curl --request POST "https://gptproto.com/api/v3/minimax/minimax-h3/text-to-video" \
--header "Authorization: Bearer $GPTPROTO_API_KEY" \
--header "Content-Type: application/json" \
--data '{
"prompt": "A tiny origami fox sailing a teacup across a moonlit puddle",
"aspect_ratio": "16:9",
"duration": 5,
"resolution": "768P"
}'Empieza con el costo de una muestra y elige un presupuesto para las pruebas. Las tarifas de GPTProto están 30% por debajo del precio de lista.
| Escenario | Lista de MiniMax | OpenRouter | GPTProto | Ahorras / mes |
|---|---|---|---|---|
| Anuncios cortos de productos30 × 5 s / mes | $19.50 | $20.57 | $13.65 | −$5.85≈ $70.20 / año |
| Clips para redes sociales60 × 5 s / mes | $39.00 | $41.14 | $27.30 | −$11.70≈ $140.40 / año |
| Generación en lote100 × 5 s / mes | $65.00 | $68.58 | $45.50 | −$19.50≈ $234.00 / año |
MiniMax · $0.224 / Por tiempo · 2K · más
Accede a la API de MiniMax-H3 a través de GPTProto para la generación de video cinematográfico a partir de prompts, fotogramas clave y recursos de referencia mixtos. Crea clips de 4 a 15 segundos con audio estéreo nativo, usa hasta nueve imágenes de referencia, tres clips de video y tres pistas de audio, y gestiona MiniMax H3 junto con más de 200 modelos de IA con una sola clave de API y un solo saldo.
Texto, imagen, video y audio en un solo contexto
Combina un prompt con referencias de imagen, video y audio. MiniMax H3 puede usar esos recursos para guiar la identidad del sujeto, el movimiento, el comportamiento de la cámara, el estilo visual, la voz y el ritmo de edición.
4–15 segundos en 768P o 2K
Elige una duración entera de 4 a 15 segundos. Genera en 768P para borradores o solicita salida en 2K cuando importen un detalle de producto más nítido, la tipografía o la calidad de entrega final.
MiniMax H3 es el sistema de generación de video de propósito general y pesos abiertos de MiniMax. En lugar de tratar la conversión de texto a video, la animación por fotogramas clave y las referencias multimodales como herramientas no relacionadas, interpreta texto, imágenes, video y audio dentro de un mismo contexto. La API alojada usa un flujo de trabajo asíncrono: envía una tarea, guarda su ID de tarea, consulta su estado y recupera la URL del video finalizado.
La salida dura de 4 a 15 segundos a 24 fps, con modos 768P y 2K, relaciones de aspecto horizontal, cuadrada y vertical, y audio estéreo nativo. Los pesos H3-Base publicados usan la Licencia Comunitaria de MiniMax H3; el acceso a la API alojada y el autoalojamiento siguen siendo opciones de implementación separadas.
| Especificación | Detalles de la API de MiniMax H3 |
|---|---|
| Proveedor | MiniMax |
| Nombre oficial del modelo en la API | MiniMax-H3 |
| Cadena de modelo de GPTProto | MiniMax-H3 |
| Modos de generación | Texto a video, I2V con primer fotograma, I2V con último fotograma, I2V con primer y último fotograma, referencia multimodal a video |
| Tipos de entrada | Texto, imágenes, video y audio |
| Duración de salida | 4–15 segundos, valores enteros |
| Resolución de salida | 768P o 2K |
| Velocidad de fotogramas | 24 fps |
| Audio de salida | Estéreo nativo de 32 kHz |
| Relaciones de aspecto | 21:9, 16:9, 4:3, 1:1, 3:4, 9:16; adaptativas donde se admitan |
| Límites de referencia | Hasta 9 imágenes, 3 clips de video y 3 clips de audio; hasta 12 archivos en total |
| Límite de prompt | Hasta 7.000 caracteres en la API oficial |
| Procesamiento | Flujo de trabajo de tareas asíncrono |
Elige el modo de entrada antes de construir la solicitud. Las entradas de primer/último fotograma y las entradas de referencia multimodal son modos separados en la API oficial y no se pueden mezclar en una misma tarea de generación.
| Modo de entrada | Úsalo cuando | Ejemplo práctico |
|---|---|---|
| Texto a video | Necesitas una escena nueva sin un punto de partida visual aprobado | Genera varios conceptos cinematográficos a partir de un brief de campaña |
| Imagen a video con primer fotograma | La composición inicial o la imagen del producto ya está aprobada | Anima una imagen hero de producto manteniendo su encuadre inicial |
| Imagen a video con último fotograma | El plano debe resolverse en una composición final específica | Termina en un cierre de logo, un pack de producto o un fotograma de llamada a la acción |
| Video con primer y último fotograma | Ambos extremos de una transición importan | Pasa de un paquete cerrado al producto totalmente revelado |
| Referencia a video | La identidad, el movimiento, la voz, la música, el entorno o el estilo deben venir de activos de origen | Mantén el mismo producto y portavoz mientras tomas prestado el movimiento de un clip de referencia |
Para referencia a video, MiniMax H3 acepta hasta nueve imágenes, tres clips de video y tres clips de audio, con un máximo de 12 archivos en total. Cada video o clip de audio de referencia puede durar de 2 a 15 segundos, y la duración total de cada tipo de medio no puede superar los 15 segundos. Usa URL públicas para activos grandes porque el cuerpo completo de la solicitud está limitado a 64 MB.
