# MiniMax H3 Lite API · KovAPI
> MiniMax H3 Lite는 같은 MiniMax H3 모델을 더 적은 추론 단계로 돌린 버전입니다. 더 빠르고 저렴하지만 화질은 조금 낮아 대량 시안과 프롬프트 테스트에 맞습니다. KovAPI에서는 `minimax-h3-lite`로 호출합니다. 480P·768P 두 등급, 4~15초 중 원하는 길이, 초 단위 과금이며, 첫 프레임·참조 영상·1080P가 필요하면 Standard로 전환하세요.
웹페이지: https://kovapi.com/ko/model/minimax-h3-lite · 업데이트: 2026-11-12
가격·한도·소요 시간은 이 파일을 만든 시점의 실시간 값입니다.
## 핵심 사양
- 모델 ID: `minimax-h3` · `minimax-h3-lite`
- 엔드포인트: `POST https://kovapi.com/v1/videos/generations` → `GET https://kovapi.com/v1/videos/jobs/{id}`
- 길이: 4–15초, 정수
- 해상도: 480P / 768P. 생략하면 768P이며, 720P는 768P로 처리
- 화면 비율: 16:9 / 9:16 / 1:1 / 4:3 / 3:4 / 3:2 / 2:3 / 21:9
- 참조 소재: 참조 이미지 최대 5장(참조로만 쓰고 첫 프레임으로는 쓰지 않음). 참조 영상과 참조 오디오는 받지 않음
- 오디오: 모든 영상에 네이티브 스테레오 오디오 트랙(대사·효과음·음악), 끌 수 없음
- 프롬프트: ≤ 5,000자
- 초당 가격: 480P $0.015/초 · 768P $0.025/초 · 1080P $0.036/초
- Lite 초당 가격: 480P $0.005/초 · 768P $0.0125/초
- 결과 보관: 7일
## 화면과 소리를 한 번에, 시작과 끝·인물·움직임까지 원하는 대로
- **샷·대사·소리가 프롬프트의 타임라인대로**: 공식 형식대로 샷별로 쓰면 컷 전환 시점, 대사, 환경음, 음악이 프롬프트를 따릅니다. 빵집 영상은 5초에 빵 칼 장면으로 넘어가고, 제빵사는 대사를 한 글자도 틀리지 않고 말하며, 어쿠스틱 기타도 프롬프트에 쓴 그대로입니다.
- **시작을 정하거나, 시작과 끝을 모두 정하기**: 이미지 1장을 첫 프레임으로 주면 영상이 그 장면에서 시작하고, 2장을 첫·마지막 프레임으로 주면 모델이 그 사이의 움직임을 채웁니다. 우산 영상은 우산을 접은 첫 번째 이미지에서 시작해 우산을 편 두 번째 이미지로 끝납니다.
- **이미지 속 인물과 제품을, 쓴 대로 조합**: 참조 모드는 이미지를 최대 9장 받습니다. 안경 광고는 모델, 얼굴, 안경 세 장을 썼고, 참조 가이드의 구조로 쓰자 모델들이 그 안경을 쓰고 런웨이를 걸은 뒤 클로즈업으로 넘어갑니다.
- **참조 영상의 동작과 카메라 움직임을 빌리기**: 왼쪽이 참조 영상, 오른쪽이 결과입니다. 만화 여우가 사람과 같은 동작으로 춤춥니다. 참조 영상에서 카메라 움직임만 가져오고, 화면에 무엇이 나올지는 참조 이미지와 프롬프트로 정할 수도 있습니다. 참조 영상의 초도 과금됩니다.
- **480P로 시안, 1080P로 완성본**: 480P / 768P / 1080P, 화면 비율 8가지, 4~15초 중 원하는 길이. 480P나 [Lite](https://kovapi.com/ko/model/minimax-h3-lite)로 구도와 움직임을 확인한 뒤 최종 영상은 1080P로 만드세요. 등급을 바꾸면 같은 영상이 아니라 새 영상이 생성되며, 아래의 같은 프롬프트 비교에서 차이를 볼 수 있습니다.
## 모드와 API 필드
두 모드 모두 `model`(`minimax-h3-lite`), `prompt`, `duration`, `resolution`, `size`를 함께 씁니다. 이미지는 항상 참조로 쓰이므로 `image_role`은 필요 없습니다.
| 모드 | 보낼 것 | 얻는 것 | 제한 |
| --- | --- | --- | --- |
| 텍스트-투-비디오 | `prompt`와 생성 설정만 보냅니다. | 텍스트로 화면과 소리를 만듭니다. 대사·효과음·음악은 프롬프트에 씁니다. | 4~15초 중 정수 초. `resolution`을 생략하면 768P. |
| 참조 이미지 | `images`에 이미지 1~5장. | 이미지 속 인물·제품·장소가 새 장면 안에 등장하며, 첫 프레임으로 쓰이지는 않습니다. | 최대 5장. `image_role: first_frame`은 거부됩니다. |
## MiniMax H3 가격
| 해상도 | 표준 | Lite | MiniMax 공식 가격 |
| --- | --- | --- | --- |
| 480P | $0.015/초 | $0.005/초 | - |
| 768P | $0.025/초 | $0.0125/초 | $0.08 |
| 1080P | $0.036/초 | - | - |
- 영상 한 편의 비용 = 선택한 등급의 초당 단가 × (결과 초 수 + 참조 영상 초 수). 참조 이미지와 참조 오디오는 무료입니다. 계산기의 「참조 영상」을 움직이면 참조 영상을 넣은 요청의 가격이 나옵니다.
- MiniMax 공식 가격표에는 H3가 768P와 2K만 있어서, 공식 가격과 나란히 비교할 수 있는 등급은 768P뿐입니다.
- 제출할 때 금액을 예치하고 성공하면 같은 금액으로 정산하며, 실패한 작업은 전액 환불합니다. 대량 시안을 더 싸게 만들려면 [MiniMax H3 Lite](https://kovapi.com/ko/model/minimax-h3-lite)를 보세요.
## 같은 프롬프트, 다섯 등급
영상 위에 마우스를 올리면 함께 재생됩니다. 휴대폰에서는 「함께 재생」을 누르세요. 영상마다 따로 생성해서 똑같지는 않으니, 선명도와 디테일을 비교하세요.
### 라테 아트: H3 세 등급과 Lite 두 등급
같은 프롬프트, 5초, 16:9로 H3 1080P / 768P / 480P와 Lite 768P / 480P에서 한 번씩 생성했습니다. 480P나 Lite로 구도와 움직임을 확인하고, 최종 영상은 1080P로 만드세요.
- 5s · 16:9
- **MiniMax H3 1080P** (현재 가격 기준 $0.18): https://img.kovapi.com/i/mp-30a37c4381ec04a2ba543aab.mp4 — 가장 선명합니다. 라테 무늬, 피처의 반사, 컵 테두리가 모두 또렷합니다.
- **MiniMax H3 768P** (현재 가격 기준 $0.125): https://img.kovapi.com/i/mp-2972abbc7c033fb49b25783d.mp4 — 1080P보다 디테일이 조금 적지만 여전히 깔끔합니다.
