提供照片和一段动作提示词，使用 MiniMax-H3，选择 4–15 秒的整数时长及 768P 或 2K，生成短视频并在成功后通过下载链接获取文件。照片可作为首帧，按需搭配尾帧；参考媒体须采用另一种独立的生成模式。
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
提供照片和一段动作提示词，使用 MiniMax-H3，选择 4–15 秒的整数时长及 768P 或 2K，生成短视频并在成功后通过下载链接获取文件。照片可作为首帧，按需搭配尾帧；参考媒体须采用另一种独立的生成模式。
将照片作为首帧，提供一段描述场景和运动的提示词，并指定 MiniMax-H3、4–15 秒时长及 768P 或 2K，申请生成照片动画。生成成功后，通过下载链接获取并保存视频。可选的配对尾帧提供结束画面边界；参考图片、视频或音频需在另一种生成模式中使用。
请把[一个无需登录、打开后能直接看到照片的链接]做成短视频。画面显示[湖面轻轻泛起涟漪]，镜头[缓慢向前移动]。时长[5 秒]，选择[更清晰画质]。视频会沿用照片的横竖方向。
首尾帧与参考媒体不能混用；尾帧必须搭配首帧，音频也不能是唯一参考。当前 H3 官方文档列出 768P 和 2K；本工具另接受 480P 输入，但该分辨率的视频交付尚未核实。下载链接有时效，须及时保存视频。
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 |
|---|---|---|---|
视频生成输入body | object | 必填 | 必填对象，包含固定模型、一段场景提示词、所选分辨率和时长，以及生成模式所需的帧图或参考媒体。
|
生成模型body.model | string | 必填 | 必填模型标识为 MiniMax-H3，指定本次 H3 视频生成。
|
视频宽高比body.ratio | string | 选填 | 画面宽高比可选 adaptive、21:9、16:9、4:3、1:1、3:4 或 9:16。纯文字模式须明确选择非 adaptive 值；帧图模式由图片决定比例并解析为 adaptive；参考模式默认 adaptive，也接受明确比例。
|
提示词与媒体条目body.content | array | 必填 | 必填列表，恰好包含一个非空文字条目。帧图模式使用一张首帧及可选的配对尾帧，或改用参考媒体，两组不能混用。参考模式最多使用 9 张图片、3 段视频、3 段音频，文件合计不超过 12 个；音频须搭配参考图片或视频。
|
[]body.content[] | object | — | |
场景与动作提示词body.content[].textoneOf · 1 | string | — | 单个文字条目的必填字段，用 1–7,000 字符描述场景、动作和镜头运动。所有支持模式都需要这段文字，添加媒体后也不例外。
|
条目类型body.content[].typeoneOf · 1 | string | — | 必填类型：text 表示场景提示词，image_url 表示帧图或参考图片，video_url 表示参考视频片段，audio_url 表示参考音频。
|
帧图或参考角色body.content[].roleoneOf · 2 | string | — | first_frame 指定起始图片，last_frame 指定配对结束图片，本工具要求它搭配 first_frame。单张图片省略角色时按 first_frame 处理。参考角色为 reference_image、reference_video、reference_audio；视频和音频条目必须使用对应角色。
|
条目类型body.content[].typeoneOf · 2 | string | — | 必填类型：text 表示场景提示词，image_url 表示帧图或参考图片，video_url 表示参考视频片段，audio_url 表示参考音频。
|
帧图或参考图片来源body.content[].image_urloneOf · 2 | object | — | image_url 条目的必填对象，其中的 url 指向所选帧图位置或用于生成参考的图片。
|
图片地址body.content[].image_url.urloneOf · 2 | string | — | 非空公开 HTTPS 链接或数据 URI，大文件优先使用 HTTPS。支持 JPG/JPEG/PNG/WEBP/HEIC/HEIF，单张不超过 30 MB，每边 256–5,760 像素，宽高比 0.4–2.5。不接受 mm_file://。
|
帧图或参考角色body.content[].roleoneOf · 3 | string | — | first_frame 指定起始图片，last_frame 指定配对结束图片，本工具要求它搭配 first_frame。单张图片省略角色时按 first_frame 处理。参考角色为 reference_image、reference_video、reference_audio；视频和音频条目必须使用对应角色。
|
条目类型body.content[].typeoneOf · 3 | string | — | 必填类型：text 表示场景提示词，image_url 表示帧图或参考图片，video_url 表示参考视频片段，audio_url 表示参考音频。
|
参考视频来源body.content[].video_urloneOf · 3 | object | — | 参考模式下 video_url 条目的必填对象，其中的 url 提供用于引导动作或镜头的片段，角色为 reference_video。
|
