提供首帧图片和一段文字描述，使用 MiniMax-H3-Max，明确选择 480P 或 768P，以及 5–15 秒的整数时长，生成短视频。需要时添加配对尾帧，也可分别选择纯文字或参考素材生成模式。
按确认的实际用量结算，未使用的预留额度会恢复到可用余额。
MiniMax
提供首帧图片和一段文字描述，使用 MiniMax-H3-Max，明确选择 480P 或 768P，以及 5–15 秒的整数时长，生成短视频。需要时添加配对尾帧，也可分别选择纯文字或参考素材生成模式。
提供首帧图片、一段非空视频描述、MiniMax-H3-Max 模型、480P 或 768P 分辨率和 5–15 秒时长，生成短视频。也可仅用文字并明确指定非 adaptive 的比例，或使用符合要求的参考素材。
请把[点击后能直接显示图片、无需登录的链接]做成短视频。画面里[一只小纸船沿着溪流漂动]，镜头[缓慢跟随小纸船]。时长[5 秒]，选择[标准或更清晰画质]。
尾帧必须搭配首帧；帧图不能与参考素材输入混用，音频须搭配视觉参考。混合参考素材合计不超过 12 个文件。分辨率选择不保证精确复现参考或特定视听质量。
开始前检查当前输入要求、可用状态和最高预留费用。
| 字段 / 路径 | 类型 | 是否必填 | 含义 |
|---|---|---|---|
生成请求body | object | 必填 | 必填对象，包含模型、内容数组、分辨率和时长；按所选模式提供画面比例与素材来源。
|
模型选择body.model | string | 必填 | 用于选择视频生成模型，必填值固定为 MiniMax-H3-Max。
|
画面宽高比body.ratio | string | 选填 | 支持 adaptive、21:9、16:9、4:3、1:1、3:4 和 9:16。纯文字请求必须明确选择非 adaptive 的值。图生视频按图片解析为 adaptive；参考素材默认 adaptive，也可使用明确比例。
|
场景与参考内容body.content | array | 必填 | 必填数组，恰好包含一个非空文字条目。可添加首尾帧图片或参考素材条目，两组素材不能混用。
|
[]body.content[] | object | — | |
动作描述body.content[].textoneOf · 1 | string | — | text 条目的必填视频提示词，长度为 1–7,000 字符，描述预期场景或运动；有帧图或参考素材时也仍然必填。
|
条目类型body.content[].typeoneOf · 1 | string | — | 将内容条目标记为 text、image_url、video_url 或 audio_url；所选类型决定须提供文字还是对应的链接对象。
|
帧图或参考角色body.content[].roleoneOf · 2 | string | — | 图片角色为 first_frame、last_frame 或 reference_image；单张图片不指定角色时默认 first_frame，last_frame 必须搭配首帧。视频和音频条目分别必填 reference_video 与 reference_audio。参考素材最多九张图片、三个视频和三个音频文件，混合后合计不超过 12 个文件；音频须搭配视觉参考。
|
条目类型body.content[].typeoneOf · 2 | string | — | 将内容条目标记为 text、image_url、video_url 或 audio_url；所选类型决定须提供文字还是对应的链接对象。
|
图片位置对象body.content[].image_urloneOf · 2 | object | — | image_url 条目必填此对象，其中的 url 指向该角色所用的帧图或视觉参考图片。
|
帧图或图片链接body.content[].image_url.urloneOf · 2 | string | — | 提供非空公开 HTTPS 链接或数据 URI，大图片优先使用 HTTPS。支持 JPG/JPEG/PNG/WEBP/HEIC/HEIF，单张不超过 30 MB，每边为 256–5,760 像素，宽高比为 0.4–2.5；不支持 mm_file://。
|
帧图或参考角色body.content[].roleoneOf · 3 | string | — | 图片角色为 first_frame、last_frame 或 reference_image；单张图片不指定角色时默认 first_frame，last_frame 必须搭配首帧。视频和音频条目分别必填 reference_video 与 reference_audio。参考素材最多九张图片、三个视频和三个音频文件，混合后合计不超过 12 个文件；音频须搭配视觉参考。
|
条目类型body.content[].typeoneOf · 3 | string | — | 将内容条目标记为 text、image_url、video_url 或 audio_url；所选类型决定须提供文字还是对应的链接对象。
|
视频参考位置body.content[].video_urloneOf · 3 | object | — | video_url 条目的必填素材位置对象，在参考素材模式中搭配 reference_video 使用。
|
视频参考链接body.content[].video_url.urloneOf · 3 | string | — | 使用非空公开 HTTPS 链接或数据 URI，大视频片段优先使用 HTTPS。参考视频支持 H.264/H.265 编码的 MP4/MOV，视频内音频支持 AAC/MP3。每段不超过 50 MB，时长为 2–15 秒，总时长不超过 15 秒；宽和高分别为 256–5,760 像素，宽高比为 0.4–2.5。不支持 mm_file://。