- **MiniMax H3 480P** (현재 가격 기준 $0.075): https://img.kovapi.com/i/mp-faf663f1a053b4a823c2ea31.mp4 — 구도와 움직임은 잘 보이지만 확대하면 흐릿합니다. 시안용으로 좋습니다.
- **MiniMax H3 Lite 768P** (현재 가격 기준 $0.0625): https://img.kovapi.com/i/mp-4eda7882119d1b49c37bf0e1.mp4 — 빠르고 저렴하지만 라테 무늬가 확실히 약합니다.
- **MiniMax H3 Lite 480P** (현재 가격 기준 $0.025): https://img.kovapi.com/i/mp-10b056d268a7c3beaf4f26e0.mp4 — 가장 저렴합니다. 구도와 움직임 확인용으로만 쓰세요.
프롬프트 원문:
```text
integrated_multimodal_description: [Shot 1] Live-action, cinematic, a close shot of a barista's hands pouring steamed milk into a cup of espresso on a wooden counter by a sunny window. The milk forms a heart in the crema while steam curls upward, and the camera pushes in with small amplitude at slow speed toward the cup.
overall_soundscape: Milk streams into the cup, a steam wand hisses softly in the background and cafe chatter murmurs.
non_diegetic_music: N/A
```
한국어로 읽기 (번역은 읽기용입니다. 복사와 적용에는 원문이 쓰입니다):
```text
integrated_multimodal_description(화면): [Shot 1] 실사, 영화 같은 느낌. 햇살 드는 창가의 나무 카운터에서 바리스타의 손이 에스프레소 한 잔에 스팀 밀크를 붓는 모습을 가까이서 잡는다. 우유가 크레마 위에 하트를 그리고 김이 둥글게 피어오르며, 카메라가 작은 폭으로 천천히 컵 쪽으로 다가간다.
overall_soundscape(환경음): 우유가 컵으로 흘러들고, 뒤에서 스팀 노즐이 부드럽게 쉭쉭거리며, 카페의 말소리가 나지막이 웅성거린다.
non_diegetic_music(배경 음악): N/A(없음)
```
## 예시: 프롬프트와 파라미터
### 두 샷: 빵집의 아침 첫 빵
- KovAPI로 생성 · 텍스트→영상 · 8s · 1080P · 16:9
- 현재 가격 기준 $0.288
- 결과 영상: https://img.kovapi.com/i/mp-c9751f98f2f98ea8114fa1f3.mp4
MiniMax 기본 가이드의 텍스트-투-비디오 예시입니다. 샷 두 개로, 5초에 클로즈업으로 넘어갑니다. 제빵사의 대사, 덧문, 빵 칼, 어쿠스틱 기타가 모두 프롬프트에 적혀 있고, 영상은 그 하나하나를 그대로 보여 줍니다. 배경 간판의 글자는 알아볼 수 없습니다. 글자는 프롬프트에 따옴표로 넣어야 제대로 나옵니다. 프롬프트는 MiniMax의 [영상 프롬프트 작성 가이드](https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_base_en.md)에서 그대로 가져왔고, KovAPI가 그 프롬프트로 생성했습니다.
프롬프트 원문:
```text
integrated_multimodal_description: [Shot 1] Live-action, cinematic, a medium-wide shot frames a baker opening the shutters of a small street bakery before sunrise. The camera pushes in with small amplitude at slow speed as the middle-aged baker with a calm, slightly raspy voice (S1) places a fresh loaf on the wooden counter and says: [English] First batch of the morning. [Shot 2] At 00:05.000, the camera cuts to a close-up of steam rising from the sliced bread while the baker's final words carry over from the previous shot.
overall_soundscape: Wooden shutters scrape open over a quiet street as trays clink softly inside the bakery. The doorbell rings once, followed by light footsteps and the crisp sound of bread being sliced.
non_diegetic_music: A soft acoustic-guitar pattern at a moderate tempo, joined by sparse upright-bass notes and a gentle fade at the end.
```
한국어로 읽기 (번역은 읽기용입니다. 복사와 적용에는 원문이 쓰입니다):
```text
integrated_multimodal_description(화면과 대사): [Shot 1] 실사, 영화 같은 느낌. 미디엄 와이드 샷으로, 해 뜨기 전 작은 길가 빵집의 덧문을 여는 제빵사를 잡는다. 카메라가 작은 폭으로 천천히 다가가는 동안, 차분하고 약간 쉰 목소리의 중년 제빵사 (S1)가 갓 구운 빵 한 덩이를 나무 카운터에 놓으며 말한다: [English] First batch of the morning.(오늘 아침 첫 빵입니다.) [Shot 2] 00:05.000에 카메라가 썰어 놓은 빵에서 김이 피어오르는 클로즈업으로 전환되고, 제빵사의 마지막 말은 앞 샷에서 이어진다.
overall_soundscape(환경음): 조용한 거리 위로 나무 덧문이 긁히며 열리고, 빵집 안에서 쟁반이 살짝 달그락거린다. 문 종이 한 번 울리고, 이어서 가벼운 발소리와 빵을 써는 바삭한 소리가 난다.
non_diegetic_music(배경 음악): 보통 템포의 부드러운 어쿠스틱 기타 패턴에 드문드문 업라이트 베이스가 더해지고, 끝에서 부드럽게 페이드아웃된다.
```
### 함교에서 초공간 도약
- KovAPI로 생성 · 텍스트→영상 · 8s · 1080P · 16:9
- 현재 가격 기준 $0.288
- 결과 영상: https://img.kovapi.com/i/mp-66d0f99896d2e402c3af40c3.mp4
MiniMax 모델 저장소의 텍스트-투-비디오 예시입니다. 함장의 뒷모습으로 천천히 다가가다 4.5초에 얼굴로 컷이 넘어가고, 함대가 도약하며 눈부신 섬광이 터지고, 낮은 굉음과 음악이 함께 고조됩니다. 프롬프트는 MiniMax [H3 모델 저장소](https://huggingface.co/MiniMaxAI/MiniMax-H3)의 예시에서 그대로 가져왔고, 영상은 KovAPI가 생성했습니다.