参考视频片段地址body.content[].video_url.urloneOf · 3 | string | — | 非空公开 HTTPS 链接或数据 URI，优先使用 HTTPS。支持 MP4/MOV，视频编码为 H.264/AVC 或 H.265/HEVC，若含音频则为 AAC/MP3；单段不超过 50 MB。每段 2–15 秒，所有参考视频合计不超过 15 秒；每边 256–5,760 像素，宽高比 0.4–2.5，帧率 23.976–60 fps。不接受 mm_file://。
|
帧图或参考角色body.content[].roleoneOf · 4 | string | — | first_frame 指定起始图片，last_frame 指定配对结束图片，本工具要求它搭配 first_frame。单张图片省略角色时按 first_frame 处理。参考角色为 reference_image、reference_video、reference_audio；视频和音频条目必须使用对应角色。
|
条目类型body.content[].typeoneOf · 4 | string | — | 必填类型：text 表示场景提示词，image_url 表示帧图或参考图片，video_url 表示参考视频片段，audio_url 表示参考音频。
|
参考音频来源body.content[].audio_urloneOf · 4 | object | — | audio_url 条目的必填对象，角色为 reference_audio。其中的 url 提供参考生成使用的音频，须搭配参考图片或视频。
|
参考音频地址body.content[].audio_url.urloneOf · 4 | string | — | 非空公开 HTTPS 链接或数据 URI，优先使用 HTTPS。支持 WAV/MP3，单个文件不超过 15 MB。每段 2–15 秒，所有参考音频合计不超过 15 秒。音频不能是唯一参考，不接受 mm_file://。
|
请求片段时长body.duration | integer | 必填 | 必填整数，表示请求的输出时长，可选 4–15 秒；它是片段设置，与实际计量用量和扣费分别记录。
|
生成视频分辨率body.resolution | string | 必填 | 输入可选 480P、768P 或 2K，没有预设值。当前 MiniMax H3 官方文档列出 768P 与 2K，可按已记录的输出选项选择；虽然输入接受 480P，该分辨率的视频交付仍未核实。
|
{
"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",
"description": "模型固定为 MiniMax-H3，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": 4,
"description": "视频长度，单位秒，范围 4 至 15。"
},
"resolution": {
"enum": [
"480P",
"768P",
"2K"
],
"type": "string",
"description": "输出分辨率，供应商报价为 480P 每秒 0.038 美元、768P 每秒 0.08 美元、2K 每秒 0.13 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。
首帧照片指定起始画面，文字提示词描述所需动作与镜头运动，配对尾帧则提供结束画面边界。添加帧图后也仍然需要一段文字提示词。不提供图片时采用文字生成视频，须明确指定比例；使用帧图时，比例由图片决定。
参考生成采用另一组输入：参考图片用于引导外观，视频片段用于引导动作或镜头，音频用于提供音频参考。这组角色不能与首尾帧混用，音频须至少搭配参考图片或视频。最多可用 9 张参考图片、3 段视频和 3 段音频，参考文件合计不超过 12 个，同时须满足对应媒体条件。
MiniMax 将视频生成定义为异步任务，任务受理并不表示视频已完成。成功后的任务结果提供有时效的视频下载链接，应及时保存文件。供应商任务标识用于跟踪该次生成，与 Agent 使用的 Toolmu 运行标识分别记录。
返回时，模型、分辨率、时长和画面比例用于说明生成视频的设置。MiniMax 将任务创建与更新时间定义为 Unix 秒级时间戳；输出秒数表示生成片段的时长，输入秒数表示参考视频输入时长，总秒数为计量输入与输出之和，图片数量表示提供的图片数。保留零值与缺失值的区别；这些用量与 Toolmu 已确认的 credits 扣费分别记录。
选择[4 到 15 秒之间、按整秒计算的时长]，再选一种画质：[标准画质（费用最低）]、[更清晰画质（费用较高）]或[最清晰画质（费用最高）]。视频会沿用照片的横竖方向。若想单独指定结束画面，也要提供开头照片。
请把[一个无需登录、打开后能直接看到照片的链接]做成短视频。画面显示[湖面轻轻泛起涟漪]，镜头[缓慢向前移动]。时长[5 秒]，选择[更清晰画质]。视频会沿用照片的横竖方向。
视频生成后请打开并保存。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。本工具要求 last_frame 必须搭配 first_frame，即使同时提供首尾帧，也仍须保留一段文字提示词。
须选择其中一组。首尾帧定义起始和结束画面边界；参考图片、视频和音频用于另一种生成模式，不能在一个请求中混用两组角色。
不能。参考音频须至少搭配一张参考图片或一段参考视频，并保留必需的文字提示词。音频属于参考输入，不保证特定的语音表现。
当前 MiniMax H3 官方文档列出 768P 与 2K，可按这两个选项选择。本工具输入也接受 480P，但 H3 在该分辨率的视频交付仍未核实。