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"
}'Comece pelo custo de uma única amostra e escolha um orçamento de teste. As tarifas da GPTProto são 30% abaixo do preço de tabela.
| Cenário | Lista de MiniMax | OpenRouter | GPTProto | Economia / mês |
|---|---|---|---|---|
| Anúncios curtos de produto30 × 5s / mês | $19.50 | $20.57 | $13.65 | −$5.85≈ $70.20 / ano |
| Clipes sociais60 × 5s / mês | $39.00 | $41.14 | $27.30 | −$11.70≈ $140.40 / ano |
| Geração em massa100 × 5s / mês | $65.00 | $68.58 | $45.50 | −$19.50≈ $234.00 / ano |
MiniMax · $0.224 / Por Tempo · 2K · mais
Acesse a API MiniMax-H3 por meio do GPTProto para geração de vídeo cinematográfico a partir de prompts, quadros-chave e ativos de referência mistos. Crie clipes de 4 a 15 segundos com áudio estéreo nativo, use até nove imagens de referência, três clipes de vídeo e três faixas de áudio, e gerencie o MiniMax H3 ao lado de mais de 200 modelos de IA com uma única chave de API e um único saldo.
Texto, Imagem, Vídeo e Áudio em um Único Contexto
Combine um prompt com referências de imagem, vídeo e áudio. O MiniMax H3 pode usar esses recursos para orientar a identidade do sujeito, o movimento, o comportamento da câmera, o estilo visual, a voz e o ritmo de edição.
4–15 Segundos em 768P ou 2K
Escolha uma duração inteira de 4 a 15 segundos. Gere em 768P para rascunhos ou solicite saída em 2K quando detalhes mais nítidos do produto, tipografia ou qualidade de entrega final forem importantes.
MiniMax H3 é o sistema de geração de vídeo de uso geral e pesos abertos da MiniMax. Em vez de tratar texto para vídeo, animação por quadros-chave e referências multimodais como ferramentas separadas, ele interpreta texto, imagens, vídeo e áudio em um único contexto. A API hospedada usa um fluxo de trabalho assíncrono: envie uma tarefa, armazene o ID da tarefa, verifique seu status e recupere a URL do vídeo finalizado.
A saída varia de 4 a 15 segundos a 24 fps, com modos 768P e 2K, proporções paisagem, quadrada e retrato, e áudio estéreo nativo. Os pesos lançados do H3-Base usam a Licença Comunitária do MiniMax H3; o acesso à API hospedada e a auto-hospedagem continuam sendo escolhas de implantação separadas.
| Especificação | Detalhes da API do MiniMax H3 |
|---|---|
| Provedor | MiniMax |
| Nome do modelo na API oficial | MiniMax-H3 |
| String de modelo do GPTProto | MiniMax-H3 |
| Modos de geração | Texto para vídeo, I2V de primeiro quadro, I2V de último quadro, I2V de primeiro e último quadro, referência multimodal para vídeo |
| Tipos de entrada | Texto, imagens, vídeo e áudio |
| Duração da saída | 4–15 segundos, valores inteiros |
| Resolução da saída | 768P ou 2K |
| Taxa de quadros | 24 fps |
| Áudio da saída | Estéreo nativo de 32 kHz |
| Proporções de tela | 21:9, 16:9, 4:3, 1:1, 3:4, 9:16; adaptável quando compatível |
| Limites de referência | Até 9 imagens, 3 clipes de vídeo e 3 clipes de áudio; até 12 arquivos no total |
| Limite de prompt | Até 7.000 caracteres na API oficial |
| Processamento | Fluxo de tarefas assíncrono |
Escolha o modo de entrada antes de montar a solicitação. Entradas de primeiro/último quadro e entradas de referência multimodal são modos separados na API oficial e não podem ser misturados em uma mesma tarefa de geração.
| Modo de entrada | Use quando | Exemplo prático |
|---|---|---|
| Texto para vídeo | Você precisa de uma nova cena sem um ponto de partida visual aprovado | Gere vários conceitos cinematográficos a partir de um briefing de campanha |
| Imagem para vídeo com primeiro quadro | A composição inicial ou a imagem do produto já foi aprovada | Anime uma imagem hero do produto mantendo seu enquadramento inicial |
| Imagem para vídeo com último quadro | A tomada deve terminar em uma composição final específica | Termine em um lockup de logotipo, embalagem do produto ou quadro de chamada para ação |
| Vídeo com primeiro e último quadro | Ambos os pontos de uma transição importam | Vá de uma embalagem fechada para o produto totalmente revelado |
| Referência para vídeo | Identidade, movimento, voz, música, cenário ou estilo devem vir dos ativos de origem | Mantenha o mesmo produto e porta-voz enquanto empresta movimento de um clipe de referência |
Para referência para vídeo, o MiniMax H3 aceita até nove imagens, três clipes de vídeo e três clipes de áudio, com no máximo 12 arquivos no total. Cada vídeo ou clipe de áudio de referência pode ter 2–15 segundos, e a duração total de cada tipo de mídia não pode exceder 15 segundos. Use URLs públicas para ativos grandes porque o corpo completo da solicitação é limitado a 64 MB.