프롬프트 원문:
```text
integrated_multimodal_description: [Shot 1] Cinematic, medium wide shot, pushing in slowly. In the cavernous, dimly lit bridge of a starship, sleek metallic consoles with glowing amber displays flank a massive, curved observation window. A female captain, in her late 40s with an athletic build and short silver-streaked black hair, stands in the center midground. She wears a structured, high-collared dark navy military tunic with silver chest insignias. Her back is to the camera, silhouetted against the cool, ambient starlight pouring through the thick glass. She stands perfectly still with her hands clasped tightly behind her back. Outside the window, a massive armada of jagged, dark grey dreadnoughts hovers in tight formation against a deep purple space nebula. The fleet's massive rear thrusters begin to glow with an intense, escalating bright blue light. [Shot 2] At 00:04.500, the camera cuts to a close-up of the captain's face and shakes strongly. The brilliant blue-white light from the fleet's gathering energy reflects vividly in her dark eyes. Suddenly, a blinding white flash floods through the window, completely washing out the background as the fleet jumps to hyperspace. The sheer spatial force violently jolts the bridge, causing the captain from Shot 1 to stagger slightly forward, her shoulders tensing as she visibly braces herself against the physical tremors. As the intense white light fades abruptly, leaving only the dim, empty expanse of the purple nebula reflected on her starkly lit skin, her jaw clenches, and she slowly closes her eyes in the newly emptied space.
overall_soundscape: A low, resonant hum of the ship's ambient life support systems serves as the baseline, soon drowned out by an audible, escalating, high-pitched electronic whine as the fleet outside charges its hyperdrives. A massive, deafening, bass-heavy boom and sharp crackle erupts during the blinding flash, accompanied by the loud metallic creaking, rattling, and deep thuds of the bridge's bulkheads vibrating under immense physical stress. The intense roaring impact then cuts abruptly back to a hollow, echoing room tone, leaving only the faint, steady hum of the isolated bridge.
non_diegetic_music: Cinematic space-opera orchestral score, slow tempo, featuring a solitary, mournful French horn melody over deep, sustained string dissonances that build rapidly in volume and intensity, swelling to a massive orchestral peak before snapping immediately into silence right after the jump.
```
한국어로 읽기 (번역은 읽기용입니다. 복사와 적용에는 원문이 쓰입니다):
```text
integrated_multimodal_description(화면): [Shot 1] 영화 같은 느낌, 미디엄 와이드 샷, 천천히 다가가는 카메라. 넓고 어두운 우주선 함교에서, 호박색 화면이 빛나는 매끈한 금속 콘솔들이 거대한 곡면 관측창 양옆에 늘어서 있다. 40대 후반의 여성 함장이 화면 중앙의 중경에 서 있다. 탄탄한 체격에 은빛이 섞인 짧은 검은 머리이며, 은색 가슴 휘장이 달린 각 잡힌 하이칼라 남색 군복 상의를 입었다. 그녀는 카메라를 등지고, 두꺼운 유리로 쏟아져 들어오는 차가운 별빛에 실루엣으로 비친다. 두 손을 등 뒤로 꽉 맞잡은 채 미동도 없이 서 있다. 창밖에는 들쭉날쭉한 짙은 회색 드레드노트들로 이루어진 거대한 함대가 짙은 보라색 성운을 배경으로 촘촘한 대형을 이루어 떠 있다. 함대의 거대한 후방 추진기가 점점 강해지는 밝은 푸른빛으로 빛나기 시작한다. [Shot 2] 00:04.500에 카메라가 함장의 얼굴 클로즈업으로 전환되며 강하게 흔들린다. 함대가 모으는 에너지의 눈부신 청백색 빛이 그녀의 검은 눈동자에 선명하게 비친다. 갑자기 눈을 멀게 할 듯한 흰 섬광이 창으로 밀려들어 배경을 완전히 하얗게 지우고, 함대가 초공간으로 도약한다. 엄청난 공간의 충격이 함교를 거세게 뒤흔들어 Shot 1의 함장이 앞으로 살짝 비틀거리고, 어깨에 힘이 들어가며 눈에 띄게 몸을 버틴다. 강렬한 흰빛이 갑자기 사라지자 강한 빛을 받은 그녀의 피부에는 텅 빈 보라색 성운만 희미하게 비치고, 그녀는 이를 악문 채 갑자기 텅 비어 버린 우주 앞에서 천천히 눈을 감는다.
overall_soundscape(환경음): 우주선 생명 유지 장치의 낮고 울리는 웅웅거림이 바탕에 깔리다가, 창밖 함대가 초공간 엔진을 충전하며 점점 높아지는 날카로운 전자음에 곧 묻힌다. 섬광이 터지는 순간 귀가 먹먹할 만큼 저음이 강한 굉음과 날카로운 파열음이 터지고, 엄청난 압력에 함교 격벽이 떨리며 금속이 크게 삐걱거리고 덜컹거리며 둔탁하게 쿵쿵 울린다. 거센 충격음은 이내 뚝 끊기고, 공허하게 울리는 실내음으로 돌아가 텅 빈 함교의 희미하고 일정한 웅웅거림만 남는다.
non_diegetic_music(배경 음악): 영화 같은 스페이스 오페라 관현악, 느린 템포. 외롭고 구슬픈 프렌치 호른 선율이 깊고 길게 이어지는 현악의 불협화음 위에 흐르다가, 음량과 강도가 빠르게 커져 거대한 관현악의 절정으로 부풀어 오르고, 도약 직후 곧바로 정적으로 끊긴다.
```
### 중국어 대사와 네온 간판
- KovAPI로 생성 · 텍스트→영상 · 6s · 768P · 9:16
- 현재 가격 기준 $0.15
- 결과 영상: https://img.kovapi.com/i/mp-3ea471e559f9efb09edaf873.mp4
세로 9:16입니다. 간판 글자는 따옴표에 넣고, 요리사의 중국어 대사는 `[Chinese] …`로 썼습니다. “营业中”과 대사는 둘 다 정확하지만, 프롬프트에서 자막을 넣지 말라고 했는데도 화면 아래에 중국어 자막이 나왔습니다. 프롬프트는 KovAPI가 가이드의 형식대로 썼고, 영상은 KovAPI가 생성했습니다.
프롬프트 원문:
```text
integrated_multimodal_description: [Shot 1] Live-action, cinematic, a vertical medium shot of a small street-food stall in a narrow old alley at night. A red neon sign reading "营业中" glows above the stall and steam rises from a wok. The middle-aged cook with a warm, slightly hoarse voice (S1) tosses noodles in the wok as flames flare up, then looks at the camera and says: [Chinese] 刚出锅的，趁热吃！ The camera pushes in with small amplitude at slow speed toward the wok. No subtitles or captions appear on screen.
overall_soundscape: Oil sizzles and the wok clangs against the burner while distant scooters and chatter fill the alley.
non_diegetic_music: N/A
```
한국어로 읽기 (번역은 읽기용입니다. 복사와 적용에는 원문이 쓰입니다):
```text
integrated_multimodal_description(화면과 대사): [Shot 1] 실사, 영화 같은 느낌. 밤, 좁고 오래된 골목에 있는 작은 길거리 음식 노점을 세로 미디엄 샷으로 잡는다. 노점 위에는 "营业中"(영업 중)이라고 적힌 빨간 네온 간판이 빛나고, 웍에서 김이 피어오른다. 따뜻하고 약간 쉰 목소리의 중년 요리사 (S1)가 불길이 치솟는 웍에서 면을 볶아 올린 뒤, 카메라를 보며 말한다: [Chinese] 刚出锅的，趁热吃！(갓 나왔어요, 따뜻할 때 드세요!) 카메라가 작은 폭으로 천천히 웍 쪽으로 다가간다. 화면에는 어떤 자막이나 설명 문구도 나오지 않는다.
overall_soundscape(환경음): 기름이 지글거리고 웍이 화구에 부딪혀 쨍그랑거리며, 멀리서 스쿠터 소리와 사람들 말소리가 골목을 채운다.
non_diegetic_music(배경 음악): N/A(없음)
```
### 첫 프레임: 비 오는 기차 안의 편지
- KovAPI로 생성 · 첫 프레임 · 6s · 1080P · 16:9 · image_role=first_frame
- 현재 가격 기준 $0.216
- 결과 영상: https://img.kovapi.com/i/mp-94892704d80349abfc4bbf4e.mp4
- 이미지 1: https://img.kovapi.com/i/mp-71b5ed84bb210183de898f1c.jpg
MiniMax 기본 가이드의 첫 프레임 예시입니다. 정렬 문장이 맨 앞에 오고, 영상은 첫 프레임에서 시작해 그녀가 고개를 들고 대사를 말한 뒤 편지를 접습니다. 프롬프트는 MiniMax의 [영상 프롬프트 작성 가이드](https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_base_en.md)에서 그대로 가져왔고, 입력 이미지는 KovAPI가 프롬프트의 묘사대로 Nano Banana Pro로 만들었습니다.
