API vidéo MiniMax

Cette page décrit l’appel du modèle vidéo MiniMax H3, minimax-h3. Comme les autres modèles vidéo, il se crée avec POST /v1/videos et s’interroge avec GET /v1/videos/{id} ; l’authentification, le téléversement des médias, les états d’interrogation, le téléchargement des résultats et la gestion des erreurs sont décrits dans la spécification complète de l’API vidéo. Cette page ne présente que les champs et règles propres à H3.

Mis à jour le 2026-10-13. H3 n’est proposé qu’en trois résolutions : 768P, 1080P et 2K ; la 480P et la 4K ont été retirées. Les nouvelles requêtes prennent en charge uniquement l’interrogation : ne définissez pas callback_url.

Exemple de texte vers vidéo

curl --request POST 'https://api.88api.ai/v1/videos' \
  --header 'Authorization: Bearer sk-xxxx' \
  --header 'Content-Type: application/json' \
  --data-raw '{
    "model": "minimax-h3",
    "prompt": "Voiture de sport argentée dans une ville pluvieuse la nuit, travelling en contre-plongée, reflets de néons, rendu cinématographique",
    "duration": 5,
    "resolution": "1080p",
    "ratio": "16:9"
  }'

Après la création, conservez l’id de la réponse, interrogez GET /v1/videos/{id} jusqu’à la fin de la tâche, puis téléchargez la vidéo depuis l’url de la réponse finale. minimax_h3 est un autre nom du même modèle, avec un appel et une facturation identiques.

Paramètres de sortie

H3 n’a qu’un seul nom de modèle : resolution choisit la résolution de sortie, qui détermine aussi la facturation, et ratio le format d’image.

• La 2K est obtenue par un traitement de super-résolution et non par génération native.
• N’utilisez pas size pour transmettre le format d’image. size accepte uniquement une résolution comme 1080p ou des dimensions largeur×hauteur comme 1920x1080 ; la valeur 16:9 serait interprétée comme une résolution et rejetée.
• La vidéo comporte toujours une piste audio, sans option de génération audio ; la durée réelle dépasse généralement celle demandée d’environ 0,1 à 0,6 seconde.
• Si un paramètre n’est pas conforme (résolution, format, durée, nombre ou combinaison de médias), la requête renvoie directement 400, sans création de tâche ni facturation.

Durée de génération et interrogation

La durée de génération H3 dépend des paramètres de la requête :

• Les requêtes courantes (format 16:9 ou 9:16, texte vers vidéo, images de référence ou images de début et de fin en 768P) sont plus rapides : environ 2 à 3 minutes en 768P, environ 5 à 8 minutes en 1080P ou 2K.
• Les autres formats, une image de début seule, des images de début et de fin en 1080P/2K et les combinaisons similaires prennent nettement plus de temps : avec la file d’attente, comptez de 10 à 60 minutes.

Fixez le délai d’interrogation à 60 minutes ou plus ; un intervalle d’interrogation de 10 à 30 secondes suffit.

Médias de référence

Placez les images de référence dans metadata.referenceImages et l’audio de référence dans metadata.referenceAudios. Jusqu’à 9 images de référence et 3 audios de référence ; un audio de référence doit être accompagné d’au moins une image de référence.

{
  "model": "minimax-h3",
  "prompt": "La personne de l’image de référence danse sur le rythme de l’audio de référence, la caméra tourne lentement autour d’elle",
  "duration": 6,
  "resolution": "768p",
  "ratio": "16:9",
  "metadata": {
    "referenceImages": ["https://cdn.example.com/dancer.jpg"],
    "referenceAudios": ["https://cdn.example.com/music.mp3"]
  }
}

Images de début et de fin

Utilisez metadata.firstFrame et metadata.lastFrame, qui ne peuvent pas être combinées avec des images ou des audios de référence. Fournir les deux images en 768P donne la génération la plus rapide ; vous pouvez aussi fournir uniquement une image de début, ou utiliser des images de début et de fin en 1080P ou 2K, mais la génération prend alors plus de temps.

{
  "model": "minimax-h3",
  "prompt": "La caméra glisse de la côte à l’aube vers la même baie au crépuscule",
  "duration": 5,
  "resolution": "768p",
  "ratio": "16:9",
  "metadata": {
    "firstFrame": "https://cdn.example.com/start.jpg",
    "lastFrame": "https://cdn.example.com/end.jpg"
  }
}

Traitement de images au niveau racine

Avec 2 images, images au niveau racine (ou input_reference) est traité comme image de début et image de fin ; avec 1 image ou 3 images ou plus, l’usage n’est pas garanti (elles peuvent être traitées comme images de référence ou comme image de début). Utilisez plutôt metadata.referenceImages ou metadata.firstFrame/lastFrame pour indiquer explicitement l’usage.

Exigences des médias

• Fournissez les images et l’audio sous forme de liens HTTPS accessibles publiquement ou de data URL Base64 ; vous pouvez aussi téléverser directement des fichiers image et audio locaux via un formulaire multipart.
• Images : JPG, PNG ou WebP, 10 Mo maximum par image recommandés. Audio : MP3 ou WAV, 20 Mo maximum par fichier. Les médias Base64 intégrés ne doivent pas dépasser 32 Mo au total.
• N’utilisez pas de chemins locaux, d’adresses de réseau interne ni de liens blob: du navigateur.
• Les liens de la vidéo finale expirent (au bout de 24 heures au minimum) : téléchargez et enregistrez la vidéo rapidement une fois la tâche terminée.