|
帧图或参考角色body.content[].roleoneOf · 4 | string | — | 图片角色为 first_frame、last_frame 或 reference_image；单张图片不指定角色时默认 first_frame，last_frame 必须搭配首帧。视频和音频条目分别必填 reference_video 与 reference_audio。参考素材最多九张图片、三个视频和三个音频文件，混合后合计不超过 12 个文件；音频须搭配视觉参考。
|
条目类型body.content[].typeoneOf · 4 | string | — | 将内容条目标记为 text、image_url、video_url 或 audio_url；所选类型决定须提供文字还是对应的链接对象。
|
音频参考位置body.content[].audio_urloneOf · 4 | object | — | audio_url 条目的必填位置对象，使用 reference_audio 角色，并至少搭配图片或视频参考；不支持只提供音频参考。
|
音频参考链接body.content[].audio_url.urloneOf · 4 | string | — | 使用指向 WAV/MP3 的非空公开 HTTPS 链接或数据 URI，大音频文件优先使用 HTTPS。每段不超过 15 MB、时长为 2–15 秒，音频参考总时长不超过 15 秒。不支持 mm_file://。
|
视频时长body.duration | integer | 必填 | 必填整数，表示请求的视频时长，可选 5–15 秒；时长与分辨率分别选择。
|
视频分辨率body.resolution | string | 必填 | 明确选择生成视频的分辨率：480P 或 768P。此字段必填，没有预设分辨率。
|
{
"type": "object",
"required": [
"body"
],
"properties": {
"body": {
"type": "object",
"$schema": "https://json-schema.org/draft/2020-12/schema",
"required": [
"model",
"content",
"resolution",
"duration"
],
"~standard": {
"vendor": "zod",
"version": 1,
"jsonSchema": {}
},
"properties": {
"model": {
"type": "string",
"const": "MiniMax-H3-Max",
"description": "模型固定为 MiniMax-H3-Max，必填。"
},
"ratio": {
"enum": [
"adaptive",
"21:9",
"16:9",
"4:3",
"1:1",
"3:4",
"9:16"
],
"type": "string",
"description": "画面比例。文生视频必填且不能为 adaptive；图生视频固定按输入图像确定比例。参考生成默认 adaptive，也可指定具体比例。"
},
"content": {
"type": "array",
"items": {
"oneOf": [
{
"type": "object",
"required": [
"type",
"text"
],
"properties": {
"text": {
"type": "string",
"maxLength": 7000,
"minLength": 1,
"description": "视频提示词，最多 7000 个字符；所有生成模式均必填。"
},
"type": {
"type": "string",
"const": "text"
}
},
"additionalProperties": false
},
{
"type": "object",
"required": [
"type",
"image_url"
],
"properties": {
"role": {
"enum": [
"first_frame",
"last_frame",
"reference_image"
],
"type": "string",
"description": "图像用途为 first_frame、与首帧配对的 last_frame，或最多 9 张 reference_image。单张未指定用途时默认为首帧。支持 JPG、JPEG、PNG、WEBP、HEIC、HEIF；每边 256 至 5760 像素，比例 0.4 至 2.5。"
},
"type": {
"type": "string",
"const": "image_url"
},
"image_url": {
"type": "object",
"required": [
"url"
],
"properties": {
"url": {
"type": "string",
"minLength": 1,
"description": "公开 HTTPS 链接或 data URI，不支持 mm_file://。图像不超过 30MB，参考视频不超过 50MB，参考音频不超过 15MB，整个请求不超过 64MB；视频优先使用链接。"
}
},
"additionalProperties": false
}
},
"additionalProperties": false
},
{
"type": "object",
"required": [
"type",
"video_url",
"role"
],