프롬프트 원문:
```text
For the target video, at 0.00 seconds into the target video, (from [Shot 1]) is fully referenced.
integrated_multimodal_description: [Shot 1] Live-action, cinematic, the young woman shown in remains beside the rain-covered train window, preserving her appearance, clothing, seat position, and the carriage layout. The camera trucks right with small amplitude at slow speed as she lifts her gaze from the folded letter toward the passing city lights. Her reflection moves across the glass while the quiet, breathy young woman (S1) says: [English] I get off at the next station. She folds the letter along its existing crease.
overall_soundscape: The train wheels produce a steady metallic rhythm beneath a low ventilation hum. Rain ticks against the window while paper rustles softly in her hands.
non_diegetic_music: Sustained cello notes at a slow tempo with widely spaced piano tones, gradually decreasing in volume.
```
한국어로 읽기 (번역은 읽기용입니다. 복사와 적용에는 원문이 쓰입니다):
```text
정렬 문장: 목표 영상의 0.00초 지점에서 ([Shot 1] 소속)을 완전히 참조한다.
integrated_multimodal_description(화면과 대사): [Shot 1] 실사, 영화 같은 느낌. 의 젊은 여성이 빗물로 덮인 기차 창가에 그대로 앉아 있고, 외모·옷차림·좌석 위치와 객차 배치가 유지된다. 카메라가 작은 폭으로 천천히 오른쪽으로 이동하는 동안, 그녀는 접힌 편지에서 시선을 들어 스쳐 가는 도시의 불빛을 바라본다. 유리 위로 그녀의 모습이 비쳐 움직이고, 조용하고 숨소리가 섞인 목소리의 젊은 여성 (S1)이 말한다: [English] I get off at the next station.(다음 역에서 내려요.) 그녀는 원래 접혀 있던 자국을 따라 편지를 접는다.
overall_soundscape(환경음): 낮은 환기 장치 소리 아래로 기차 바퀴가 일정한 금속성 리듬을 낸다. 빗방울이 창을 톡톡 두드리고, 그녀의 손에서 종이가 살며시 바스락거린다.
non_diegetic_music(배경 음악): 느린 템포로 길게 이어지는 첼로 음에 띄엄띄엄 피아노 음이 더해지고, 음량이 점점 줄어든다.
```
### 첫·마지막 프레임: 빗속에서 우산 펴기
- KovAPI로 생성 · 첫·마지막 프레임 · 8s · 1080P · 16:9 · image_role=first_frame
- 현재 가격 기준 $0.288
- 결과 영상: https://img.kovapi.com/i/mp-227363d4eedb3bf23a3a199f.mp4
- 이미지 1: https://img.kovapi.com/i/mp-a560b1808c395d8022f926de.jpg
- 이미지 2: https://img.kovapi.com/i/mp-c32b3d1c8f0211a33cc0047c.jpg
MiniMax 기본 가이드의 첫·마지막 프레임 예시입니다. 두 이미지가 0초와 8초에 맞춰지고, 본문은 그 사이의 움직임만 묘사합니다. 영상은 접힌 우산에서 시작해 펼친 우산으로 끝나며, 빗소리와 우산이 찰칵 펴지는 소리도 들어 있습니다. 프롬프트는 MiniMax의 [영상 프롬프트 작성 가이드](https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_base_en.md)에서 그대로 가져왔고, 입력 이미지는 KovAPI가 프롬프트의 묘사대로 Nano Banana Pro로 만들었습니다.
프롬프트 원문:
```text
How the reference pictures align with the target video — Picture 1 (from Shot 1) aligns with the 0.00-second mark of the target video; Picture 2 (from Shot 1) aligns with the 8.00-second mark of the target video.
integrated_multimodal_description: [Shot 1] Live-action, cinematic, a rain-soaked cyclist begins in the position and framing established by Picture 1, holding a closed black umbrella beside a silver bicycle. The camera pulls out with small amplitude at slow speed as she releases the bicycle handle, raises the umbrella above her shoulder, and presses the runner upward until the canopy opens. Water rolls from the expanding fabric while she steps beneath it, rotates the handle into the final angle, and settles into the pose, spacing, and composition established by Picture 2 at the end of the shot.
overall_soundscape: Rain falls steadily on the pavement, followed by the metallic click of the umbrella runner and the soft snap of the canopy opening. Water drips from the bicycle frame as distant traffic passes.
non_diegetic_music: N/A
```
한국어로 읽기 (번역은 읽기용입니다. 복사와 적용에는 원문이 쓰입니다):
```text
정렬 문장: 참조 이미지와 목표 영상의 대응 — Picture 1(Shot 1 소속)은 목표 영상의 0.00초 지점에, Picture 2(Shot 1 소속)는 목표 영상의 8.00초 지점에 맞춘다.
integrated_multimodal_description(화면): [Shot 1] 실사, 영화 같은 느낌. 비에 흠뻑 젖은 자전거 탄 여성이 Picture 1이 정한 위치와 구도에서 시작해, 은색 자전거 옆에서 접힌 검은 우산을 들고 있다. 카메라가 작은 폭으로 천천히 뒤로 빠지는 동안, 그녀는 자전거 핸들을 놓고 우산을 어깨 위로 들어 올린 뒤 우산대의 링을 위로 밀어 우산을 편다. 펼쳐지는 천에서 빗물이 굴러떨어지고, 그녀는 우산 아래로 들어가 손잡이를 마지막 각도로 돌린 뒤, 샷이 끝날 때 Picture 2가 정한 자세·간격·구도에 자리 잡는다.
overall_soundscape(환경음): 비가 포장도로에 꾸준히 내리고, 이어서 우산 링이 내는 금속성 찰칵 소리와 우산이 펼쳐지는 부드러운 탁 소리가 난다. 자전거 프레임에서 물이 떨어지고, 멀리서 차들이 지나간다.
non_diegetic_music(배경 음악): N/A(없음)
```
### 참조 이미지: 세로형 안경 광고
- KovAPI로 생성 · 다중 이미지 참조 · 8s · 1080P · 9:16 · image_role=reference
- 현재 가격 기준 $0.288
- 결과 영상: https://img.kovapi.com/i/mp-6a00ea489194c7c6e685fcf7.mp4
- 이미지 1: https://img.kovapi.com/i/mp-c542946f4a47ea07d3225571.jpg
- 이미지 2: https://img.kovapi.com/i/mp-dfa785dd4d3f560bb3eb9492.jpg
- 이미지 3: https://img.kovapi.com/i/mp-802c1b4d4b5ba8f59682ec61.jpg
참조 이미지 세 장: 두 모델, 두 사람의 얼굴, 안경 디자인. 참조 가이드의 구조로 쓰자 모델들이 그 안경을 쓰고 런웨이를 걷고, 클로즈업으로 넘어간 뒤 마지막에 제품 샷이 더해졌습니다. 같은 아이디어를 한 줄로 썼을 때는 세 이미지를 차례로 보여 주기만 했습니다. 참조 이미지 세 장은 KovAPI가 Nano Banana Pro로 만들었습니다. 아이디어는 MiniMax [하이라이트 페이지](https://platform.minimax.io/docs/guides/video-prompt)의 안경 광고이며, KovAPI가 [참조 가이드](https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_ref_en.md)의 구조로 다시 썼습니다.
