Quantos segundos o MiniMax H3 realmente gera, por resolução

TL;DR

• O MiniMax H3 gera clipes de 4 a 15 segundos (apenas valores inteiros), mas a duração real é ajustada à grade 17n + 5 frames a 24 fps — quase nenhum valor resulta em segundos exatos.
• 8 segundos (192 frames) é o único valor que resulta em duração exata de 8,000s; todos os demais caem em frações como 7,292s ou 8,708s.
• 768P custa \$0,08 por segundo; 2K custa \$0,13 por segundo. 2K não é upscale — é regeneração via H3-Regenerate-2K com o contexto original, custando \$0,05 por segundo de saída.
• i2v (image-to-video) suporta texto + primeiro frame, texto + último frame, ou texto + ambos. O número de frames cai na mesma grade 17n + 5 do T2V.

Como funciona a duração do MiniMax H3: a grade 17n + 5

O MiniMax H3 não gera vídeo em segundos. Ele gera um número fixo de frames que depois é dividido por 24 fps para calcular a duração. A fórmula exata é:

frames = 17n + 5

onde n é um número inteiro não-negativo (0, 1, 2, ...). A 24 fps, cada bloco de frames se traduz em uma fração de segundo. O controle de duração na interface é um pedido; a grade é o que realmente é renderizado, e o valor escolhido é ajustado ao bloco legal mais próximo.

A grade completa entre 4 e 15 segundos

A linha em negrito é a única que cai em segundo inteiro. 192 frames ÷ 24 fps = exatamente 8,000 segundos. Todos os demais valores pedidos são ajustados ao bloco 17n + 5 mais próximo e retornam uma fração de segundo.

Por que apenas um valor é inteiro

Um número de frames divide exatamente em segundos inteiros quando é múltiplo de 24. Resolver 17n + 5 ≡ 0 (mod 24) resulta em n ≡ 11 (mod 24). Dentro do intervalo de 4–15s, apenas n = 11 funciona, gerando 192 frames e 8,000s. A próxima solução (n = 35) gera 600 frames = 25s, acima do teto de 15 segundos.

Consequência prática: se um projeto tem qualquer restrição de sincronia (corte para música, emenda de clipes, pre-roll com slot fixo), construa a partir de blocos de 8,000s e ajuste na edição. É o único comprimento que o modelo entrega limpo.

768P vs 2K: regeneração, não upscale

Opções de resolução para MiniMax-H3

A API oferece duas resoluções para o MiniMax-H3:

O MiniMax H3 é o modelo de geração de vídeo e áudio mais recente do MiniMax, com áudio estéreo nativo sincronizado e saída em até 2K. Para uma comparação detalhada de modelos, veja MiniMax H3 Max vs MiniMax H3.

2K é regeneração, não upscale

Uma concepção errada comum é que 2K é um upscale do 768P. Segundo a documentação oficial de regeneração, a saída 2K é produzida pelo endpoint H3-Regenerate-2K, que recebe um vídeo-fonte que atende às especificações de saída 768P do MiniMax-H3 e o regenera em 2K usando o contexto multimodal original.

Este endpoint não executa processamento genérico de vídeos arbitrários. Ele apenas regenera vídeos que atendem às especificações de saída 768P do MiniMax-H3 em um vídeo 2K.

A regeneração preserva o contexto original (texto, imagens de referência, vídeos, áudio) e executa o modelo base H3 in-context para produzir um resultado 2K. Isso não é um upscale matemático — a estrutura de custo reflete isso:

• Regenerar 768P → 2K: \$0,05 / segundo da saída regenerada
• Geração direta 768P: \$0,08 / segundo
• Geração direta 2K: \$0,13 / segundo

O caminho de regeneração é mais barato que a geração direta 2K porque reutiliza o modelo base sobre a saída 768P existente em vez começar do zero. Mas ainda custa mais por segundo que 768P, porque 2K exige mais computação.

Quando a regeneração é útil

• Você tem um vídeo gerado em 768P e quer resolução 2K para maior fidelidade
• Você precisa recuperar detalhes finos (textos pequenos, geometria fina) que a codificação VAE 768p pode ter perdido
• Você quer manter o mesmo framework contextual (mesmo prompt, mesmas referências)

A regeneração exige exatamente as mesmas entradas que foram usadas para gerar o vídeo 768P original — o prompt de texto deve ser o prompt final realmente enviado ao modelo, não uma versão anterior, e todas as imagens, vídeos e áudio de referência devem corresponder.

Image-to-Video (i2v) com MiniMax H3

O MiniMax H3 suporta três modos de image-to-video, todos com duração ajustada à mesma grade 17n + 5:

1. Somente primeiro frame: texto + uma imagem com role=first_frame. O canvas segue o primeiro keyframe.
2. Somente último frame: texto + uma imagem com role=last_frame. Deve ser pareada com uma imagem first_frame.
3. Primeiro e último frame: texto + duas imagens com role=first_frame e role=last_frame respetivamente.