Para e-commerce, forneça imagens de produto aprovadas, informe quais detalhes devem permanecer inalterados e adicione um vídeo de referência apenas quando seu movimento ou trajetória de câmera for importante. O modo de primeiro e último quadro costuma ser mais simples para revelações controladas de produtos.
Para geração em lote, trate cada variação como um trabalho assíncrono separado. Armazene seu prompt, URLs de ativos, configurações, ID da tarefa e status; use uma fila limitada; torne as tentativas idempotentes; e copie as saídas bem-sucedidas para seu próprio armazenamento. Mantenha o tratamento do logotipo, enquadramento, iluminação, linguagem de câmera e CTA fixos enquanto injeta dados variáveis de SKU por trabalho.
Esses modelos se sobrepõem, mas resolvem restrições diferentes. O MiniMax H3 enfatiza saída em 2K, pesos abertos, áudio estéreo e referências mistas. O Seedance 2.5 oferece suporte a gerações mais longas e conjuntos de referência maiores. O Veo 3.1 se encaixa em fluxos de trabalho curtos do Google Cloud com um caminho documentado para 4K.
| Fator de decisão | MiniMax H3 | Seedance 2.5 | Veo 3.1 Generate |
|---|---|---|---|
| Duração de uma única geração | 4–15 segundos | 4–30 segundos | 4, 6 ou 8 segundos |
| Resolução de saída documentada | 768P ou 2K | 480P, 720P ou 1080P | 720P, 1080P ou 4K |
| Modalidades de entrada | Texto, imagem, vídeo, áudio | Texto, imagem, vídeo, áudio | Texto e imagem; sem entrada de áudio ou vídeo no endpoint Generate documentado |
| Capacidade de referência | Até 9 imagens, 3 vídeos, 3 clipes de áudio; 12 arquivos no total | Até 30 imagens, 10 vídeos e 10 clipes de áudio | Até 3 imagens de ativos |
| Controle de primeiro/último quadro | Sim | Sim | Sim |
| Áudio nativo gerado | Sim | Sim | Sim |
| Pesos abertos | H3-Base lançado sob uma licença comunitária | Nenhum peso aberto publicado | Não |
| Mais adequado para | Trabalho de referência multimodal em 2K, transferência de movimento, edição e pesquisa de auto-hospedagem | Cenas mais longas, grandes pacotes de referência e edição orientada por linha do tempo | Clipes curtos de alta fidelidade em fluxos de trabalho do Google Cloud e entrega em 4K |
Compare duração, capacidade de referência, áudio, tentativas e custo do clipe finalizado — não apenas a resolução máxima. O Seedance 2.5 pode reduzir a costura de cenas; o H3 pode simplificar o trabalho com referências mistas em 2K; o Veo 3.1 pode ser adequado para fluxos de trabalho curtos em 4K centrados no Google.
Escreva o prompt como um briefing de produção compacto que separa funções das fontes, linha do tempo, direção de câmera, áudio, detalhes preservados e exclusões.
Fórmula do prompt: funções do sujeito e das referências + objetivo da cena + ações cronometradas + movimento de câmera + iluminação e estilo visual + diálogo, efeitos sonoros e música + detalhes a preservar + quadro final
Use a Imagem 1 para a identidade do produto e a Imagem 2 para iluminação. Crie um vídeo vertical de lançamento de 10 segundos para o alto-falante preto fosco. Comece com um plano macro da grade, afaste-se enquanto ele gira, depois mostre gotas de água vibrando com o baixo. Preserve o logotipo, os controles, as proporções e o acabamento. Use luz de contorno fria, movimento contido, ambiência eletrônica baixa e nenhum texto extra.
Comece com a embalagem fechada fornecida e termine exatamente no quadro final fornecido com o produto montado. Use um movimento contínuo de câmera: a caixa se abre, os componentes sobem e o produto se encaixa no lugar. Preserve os gráficos da embalagem e a geometria final. Adicione cliques mecânicos e um tom curto de resolução.
Guias, comparações e atualizações relacionadas a este modelo.
Todos os artigos
Compare 5 APIs de vídeo com IA acessíveis para e-commerce e drama curto com IA. Veja preços atuais, custos por clipe, taxas de áudio e o melhor modelo para cada tarefa.
Compare 6 geradores de imagens com IA mais baratos em 2026, a partir de cerca de $0.0035 por imagem. Veja custos de lote, taxas ocultas e a melhor API para startups.
Aprenda a fazer um vídeo de história com IA para crianças com GPT Image 2 e Seedance 2.5, incluindo o prompt completo, legendas, som, edição e um teste real.
Veja Seedance 2.0 vs 2.5 no mesmo teste de storyboard de 15 segundos. Compare qualidade cinematográfica, emoção, preços, casos de uso de e-commerce e recursos de API.
Entrada
Saída