프롬프트 원문:
```text
subject_definitions:
is the two female fashion models in , with slicked-back dark hair, one in a black asymmetric blazer with black-and-silver trousers, the other in a black leather crop top and a long silver satin skirt.
is the facial detail of the same two models in , defining their features and cool expressions.
is the futuristic silver sunglasses in , with wrap-around curves, a sharp cat-eye and goggle hybrid silhouette, mirrored lenses and thin streamlined temples.
summary:
[reference generation] A 9:16 high-fashion eyewear commercial on a minimal white cyc: , with the faces of , wear and walk toward the camera with runway attitude, ending on a close-up of the sunglasses on one model's face.
retention_analysis:
(appears in [Shot 1]): fully_preserved - the two models' outfits and slicked-back hair are retained.
(appears in [Shot 1], [Shot 2]): fully_preserved - their facial features are retained.
(appears in [Shot 1], [Shot 2]): fully_preserved - the wrap-around silver frame and mirrored lenses are retained.
detailed_description:
The target video is a clean, high-fashion commercial with soft, even studio light on a seamless white cyc.
[Shot 1] A vertical full-body shot: both models of , each wearing a pair of , walk side by side toward the camera with a confident runway stride and cool demeanor, their faces matching . The camera pulls out with small amplitude at slow speed.
[Shot 2] At 00:04.000, the camera cuts to a close-up of the left model's face as she turns her head slightly; the mirrored lenses of reflect the white studio, and the camera pushes in with small amplitude at slow speed toward the curved silver frame.
overall_soundscape:
Crisp heel clicks on the studio floor, then a soft whoosh as she turns her head.
non_diegetic_music:
A minimal electronic beat at a moderate tempo with deep synth bass, ending on a single sustained chord.
```
한국어로 읽기 (번역은 읽기용입니다. 복사와 적용에는 원문이 쓰입니다):
```text
subject_definitions(소재 정의):
은 속 두 여성 패션모델로, 짙은 머리를 뒤로 매끈하게 넘겼다. 한 명은 검은 비대칭 블레이저에 검정·은색 바지를, 다른 한 명은 검은 가죽 크롭 톱에 긴 은색 새틴 스커트를 입었다.
는 속 같은 두 모델의 얼굴 디테일로, 이목구비와 차가운 표정을 정한다.
은 속 미래적인 은색 선글라스로, 얼굴을 감싸는 곡선, 날카로운 캣아이와 고글을 섞은 실루엣, 미러 렌즈, 가늘고 매끈한 안경다리를 갖췄다.
summary(요약):
[reference generation](참조 생성) 미니멀한 흰색 호리존트 위의 9:16 하이패션 안경 광고: 의 얼굴을 한 이 을 쓰고 런웨이의 태도로 카메라를 향해 걸어오며, 한 모델의 얼굴에 쓴 선글라스 클로즈업으로 끝난다.
retention_analysis(유지 분석):
([Shot 1]에 등장): fully_preserved(완전 유지) - 두 모델의 의상과 뒤로 넘긴 머리를 유지한다.
([Shot 1], [Shot 2]에 등장): fully_preserved(완전 유지) - 이목구비를 유지한다.
([Shot 1], [Shot 2]에 등장): fully_preserved(완전 유지) - 얼굴을 감싸는 은색 프레임과 미러 렌즈를 유지한다.
detailed_description(상세 묘사):
목표 영상은 이음매 없는 흰색 호리존트에 부드럽고 고른 스튜디오 조명을 쓴 깔끔한 하이패션 광고다.
[Shot 1] 세로 풀샷: 의 두 모델이 각자 을 쓰고, 자신감 있는 런웨이 걸음과 차가운 태도로 나란히 카메라를 향해 걸어오며, 얼굴은 와 같다. 카메라가 작은 폭으로 천천히 뒤로 빠진다.
[Shot 2] 00:04.000에 카메라가 왼쪽 모델의 얼굴 클로즈업으로 전환되고 그녀가 고개를 살짝 돌린다. 의 미러 렌즈에 흰 스튜디오가 비치고, 카메라가 작은 폭으로 천천히 곡선형 은색 프레임 쪽으로 다가간다.
overall_soundscape(환경음):
스튜디오 바닥에 울리는 또렷한 구두 굽 소리, 이어서 그녀가 고개를 돌릴 때 부드러운 휙 소리.
non_diegetic_music(배경 음악):
보통 템포의 미니멀한 전자 비트에 깊은 신스 베이스가 깔리고, 길게 이어지는 화음 하나로 끝난다.
```
### 참조 영상: 받침대 위의 러닝화
- KovAPI로 생성 · 참조 영상 · 6s · 768P · 16:9 · image_role=reference
- 현재 가격 기준 $0.325
- 결과 영상: https://img.kovapi.com/i/mp-aa7f83de1a85c8445731122b.mp4
- 이미지 1: https://img.kovapi.com/i/mp-cc795e889918bc095cfac8c6.jpg
- 참조 영상 (7s): https://img.kovapi.com/i/mp-dd0414d99599d8386d11fbfd.mp4
참조 영상은 조각상 주위를 천천히 도는 영상이고, 참조 이미지는 러닝화 한 짝입니다. 결과 영상은 러닝화를 같은 광장의 같은 받침대에 올려놓았지만, 카메라는 조금만 돌았고 끝에 컷이 하나 더해졌습니다. 카메라 참조는 장소와 리듬은 빌려 주지만, 움직임의 폭까지 늘 같지는 않습니다. 참조 영상도 KovAPI가 H3로 만들었고, 참조 이미지는 Nano Banana Pro로 만들었으며, 프롬프트는 KovAPI가 썼습니다.
프롬프트 원문:
```text
The running shoe from image 1 stands on a stone pedestal in the middle of an empty plaza at golden hour. Follow the camera movement and pacing of video 1: a slow arc shot around the subject from left to right, keeping it centered. Do not show the statue from video 1. Sound: soft wind and distant pigeons. No music.