Requisitos de entrada do i2v

• Para dicas de redação de prompts, consulte o guia Como escrever prompts para MiniMax H3.
• Para uma visão geral dos modelos MiniMax, veja MiniMax H3 Max vs MiniMax H3.
• Toda entrada deve incluir um item text não-vazio (o prompt é obrigatório)
• Limites de imagem: primeiro frame ≤ 1, último frame ≤ 1; largura/altura entre [256, 5760]; razão de aspecto (largura/altura) entre [0.4, 2.5]
• Sem entrada de imagem, i2v se torna text-to-video
• A razão de aspecto é sempre adaptive para i2v (determinada pela imagem de entrada, não pode ser sobrescrita)

Cobrança do i2v

i2v é cobrado por segundo de saída renderizada, nas mesmas taxas do T2V:

• 768P: \$0,08 / segundo
• 2K: \$0,13 / segundo

(O preço de regeneração de \$0,05/segundo aplica-se apenas ao endpoint H3-Regenerate-2K, não à geração i2v.)

Cobrança por segundo renderizado

O MiniMax cobra por segundo de vídeo de saída, independentemente do tipo de entrada (texto, imagem, referência de vídeo ou áudio). As taxas da página de preços são:

Preço do material de entrada (separado da cobrança de saída)

• Áudio: grátis para MiniMax-H3 e MiniMax-H3-Max
• Imagens: primeiras 5 grátis (MiniMax-H3) ou primeiras 2 grátis (MiniMax-H3-Max); imagens adicionais \$0,04 cada (H3) ou \$0,074 cada (H3-Max)
• Vídeo de entrada: cobrado pela duração do vídeo de entrada e resolução de saída: 2K \$0,13/segundo, 768P \$0,08/segundo (H3); 480P \$0,0553/segundo, 768P \$0,143/segundo (H3-Max)

A cobrança de saída (por segundo de vídeo gerado) é separada e adicional a quaisquer cobranças de material de entrada.

Common errors and fixes

FAQ

Posso pedir exatamente 10 segundos de vídeo? Pode pedir duration=10, mas o MiniMax H3 o ajustará ao bloco 17n + 5 mais próximo. Os valores mais próximos de 10 segundos são 9,417s (n=13, 226 frames) ou 10,125s (n=14, 243 frames). Para 10s exatos, construa a partir de blocos de 8s e ajuste na edição.

Por que 8 segundos resulta em duração inteira enquantenhum outro valor? 192 frames ÷ 24 fps = exatamente 8,000s. A equação 17n + 5 ≡ 0 (mod 24) tem apenas uma solução (n=11) dentro do intervalo de 4–15s. A próxima solução (n=35) resulta em 25s, acima do teto.

Qual a diferença entre 768P e 2K no MiniMax H3? 768P é a resolução de saída nativa. 2K é produzido pelo endpoint H3-Regenerate-2K, que regenera um vídeo-fonte 768P usando o contexto multimodal original — não é um upscale. 2K custa \$0,13/segundo vs 768P a \$0,08/segundo; regeneração custa \$0,05/segundo de saída.

O MiniMax H3 faz image-to-video (i2v)? Sim. i2v suporta texto + imagem de primeiro frame, texto + imagem de último frame, ou texto + ambos primeiro e último frames. A duração continua ajustada à grade 17n + 5 a 24 fps. A razão de aspecto é sempre adaptive para i2v.

Como é calculada a cobrança — por segundo de entrada ou de saída? A cobrança é por segundo de vídeo de saída gerado. O material de entrada (imagens, referências de vídeo, áudio) pode incorrer em cobranças separadas, mas a cobrança dominante é por segundo do clipe gerado.

Se eu gerar um vídeo 768P e depois regenerar para 2K, pago duas vezes? Você paga pela geração original 768P (cobrança de saída por segundo) mais a taxa de regeneração (\$0,05 / segundo da saída 2K regenerada). As cobranças de material de entrada da tarefa original também podem ser cobradas novamente dependendo do modo de regeneração selecionado.

Qual frame rate o MiniMax H3 usa? 24 fps nativamente. O modelo produz vídeo a 24 frames por segundo, e a grade de duração (17n + 5 frames) é definida nessa taxa de frames.

Posso encadear vários clipes MiniMax H3 para obter duração total maior? Sim, mas cada clipe é ajustado à grade 17n + 5, então o desvio de sincronia se acumula. Para projetos com restrições rígidas de sincronia, construa a partir de blocos de 8,000s e ajuste/edicione na pós-produção para alinhar com marcadores.

Sources

1. Video Generation Guide — Docs oficiais do MiniMax: specs do modelo, grade de duração, requisitos de entrada, opções de resolução
2. API Reference: Create Video Generation Task — Enum do campo duração (4–15), opções de resolução (768P, 2K), frame rate 24 fps
3. API Reference: Video Regeneration — Regeneração 2K não é upscale; aceita fonte que atende specs 768P; preço \$0,05/segundo
4. Why 8.000 seconds: the only whole second — Análise detalhada da grade; frame count = 17n + 5 a 24 fps; apenas n=11 gera segundos inteiros
5. Horror clip measurement blog — Validação empírica da grade 17n+5; 2.340 janelas medidas em 7 clipes oficiais
6. MiniMax H3 model card (Hugging Face) — Arquitetura, restrições de geração, 24 fps, 5–15s, grade 17n+5
7. Pricing Overview: Video — Taxas de cobrança de saída: 768P \$0,08/segundo, 2K \$0,13/segundo, Regeneração \$0,05/segundo