MiniMax 動画 API 仕様

このページは、MiniMax H3 の動画モデル minimax-h3 の呼び出し仕様です。このモデルは、他の動画モデルと同じく POST /v1/videos で作成し、GET /v1/videos/{id} でポーリングします。認証、素材のアップロード、ポーリングのステータス、結果のダウンロード、エラー処理は動画 API 完全呼び出し仕様を参照してください。このページでは、H3 に固有のフィールドとルールだけを説明します。

2026-10-13 更新。H3 で提供しているのは 768P、1080P、2K の 3 つの解像度のみで、480P と 4K は提供を終了しました。新しいリクエストはポーリングのみに対応しています。callback_url は設定しないでください。

テキストから動画生成の例

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": "雨の夜の街を走る銀色のスポーツカー、ローアングルの追従ショット、ネオンの映り込み、映画のような質感",
    "duration": 5,
    "resolution": "1080p",
    "ratio": "16:9"
  }'

作成後、レスポンスの id を保存し、GET /v1/videos/{id} で完了までポーリングしてから、完了レスポンスの url から完成動画をダウンロードします。minimax_h3 は同じモデルの別名で、呼び出し方法も課金もまったく同じです。

仕様パラメーター

H3 のモデル名は 1 つだけです。resolution で出力解像度を選び（課金も解像度ごと）、ratio でアスペクト比を選びます。

• 2K は超解像のワークフローで生成されるもので、ネイティブの生成ではありません。
• アスペクト比を size で送らないでください。size が受け付けるのは 1080p のような解像度、または 1920x1080 のような幅×高さだけです。16:9 と書くと解像度として解釈され、拒否されます。
• 完成動画には音声トラックが付き、音声生成のスイッチはありません。実際の長さは、通常リクエストより約 0.1–0.6 秒長くなります。
• パラメーターが要件を満たさない場合（解像度、アスペクト比、秒数、素材の数や組み合わせ）、送信時に 400 が返され、タスクは作成されず、課金もされません。

生成時間とポーリング

H3 の生成時間はリクエストのパラメーターによって決まります。

• 通常のリクエスト（アスペクト比 16:9、9:16 で、テキストからの生成、参照画像、または 768P の開始・終了フレーム）は比較的短時間で生成され、768P は約 2–3 分、1080P と 2K は約 5–8 分です。
• その他のアスペクト比、開始フレームのみ、1080P/2K の開始・終了フレームなどの組み合わせは、かなり時間がかかります。混雑時は 10–60 分かかることがあります。

ポーリングのタイムアウトは 60 分以上に設定してください。ポーリング間隔は 10–30 秒で十分です。

参照素材

参照画像は metadata.referenceImages、参照音声は metadata.referenceAudios に指定します。参照画像は最大 9 枚、参照音声は最大 3 本です。参照音声を使う場合は、参照画像を 1 枚以上一緒に指定する必要があります。

{
  "model": "minimax-h3",
  "prompt": "参照画像の人物が参照音声のリズムに合わせて踊り、カメラがゆっくりと周囲を回る",
  "duration": 6,
  "resolution": "768p",
  "ratio": "16:9",
  "metadata": {
    "referenceImages": ["https://cdn.example.com/dancer.jpg"],
    "referenceAudios": ["https://cdn.example.com/music.mp3"]
  }
}

開始・終了フレーム

metadata.firstFrame と metadata.lastFrame を使います。参照画像や参照音声とは併用できません。開始・終了フレームを両方指定し、768P にした場合が最も速く生成されます。開始フレームだけを指定することや、1080P、2K で開始・終了フレームを使うこともできますが、生成時間は長くなります。

{
  "model": "minimax-h3",
  "prompt": "早朝の海岸から夕暮れの同じ入り江へ、カメラがなめらかに進む",
  "duration": 5,
  "resolution": "768p",
  "ratio": "16:9",
  "metadata": {
    "firstFrame": "https://cdn.example.com/start.jpg",
    "lastFrame": "https://cdn.example.com/end.jpg"
  }
}

トップレベルの images の扱い

トップレベルの images（または input_reference）に 2 枚を指定すると、開始フレームと終了フレームとして扱われます。1 枚または 3 枚以上の場合は、用途が固定されません（参照画像または開始フレームとして扱われる可能性があります）。用途を明確にするため、metadata.referenceImages または metadata.firstFrame/lastFrame を使ってください。

素材の要件

• 画像と音声は、公開アクセスできる HTTPS の URL か Base64 の data URL で指定します。multipart フォームでローカルの画像・音声ファイルを直接アップロードすることもできます。
• 画像は JPG、PNG、WebP のいずれかで、1 枚あたり 10 MB 以下を推奨します。音声は MP3 または WAV で、1 本あたり 20 MB 以下です。Base64 でインライン指定する素材は合計 32 MB 以下です。
• ローカルのファイルパス、内部ネットワークのアドレス、ブラウザーの blob: URL は使わないでください。
• 完成動画の URL には有効期限（最短 24 時間）があります。タスク完了後は早めにダウンロードして保存してください。