```
한국어로 읽기 (번역은 읽기용입니다. 복사와 적용에는 원문이 쓰입니다):
```text
이미지 1의 러닝화가 해 질 녘 황금빛 시간대에 텅 빈 광장 한가운데의 돌 받침대 위에 서 있다. 영상 1의 카메라 움직임과 리듬을 따른다: 피사체를 화면 중앙에 둔 채 왼쪽에서 오른쪽으로 천천히 도는 아크 샷. 영상 1의 조각상은 보여 주지 않는다. 소리: 부드러운 바람 소리와 멀리서 들리는 비둘기 소리. 음악 없음.
```
### 참조 영상: 같은 안무를 추는 여우
- KovAPI로 생성 · 참조 영상 · 6s · 768P · 16:9 · image_role=reference
- 현재 가격 기준 $0.325
- 결과 영상: https://img.kovapi.com/i/mp-e2308084597964acbd152bce.mp4
- 이미지 1: https://img.kovapi.com/i/mp-f75baad27af554d861a38176.jpg
- 참조 영상 (7s): https://img.kovapi.com/i/mp-f34bfc40277ff5ab18021caa.mp4
참조 영상은 사람이 춤추는 영상이고, 참조 이미지는 만화 여우입니다. 여우가 참조 영상과 같은 순서로 팔을 들고, 몸을 흔들고, 회전합니다. 참조 영상도 KovAPI가 H3로 만들었고, 참조 이미지는 Nano Banana Pro로 만들었으며, 프롬프트는 KovAPI가 썼습니다.
프롬프트 원문:
```text
The cartoon red fox in the yellow hoodie from image 1 performs the same dance routine as the dancer in video 1, with the same arm raises, hip sways, spin and ending pose, in a colorful cartoon bedroom. 3D animated style, static full-body shot. Sound: upbeat pop drums and bass, the fox's sneakers tapping on the floor.
```
한국어로 읽기 (번역은 읽기용입니다. 복사와 적용에는 원문이 쓰입니다):
```text
이미지 1 속 노란 후드티를 입은 만화 붉은여우가 알록달록한 만화풍 침실에서 영상 1의 댄서와 같은 안무를 춘다. 팔을 드는 동작, 엉덩이를 흔드는 동작, 회전, 마지막 포즈까지 똑같이. 3D 애니메이션 스타일, 고정된 풀샷. 소리: 경쾌한 팝 드럼과 베이스, 바닥을 두드리는 여우의 운동화 소리.
```
### Lite: 턴테이블 위 러닝화
- KovAPI로 생성 · 다중 이미지 참조 · 5s · 768P · 16:9
- 현재 가격 기준 $0.0625
- 결과 영상: https://img.kovapi.com/i/mp-5a3d34dd41ce101dcf3825c9.mp4
- 이미지 1: https://img.kovapi.com/i/mp-cc795e889918bc095cfac8c6.jpg
[MiniMax H3 Lite](https://kovapi.com/ko/model/minimax-h3-lite)로 만들었습니다. 러닝화 참조 이미지 1장, 768P, 5초. 비용은 Lite 가격 기준이며, 플레이그라운드에는 Lite 페이지에서만 적용할 수 있습니다. 프롬프트는 KovAPI가 가이드의 형식대로 썼고, 입력 이미지는 KovAPI가 Nano Banana Pro로 만들었습니다.
프롬프트 원문:
```text
The running shoe from the reference image rotates slowly on a glossy black turntable while streaks of neon light sweep across it, close studio product shot. Sound: a low electronic hum.
```
한국어로 읽기 (번역은 읽기용입니다. 복사와 적용에는 원문이 쓰입니다):
```text
참조 이미지의 러닝화가 광택 있는 검은 턴테이블 위에서 천천히 돌고, 네온 빛줄기가 그 위를 훑고 지나간다. 가까이서 찍은 스튜디오 제품 샷. 소리: 낮은 전자음 웅웅거림.
```
## MiniMax H3 프롬프트: 공식 구조대로 쓰기
MiniMax의 영상 프롬프트 작성 가이드([기본편](https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_base_en.md), [참조 모드편](https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_ref_en.md))를 바탕으로 합니다. MiniMax는 H3가 대부분의 모델보다 프롬프트 구조의 영향을 더 크게 받는다고 말합니다. 화면은 샷별로 쓰고, 대사는 태그에 넣고, 환경음과 음악은 각각 한 섹션씩 씁니다. 아래 작성법은 그 가이드에서 가져왔고, 예문은 이 페이지의 예시 영상을 만들 때 실제로 보낸 프롬프트입니다. 「실측」으로 표시한 내용은 우리가 직접 생성해 확인한 결과입니다.
- **세 섹션으로 나눠 쓰기**: `integrated_multimodal_description`에는 화면·동작·샷·대사를, `overall_soundscape`에는 환경음과 동작 소리를 1~4문장으로, `non_diegetic_music`에는 관객만 듣는 음악을 쓰고 음악이 없으면 `N/A`라고 씁니다. 실측: 같은 빵집 장면을 한 줄로 썼을 때도 대사와 컷 전환은 나왔지만 음악이 없고 효과음이 맞지 않았습니다. 세 섹션으로 쓰자 기타, 문 종소리, 빵 써는 소리가 모두 쓴 대로 나왔습니다. — 빵집 원문 첫머리: “integrated_multimodal_description: [Shot 1] Live-action, cinematic, …”
- **샷마다 한 블록, 컷 시점도 함께**: `[Shot 1]`에는 시간을 쓰지 않고, 이후 샷은 `[Shot 2] At 00:05.000, the camera cuts to…`처럼 씁니다. 이 페이지의 여러 샷 예시에서는 컷이 적어 둔 시점 가까이에서 바뀌었습니다. — 빵집: “[Shot 2] At 00:05.000, the camera cuts to a close-up of steam rising from the sliced bread”
- **카메라 = 종류 + 폭 + 속도**: push in, pan, truck, arc shot, tracking shot 같은 카메라 움직임에 with small amplitude, at slow speed를 붙여 동작 문장 안에 씁니다. 문장 끝에 태그처럼 쌓지 마세요. — 빵집: “The camera pushes in with small amplitude at slow speed as the middle-aged baker…”
- **대사는 대사 태그 안에**: 화자에게 (S1), (S2) 번호를 붙이고 나이와 목소리를 먼저 묘사한 뒤, 대사를 `[English] …`로 씁니다. 번역하지 말고 말할 문장 그대로 씁니다. 중국어 대사는 `[Chinese]`를 씁니다. — 기차: `the quiet, breathy young woman (S1) says: [English] I get off at the next station.`
- **화면 속 글자는 따옴표 안에**: 간판이나 현수막에 나올 글자는 화면에 나와야 할 모양 그대로 영어 큰따옴표 안에 넣습니다. 실측: “营业中”은 정확히 나왔고, 프롬프트에 적지 않은 간판의 글자는 알아볼 수 없게 나왔습니다. — 국수 노점: “A red neon sign reading "营业中" glows above the stall”
- **중국어 대사에는 자막이 붙음**: 실측: 중국어 대사를 넣은 두 번의 생성 모두 화면 아래에 중국어 자막이 박혀 나왔고, 자막을 넣지 말라고 써도 없어지지 않았습니다. 영어 대사에는 자막이 없었습니다. 깨끗한 화면이 필요하면 대사를 영어로 쓰거나 후반 작업에서 처리하세요. — 국수 노점의 마지막 문장(효과 없음): “No subtitles or captions appear on screen.”
