MiniMax H3 Generator wideo AI

Użyj MiniMax H3 do wideo trwającego od 4 do 15 sekund, które wymaga kadru wyłącznie z promptu, jednej lub dwóch klatek prowadzących albo pakietu referencji multimodalnych. Model wyróżniają poziomy 768P i 2K oraz jawne uwzględnianie czasu wideo wejściowego i ponad pięciu obrazów.

Wszystkie trzy sceny używają niepustego promptu o długości do 7000 znaków. Tekst nie przyjmuje plików i wymaga konkretnych, nieadaptacyjnych proporcji. Scena Klatki przyjmuje dokładnie jeden obraz jako klatkę początkową lub końcową albo dwa uporządkowane obrazy jako początek i koniec, bez wideo ani audio. Referencja wymaga co najmniej jednego pliku; audio nie może być użyte samodzielnie i musi towarzyszyć obrazowi lub wideo.

Rivya przyjmuje maksymalnie dziewięć obrazów JPEG, PNG lub WebP, trzy wideo MP4 lub MOV i trzy pliki audio MP3 lub WAV, łącznie nie więcej niż 15 plików. Każdy obraz jest ograniczony do 30 MB. Wideo jest ograniczone do 50 MB i od 2 do 15 sekund na plik, przy 15 sekundach wideo łącznie; audio jest ograniczone do 15 MB i od 2 do 15 sekund na plik, przy 15 sekundach audio łącznie.

Obrazy i wideo referencyjne muszą mieć szerokość oraz wysokość od 256 do 5760 pikseli i proporcje od 0,4 do 2,5. Wideo referencyjne musi ponadto działać z częstotliwością od 23,976 do 60 klatek na sekundę.

Stawka wynosi 16 kredytów w 768P lub 26 w 2K i jest mnożona przez sumę żądanych sekund wyniku oraz zweryfikowanych sekund wideo wejściowego. Pierwsze pięć obrazów nie dodaje opłaty za obrazy; każdy obraz od szóstego do dziewiątego dodaje 8 kredytów. Audio wejściowe nie zwiększa tej formuły. Rivya tylko raz zaokrągla w górę łączną sumę.

Text-to-video wymaga 21:9, 16:9, 4:3, 1:1, 3:4 lub 9:16 i nie przyjmuje ustawienia adaptacyjnego. Reference-to-video może również używać proporcji adaptacyjnych. Ścieżka prowadzona klatkami wywodzi kadr z dostarczonego obrazu lub pary obrazów zamiast wysyłać osobną wartość proporcji.

Rivya rezerwuje obliczoną kwotę przed generowaniem, zachowując wszystkie składniki stawki i zaokrąglając dopiero pełną sumę. Gdy zgłoszone rzeczywiste zużycie jest prawidłowe i nie przekracza rezerwacji, Rivya rozlicza zadanie według tej wartości. Brakujące, nieprawidłowe lub przekraczające rezerwację zużycie trafia do uzgodnienia zamiast powodować ukryte dodatkowe obciążenie.

Wybierz tekst, prowadzenie klatkami lub scenę referencji multimodalnych; ustaw 768P lub 2K; wybierz całkowity czas od 4 do 15 sekund; użyj proporcji tylko tam, gdzie przyjmuje je dana scena.

Nie. W scenie referencji audio musi towarzyszyć co najmniej jednemu obrazowi lub wideo. Sceny tekstu i klatek nie przyjmują audio.

Tak. Przy jednym obrazie wybierz, czy jest klatką początkową, czy końcową. Przy dwóch ustaw je jako początek, a następnie koniec.

Pierwsze pięć obrazów jest zawarte w bazowej formule czasu. Każdy dodatkowy obraz od szóstego do dziewiątego dodaje 8 kredytów do łącznego szacunku, zanim suma zostanie jeden raz zaokrąglona w górę.

Użyj 768P za 16 kredytów na rozliczaną sekundę podczas testowania ruchu i ról referencji. Wybierz 2K za 26 kredytów na rozliczaną sekundę, gdy kierunek sceny jest gotowy na wyższy poziom.

Użyj tej strony, aby sprawdzić jedną scenę, czas i hierarchię referencji. Przejdź do Studio, aby zapisywać porównania 768P i 2K, wielokrotnie poprawiać referencje albo prowadzić dłuższy projekt.