"properties": {
"role": {
"type": "string",
"const": "reference_video",
"description": "参考视频，仅用于参考生成，最多 3 个。支持 MP4/MOV、H.264/H.265；每段 2 至 15 秒，合计不超过 15 秒。"
},
"type": {
"type": "string",
"const": "video_url"
},
"video_url": {
"type": "object",
"required": [
"url"
],
"properties": {
"url": {
"type": "string",
"minLength": 1,
"description": "公开 HTTPS 链接或 data URI，不支持 mm_file://。图像不超过 30MB，参考视频不超过 50MB，参考音频不超过 15MB，整个请求不超过 64MB；视频优先使用链接。"
}
},
"additionalProperties": false
}
},
"additionalProperties": false
},
{
"type": "object",
"required": [
"type",
"audio_url",
"role"
],
"properties": {
"role": {
"type": "string",
"const": "reference_audio",
"description": "参考音频，仅用于参考生成，最多 3 个，且不能作为唯一参考。支持 WAV/MP3；每段 2 至 15 秒，合计不超过 15 秒。"
},
"type": {
"type": "string",
"const": "audio_url"
},
"audio_url": {
"type": "object",
"required": [
"url"
],
"properties": {
"url": {
"type": "string",
"minLength": 1,
"description": "公开 HTTPS 链接或 data URI，不支持 mm_file://。图像不超过 30MB，参考视频不超过 50MB，参考音频不超过 15MB，整个请求不超过 64MB；视频优先使用链接。"
}
},
"additionalProperties": false
}
},
"additionalProperties": false
}
]
},
"minItems": 1,
"description": "多模态输入。每个请求必须包含且仅包含一项非空文本。图生视频使用 first_frame/last_frame，参考生成使用 reference_image/reference_video/reference_audio，两组不可混用。"
},
"duration": {
"type": "integer",
"maximum": 15,
"minimum": 5,
"description": "视频长度，单位秒，范围 5 至 15。"
},
"resolution": {
"enum": [
"480P",
"768P"
],
"type": "string",
"description": "输出分辨率，供应商报价为 480P 每秒 0.05 美元、768P 每秒 0.08 美元；Toolmu 以当前目录的 credits 计费。"
}
},
"additionalProperties": false
}
},
"additionalProperties": false
}暂未配置返回字段说明。
首帧提供图生视频的起始图片，配对尾帧提供结束边界。用一个文字条目描述预期运动，再选择输出分辨率和时长。
纯文字与参考素材模式使用相同的固定模型、分辨率选择和时长范围。纯文字须明确画面比例；参考素材使用各自的图片、视频与音频角色，音频须搭配视觉参考。单类上限为九张图片、三个视频和三个音频文件，混合后参考文件合计不超过 12 个。
对于已完成的视频任务，MiniMax 将 content.url 定义为有时效的下载地址。返回链接时，应及时保存实际视频文件。供应商任务标识与 Toolmu 任务 ID 不同；created_at 与 updated_at 分别是创建任务和最近更新状态的 Unix 秒数。
供应商状态用于说明生成进度，succeeded 表示完成。返回的用量可以区分参考视频输入秒数、生成视频输出秒数及其计量合计，以及图片数量。应将实际返回的设置和用量随结果保留，不把这些数量当作已确认的 Toolmu credits 扣费。
选择[5 到 15 秒之间的整秒时长]，再选[标准画质（费用较低）或更清晰画质（费用较高）]。视频会沿用图片的横竖方向，无需另选。
请把[点击后能直接显示图片、无需登录的链接]做成短视频。画面里[一只小纸船沿着溪流漂动]，镜头[缓慢跟随小纸船]。时长[5 秒]，选择[标准或更清晰画质]。
视频生成后请打开并保存一份。如果页面提供下载链接，请尽快保存，因为链接之后可能失效。
不能。除模型、时长和内容外，还必须明确选择 480P 或 768P，没有预设分辨率。应先选定，再由 Agent 检查当前价格并提交生成任务。
不能。本工具要求 last_frame 图片同时搭配首帧。首尾帧系列须与 reference_image、reference_video 和 reference_audio 输入分开。
不能。每种模式都恰好需要一个非空文字条目，用于描述预期视频。音频参考还须搭配图片或视频，不能作为唯一参考文件。
不能把最高预留额度当作固定生成价格。Agent 应按所选设置核对当前价格与预算，设定已授权的 credits 上限，并在完成后报告实际确认扣费。