Para comercio electrónico, proporciona imágenes de producto aprobadas, indica qué detalles deben permanecer sin cambios y añade un video de referencia solo cuando su movimiento o trayectoria de cámara sea relevante. El modo de primer y último fotograma suele ser más sencillo para revelaciones de producto controladas.
Para la generación por lotes, trata cada variación como un trabajo asíncrono separado. Guarda su prompt, URL de activos, configuración, ID de tarea y estado; usa una cola con límite; haz que los reintentos sean idempotentes; y copia las salidas exitosas a tu propio almacenamiento. Mantén fijos el tratamiento del logo, el encuadre, la iluminación, el lenguaje de cámara y el CTA mientras inyectas datos de SKU variables por trabajo.
Estos modelos se solapan pero resuelven restricciones diferentes. MiniMax H3 enfatiza la salida 2K, los pesos abiertos, el audio estéreo y las referencias mixtas. Seedance 2.5 admite generaciones más largas y conjuntos de referencias más grandes. Veo 3.1 encaja en flujos de trabajo cortos de Google Cloud con una ruta 4K documentada.
| Factor de decisión | MiniMax H3 | Seedance 2.5 | Veo 3.1 Generate |
|---|---|---|---|
| Duración de una sola generación | 4–15 segundos | 4–30 segundos | 4, 6 u 8 segundos |
| Resolución de salida documentada | 768P o 2K | 480P, 720P o 1080P | 720P, 1080P o 4K |
| Modalidades de entrada | Texto, imagen, video, audio | Texto, imagen, video, audio | Texto e imagen; sin entrada de audio o video en el endpoint Generate documentado |
| Capacidad de referencia | Hasta 9 imágenes, 3 videos, 3 clips de audio; 12 archivos en total | Hasta 30 imágenes, 10 videos y 10 clips de audio | Hasta 3 imágenes de activos |
| Control de primer/último fotograma | Sí | Sí | Sí |
| Audio generado nativo | Sí | Sí | Sí |
| Pesos abiertos | H3-Base publicado bajo una licencia comunitaria | No hay pesos abiertos publicados | No |
| Mejor para | Trabajo con referencias multimodales en 2K, transferencia de movimiento, edición e investigación de autoalojamiento | Escenas más largas, paquetes de referencias grandes y edición guiada por línea de tiempo | Clips cortos de alta fidelidad en Google Cloud y flujos de entrega en 4K |
Compara duración, capacidad de referencia, audio, reintentos y coste del clip final, no solo la resolución máxima. Seedance 2.5 puede reducir el empalme de escenas; H3 puede simplificar el trabajo 2K con referencias mixtas; Veo 3.1 puede encajar en flujos de trabajo cortos en 4K centrados en Google.
Escribe el prompt como un brief de producción compacto que separe roles de origen, línea de tiempo, dirección de cámara, audio, detalles preservados y exclusiones.
Fórmula del prompt: roles del sujeto y de las referencias + objetivo de la escena + acciones cronometradas + movimiento de cámara + iluminación y estilo visual + diálogo, efectos de sonido y música + detalles a preservar + fotograma final
Usa la Imagen 1 para la identidad del producto y la Imagen 2 para la iluminación. Crea un video vertical de lanzamiento de 10 segundos para el altavoz negro mate. Comienza con un plano macro de la rejilla, aléjate mientras gira y luego muestra gotas de agua vibrando con los graves. Conserva el logo, los controles, las proporciones y el acabado. Usa luz fría de contorno, movimiento contenido, ambiente electrónico bajo y sin texto adicional.
Comienza desde el paquete cerrado proporcionado y termina exactamente en el fotograma final proporcionado con el producto ensamblado. Usa un solo movimiento continuo de cámara: la caja se abre, los componentes se elevan y el producto encaja en su sitio. Conserva los gráficos del paquete y la geometría final. Añade clics mecánicos y un tono breve resuelto.
Guías, comparaciones y novedades relacionadas con este modelo.
Todos los artículos
Compara 5 API de vídeo con IA asequibles para comercio electrónico y dramas cortos con IA. Consulta los precios actuales, los costes por clip, las tarifas de audio y el mejor modelo para cada tarea.
Compara los 6 generadores de imágenes con IA más baratos en 2026, desde aproximadamente $0.0035 por imagen. Consulta los costes por lotes, las tarifas ocultas y la mejor API para startups.
Aprende a hacer un vídeo de cuento con IA para niños con GPT Image 2 y Seedance 2.5, incluido el prompt completo, los subtítulos, el sonido, la edición y una prueba real.
Mira Seedance 2.0 vs 2.5 en la misma prueba de storyboard de 15 segundos. Compara la calidad cinematográfica, la emoción, los precios, los casos de uso de comercio electrónico y las funciones de API.
Entrada
Resultado