- **프레임 모드: 정렬 문장과 움직임 경로**: 첫 프레임 작업은 정렬 문장으로 시작합니다. 첫·마지막 프레임은 두 번째 이미지가 몇 초에 맞춰지는지 쓰고, 본문에는 두 이미지를 다시 묘사하는 대신 그 사이의 움직임을 씁니다. — 우산: “Picture 2 (from Shot 1) aligns with the 8.00-second mark of the target video”
- **참조 소재마다 이름 붙이기**: 입력마다 ``, `` 같은 이름을 붙이고 영상에서 어떤 역할을 하는지 씁니다. 실측: MiniMax 하이라이트 페이지의 한 줄 방식(“Image 1: …, Image 2: …”)으로 쓰자 참조 이미지 세 장이 거의 움직이지 않는 샷 세 개가 되었습니다. 참조 가이드의 구조로 다시 쓰자 패션모델들이 안경을 쓰고 걸었습니다. — 안경 광고: ` is the futuristic silver sunglasses in …`
| 부분 | 역할 | 예시 |
| --- | --- | --- |
| 화면 섹션 | `integrated_multimodal_description:`으로 시작하고, 샷마다 한 블록씩 씁니다. | 원문: “integrated_multimodal_description: [Shot 1] …” |
| 스타일과 샷 크기 | 첫 샷은 스타일과 샷 크기로 시작합니다. | 원문: “Live-action, cinematic, a medium-wide shot frames a baker opening the shutters…” |
| 카메라와 동작 | 카메라 움직임의 종류·폭·속도를 동작과 같은 문장에 씁니다. | 원문: “The camera pushes in with small amplitude at slow speed as the middle-aged baker… places a fresh loaf on the wooden counter” |
| 대사 | 화자 번호, 목소리, 태그로 감싼 대사. | 원문: `with a calm, slightly raspy voice (S1) … says: [English] First batch of the morning.` |
| 컷 전환 | 새 샷에는 전환 시점과 새 화면을 씁니다. | 원문: “[Shot 2] At 00:05.000, the camera cuts to a close-up of steam rising from the sliced bread” |
| 소리 섹션 두 개 | 하나는 환경음, 하나는 음악. | 원문: “overall_soundscape: Wooden shutters scrape open… non_diegetic_music: A soft acoustic-guitar pattern…” |
```text
integrated_multimodal_description: [Shot 1] [스타일, 예: Live-action, cinematic], [샷 크기] frames [피사체와 장소]. The camera [카메라 움직임] with [small / large] amplitude at [slow / fast] speed as [동작]. The [화자의 나이와 목소리] (S1) says: [English] [대사] [Shot 2] At 00:0X.000, the camera cuts to [다음 화면].
overall_soundscape: [환경음과 동작 소리, 1~4문장]
non_diegetic_music: [악기, 템포, 강약 변화. 음악이 없으면 N/A]
```
## KovAPI에서 MiniMax H3 Lite로 영상 만드는 법
1. **가입하고 API 키 만들기** KovAPI에 로그인해 콘솔에서 키를 만듭니다. 키 하나로 사이트의 모든 모델을 쓸 수 있습니다.
2. **이 페이지 위쪽에서 프롬프트 시험하기** 길이·해상도·화면 비율을 고르고 참조 이미지를 더하면, 제출 전에 실시간 가격을 볼 수 있습니다.
3. **비동기 작업 제출** `minimax-h3-lite`로 `POST /v1/videos/generations`에 제출하고, HTTP 202 응답의 작업 ID를 저장합니다. 전체 요청 예시는 문서에 있습니다.
4. **결과 조회 또는 Webhook 수신** 작업 ID로 조회하거나, 제출할 때 `callback_url`을 지정하세요. 성공하면 `data[0].url`에서 MP4를 내려받습니다. 영상은 7일간 보관되니 제때 저장하세요.
### 최소 요청 예시
```bash
curl https://kovapi.com/v1/videos/generations \
-H "Authorization: Bearer $KOVAPI_KEY" -H "Content-Type: application/json" \
-d '{"model": "minimax-h3-lite", "prompt": "...", "duration": 4, "resolution": "1080P", "size": "16:9"}'
# -> HTTP 202 {"id": "..."}; poll:
curl https://kovapi.com/v1/videos/jobs/ -H "Authorization: Bearer $KOVAPI_KEY"
```
## MiniMax 영상 모델의 발전
- 2025-02-11 · T2V-01-Director: **T2V-01-Director · 카메라 제어** 프롬프트에 카메라 지시를 쓰면 모델이 그대로 카메라를 움직입니다. H3의 프롬프트 가이드도 이 카메라 표기 방식을 이어받았습니다.
- 2025-06-18 · MiniMax Hailuo 02: **Hailuo 02 · 1080P** 2세대 영상 모델로, 1080P와 최대 10초 길이를 지원합니다.
- 2025-10-28 · MiniMax Hailuo 2.3: **Hailuo 2.3 / 2.3 Fast** 몸동작, 표정, 물리적 사실감, 프롬프트 준수가 좋아졌습니다. Fast 버전은 이미지-투-비디오 전용입니다.
- 2026-07-31 · MiniMax H3: **MiniMax H3 · 3세대** 텍스트·이미지·영상·오디오를 함께 이해하고 화면과 스테레오 사운드를 한 번에 생성합니다. 첫 프레임, 첫·마지막 프레임, 참조 이미지, 참조 영상을 한 모델에서 씁니다. KovAPI는 480P / 768P / 1080P를 제공합니다.
## MiniMax H3와 다른 영상 모델 고르기
| 모델 | 길이(초) | 해상도 | 참조 이미지 / 영상 / 오디오 | 가격 | 적합한 경우 |
| --- | --- | --- | --- | --- | --- |
| MiniMax H3 Lite (`minimax-h3-lite`) | 4–15 | 480P / 768P | 5/0/0 | $0.005/초 | 대량 시안과 프롬프트 테스트: 같은 H3를 더 적은 추론 단계로 돌려 더 빠르고 저렴하지만 화질은 조금 낮습니다. 텍스트와 참조 이미지만 지원합니다. |
| MiniMax H3 (`minimax-h3`) | 4–15 | 480P / 768P / 1080P | 9/3/3 | $0.015/초 | 소리 있는 1080P 영상, 첫·마지막 프레임, 또는 참조 이미지와 참조 영상을 함께 쓸 때. 저렴한 480P 시안에도 좋습니다. |
| Wan 3.0 (`wan3.0-video`) | 4–30 | 480P / 720P / 1080P | 10/5/5 | $0.04/초 | 15초를 넘는 영상(최대 30초), 또는 문서나 웹페이지로 만드는 영상. |
| Seedance 2.5 (`seedance-2.5`) | 4–30 | 480P / 720P / 1080P | 30/10/10 | $0.10/초 | 참조 소재가 많을 때, 또는 최대 30초의 이야기형 영상. |
| Seedance 2.0 Fast (`seedance-2.0-fast`) | 5–15 | 480P / 720P | 9/3/3 | $0.046/초 | 빠르고 저렴한 Seedance 영상. |
| Gemini Omni 1.2 Flash (`gemini-omni-1.2-flash`) | 3–15 | 720P / 1080P / 4K | 3/0/0 | $0.035/초 | 기존 영상을 한 문장으로 편집하거나, 4K나 정확한 화면 글자가 필요할 때. |
| Veo 3.1 (`veo-3.1`) | 8 | 720P / 1080P | 3/0/0 | $0.20/건 | 8초 고정, 개당 과금하는 영상. |
| Grok Imagine Video 1.5 (`grok-imagine-video-1.5`) | 4–15 | 480P / 720P | 7/0/0 | $0.30/건 | 개당 과금하는 480P / 720P 영상, 참조 이미지는 최대 7장. |
다른 모델로 이미 만든 영상이 있다면, 같은 입력과 검수 기준으로 둘 다 돌려 화면·동작·소리·생성 시간·실제 비용을 비교한 뒤 바꿀지 정하세요. H3와 Lite 중에서 고를 때는 위의 같은 프롬프트 비교를 보세요.
