分,兼顾高吞吐速度与细腻画质。
1080p32 credits / 秒$0.160 / 秒。5 秒视频消耗 160 积分,10 秒消耗 320 积分,适用于商业成片交付与大屏放映。

适用场景

  • 电商动态商品与模特展示将静态商品白底图或模特棚拍照片转化为带动作与光影流转的展示视频,提升转化率。

  • 动态漫与角色微表情演绎让二次元插画或原画角色的发丝、衣物随风飘动,甚至开口说出特定剧情对白。

  • 影视概念设计与故事板动态化将关键帧草图转化为动态镜头预演,提前检验镜头衔接与角色走位可行性。

  • 纪实老照片活化与艺术再现赋予老照片中的历史人物或复古街景细腻逼真的动态生命力与环境氛围音效。

实用技巧

  • 保持首尾帧画幅与主体一致:使用首尾双帧时,确保两张图片具有相同的宽高比,且主体在两幅图中的身材比例与光照环境尽量连贯。
  • 优先动词描述与运镜分离:详细说明角色具体的动作肢体变化(如转头、抬手、微笑),并单独注明镜头的推拉平移路径。
  • 利用对白增强视听张力:若希望人物发声对口型,在提示词中加上英文短句(例如“He softly says, 'Welcome home.'”),并确保首图中人物面部及唇部清晰可见。
  • 避免与源图光影逻辑冲突:提示词描述的氛围光线应顺应源图的已有色温与阴影走向,避免输入互相矛盾的光影指令导致画面闪烁。

注意事项

  • MiniMax H3 Max Image to Video API 仅接受 1–2 张图片 URL,不接受中间帧、参考视频或参考音频输入。
  • 所有图片资源必须为服务端可公开访问的 HTTP(S) 格式链接,不支持本地私有文件路径或直接传入多媒体文件。
  • 任务提交后会立即返回 task_id,任务处于异步排队与生成阶段,生成完毕后即可获取完整视频。
  • 支持在请求根层设置 callback_url,以便在任务完成或异常失败时由服务器自动触发 Webhook 回调通知。

相关模型

MiniMax H3 Max Image to Video API 常见问题

MiniMax H3 Max Image to Video API 是什么?

MiniMax H3 Max Image to Video 是 MiniMax 推出并经深度后训练优化的图像生成视频模型。它能够以一张首帧图片或首尾双帧为基准,根据提示词指令生成 5–15 秒带原生立体声与口型同步的电影质感视频。依托强大的多模态时空扩散底座,模型在严格保留输入图片主体身份、服饰质感与构图细节的同时,注入连贯自然的物理运动与光影运镜。你可以通过 API 进行程序化调用,也可以在上方体验区直接在线试用。

MiniMax H3 Max Image to Video 支持尾帧控制吗?

支持。在 image_urls 数组中传入第二张公开图片链接即可作为结束尾帧。模型会自动规划从首帧画面自然过渡到尾帧构图的运动轨迹,非常适合制作姿态闭环、特定动作结局或平滑转场镜头。

MiniMax H3 Max Image to Video 能否保持主体人脸一致性?

可以。模型在后训练中对人物面部五官、皮肤纹理、发型发丝及服装细节进行了深度特征绑定。只要提示词中的动作幅度在自然生理范围内,生成视频中的角色在整个镜头运动过程中均能高度还原输入首帧的身份特征。

MiniMax H3 Max Image to Video 静态图像如何生成对白与口型?

当首帧图片包含清晰的人物正脸或半侧脸时,你可以在提示词中指定人物说出的具体台词(如英文短对白)。模型在单次生成中不仅能合成自然的唇形开合与面部微表情,还会同步生成对齐唇形的原生语音和环境声场。

MiniMax H3 Max Image to Video 输出分辨率与画幅如何决定?

生成的画幅比例默认严格跟随输入首帧图片的原始宽高比,无需额外配置 aspect_ratio 参数。分辨率档位支持按需指定 480p、768p 或 1080p,模型会自动在目标档位下按源图比例进行等比缩放与超分辨率补全。

MiniMax H3 Max Image to Video 如何计费?

计费依据请求参数 duration 指定的秒数与所选分辨率档位:480p 为每秒 10 积分($0.050/秒),768p 为每秒 16 积分($0.080/秒),1080p 为每秒 32 积分($0.160/秒)。传入尾帧图片并不会产生额外的图像处理费用,整体计费清晰透明。

Image to Video 与 Reference to Video 有什么区别?

Image to Video 严格以输入的第 1 张图作为开场首帧(可选第 2 张作为结束尾帧),是点对点的镜头时序起止控制;而 Reference to Video 则是将图片、视频和音频作为特征参考库,主要用于跨镜头汲取角色外貌、动作节奏或风格氛围。