MiniMax: Hailuo 2.3

MiniMax: Hailuo 2.3 é um modelo de geração de vídeo da MiniMax, listado em api14 na categoria de vídeo. Foi criado para transformar descrições escritas e imagens de referência em clipes de vídeo curtos, e faz parte da linha Hailuo dos modelos de mídia generativa da MiniMax. Se o seu produto precisa produzir filmagens em movimento a partir de um prompt em vez de editar vídeo existente, este é o tipo de modelo para o qual a entrada do catálogo aponta.

O modelo recebe texto e imagens como entrada e retorna vídeo como sua única saída. Isso significa que dois fluxos de trabalho principais são suportados: texto para vídeo, em que apenas um prompt conduz o resultado, e imagem para vídeo, em que uma imagem estática é usada como ponto de partida. A saída é gerada em 1080p com proporção de 16:9, e os clipes podem ter 6 ou 10 segundos de duração. Uma imagem de primeiro quadro pode ser fornecida como quadro de referência para execuções de imagem para vídeo. A geração de áudio não faz parte deste modelo, portanto qualquer som necessário deve ser adicionado posteriormente. Nenhum comprimento de contexto está listado para esta entrada.

Essas capacidades correspondem a um conjunto bastante específico de tarefas. Equipes de marketing e redes sociais podem gerar spots curtos em 16:9 a partir de uma linha de roteiro ou de uma foto de produto. O trabalho de storyboard e pré-visualização se beneficia do caminho de imagem para vídeo, já que um quadro conceitual pode ser animado em um trecho de 6 ou 10 segundos em 1080p. Desenvolvedores de jogos e aplicativos podem produzir filmagens em loop ou de transição sem uma gravação. Como os clipes são curtos e o áudio não é gerado, o modelo é adequado para produção em nível de plano, não para montagem de longa duração por conta própria.

Você o chama através da API compatível com OpenAI do api14 usando o id de modelo "minimax/hailuo-2.3". Os parâmetros de requisição suportados são max_tokens, temperature e top_p, então você pode moldar o comportamento de amostragem e o comprimento da saída da mesma forma que outros modelos no gateway. Como o esquema segue o formato OpenAI, bibliotecas de cliente e caminhos de código existentes geralmente funcionam com apenas o id de modelo, o prompt e qualquer imagem de referência alterados. Observe que maxOutput está listado como 0 para esta entrada, e as configurações fixas de resolução, proporção, duração e entrada de primeiro quadro vêm da própria configuração do modelo, e não de parâmetros adicionais.

Não há comprimento de contexto registrado aqui, e nenhuma faixa de áudio é produzida. Se você precisa de som gerado junto com a imagem, um modelo diferente se encaixará melhor. Se o seu trabalho é vídeo de longa duração ou exige proporções diferentes de 16:9, ou resoluções além de 1080p, as opções listadas deste modelo não cobrirão isso. Para clipes curtos, silenciosos e em 1080p criados a partir de um prompt ou de um quadro inicial, ele é um encaixe direto.