## 입력 조합 규칙
- Lite에는 첫 프레임과 첫·마지막 프레임이 없습니다. 이미지는 항상 참조로 쓰이며, `image_role: first_frame`은 바로 거부되고 과금되지 않습니다. 특정 이미지로 영상을 시작하려면 Standard를 쓰세요.
- Lite는 참조 영상과 참조 오디오를 받지 않습니다. 둘 중 하나라도 넣은 요청은 거부되며 과금되지 않습니다. 이런 소재가 필요하면 Standard를 쓰세요.
- 480P와 768P만 있습니다. `1080P`는 거부되고 `720P`는 768P로 처리합니다. 모든 영상에 소리가 있으며, 음악을 빼려면 프롬프트에 `non_diegetic_music: N/A`라고 쓰세요.
## KovAPI에서 MiniMax H3 Lite를 쓰는 이유
- **저렴한 시안**: Lite는 480P 초당 $0.005, 768P 초당 $0.0125입니다. 한 프롬프트의 구도와 움직임을 Lite로 대량으로 시험한 뒤, 고른 것만 Standard 1080P로 바꿔 만드세요. 플레이그라운드에서 제출 전에 그 요청의 가격을 보여 줍니다.
- **실패는 과금 없음, 자동 재시도**: 작업이 실패하면 예치한 금액을 전액 돌려드립니다. 업스트림이 붐비거나 오류를 내면 시스템이 자동으로 재시도하므로 재시도 로직을 직접 짤 필요가 없습니다.
- **동시 실행 제한 없음**: 계정별 동시 실행 한도가 없어 대량 작업을 바로 제출할 수 있습니다. 붐빌 때는 작업이 대기열에서 기다리며, API가 `queue_position`과 `eta_seconds`를 돌려주고 끝나면 Webhook으로 알립니다.
- **모든 영상 모델을 하나의 API로**: 제출·조회·Webhook 방식이 사이트의 모든 영상 모델에서 같습니다. `model`만 바꾸면 같은 프롬프트를 Standard, Wan, Seedance 등에 보낼 수 있습니다.
- **가입과 결제가 간단**: 이메일, Google, GitHub로 가입하고 WeChat Pay, 카드, PayPal, USDT로 충전합니다. 쓴 만큼만 내고 월정액은 없으며, 같은 키로 사이트의 대화·이미지 모델도 쓸 수 있습니다.
## MiniMax H3 API 자주 묻는 질문
### MiniMax H3란?
MiniMax가 2026년 7월에 공개한 영상 모델로, MiniMax는 Hailuo 01과 Hailuo 02에 이은 3세대라고 부릅니다. 텍스트·이미지·영상·오디오를 함께 이해하며 모든 영상에 소리가 있습니다. KovAPI에서는 `minimax-h3`로 텍스트-투-비디오, 첫 프레임, 첫·마지막 프레임, 참조 이미지, 참조 영상을 지원합니다.
### 영상은 얼마나 길게 만들 수 있나요?
4~15초 중 정수 초로 고르며, `duration`을 생략하면 5초입니다. 결과 영상은 요청보다 1초 미만으로 조금 더 길며(5초 작업은 약 5.2초), 과금은 요청한 초 수로 합니다.
### 해상도는 무엇을 고르고, 실제 크기는 얼마인가요?
480P는 시안과 대량 생성, 768P는 디테일과 가격의 균형, 1080P는 가장 정밀한 화면에 맞습니다. `resolution`을 생략하면 1080P입니다. 16:9 기준 480P는 864×480, 768P는 약 1344×768, 1080P는 약 1920×1080이며, 작업마다 수십 픽셀 차이가 날 수 있습니다.
### 720P를 보내도 되나요?
됩니다. 768P로 생성하고 768P로 과금합니다. 2K나 4K 같은 다른 값은 제출할 때 거부되며 과금되지 않습니다.
### 프레임과 참조는 어떻게 전환하나요?
`image_role`이 없으면 이미지 1장은 첫 프레임, 2장은 첫·마지막 프레임입니다. `image_role: reference`를 쓰면 참조 이미지가 되며 최대 9장까지 넣을 수 있고, 이미지 속 인물·제품·장소가 프레임이 아니라 장면 안에 등장합니다. 참조 영상이나 참조 오디오는 참조 모드에서만 쓸 수 있습니다.
### 참조 영상으로 무엇을 할 수 있고, 어떻게 과금되나요?
영상이 참조 영상의 동작·카메라 움직임·리듬을 따를 수 있습니다. 이 페이지의 여우는 참조 영상 속 사람과 같은 동작으로 춤춥니다. 참조 영상의 초 수는 결과 초 수와 합쳐 선택한 등급의 단가로 과금합니다. 예를 들어 768P에 결과 6초, 참조 영상 7초면 13초로 과금합니다. 최대 3개, 각 2–15초·합계 15초까지입니다.
### 참조 오디오는 효과가 있나요? 과금되나요?
무료이며 최대 3개까지, 참조 이미지나 참조 영상과 함께 보내야 합니다. MiniMax 가이드는 이를 목소리나 음악의 참조로 설명합니다. 캐릭터가 참조 목소리로 새 대사를 말하게 해 봤지만 두 번의 테스트 모두 목소리가 눈에 띄게 달라지지 않았으니, 목소리를 정하는 용도로는 기대하지 마세요.
### 참조 소재의 형식과 크기 조건은?
이미지: JPG / PNG / WEBP(GIF 불가), 개당 16MB까지, 가로·세로 256–5760픽셀, 가로세로 비율 0.4–2.5. 표준 참조 모드는 최대 9장, Lite는 최대 5장. 참조 영상(표준만): MP4 / MOV(영상 H.264 / H.265, 오디오 AAC / MP3), 최대 3개, 각 2–15초·합계 15초까지, 개당 50MB까지. 참조 오디오(표준만): WAV / MP3, 최대 3개, 각 2–15초·합계 15초까지, 개당 15MB까지. 조건에 맞지 않으면 제출 시 거부됩니다(코덱이 다르면 생성 중에 실패합니다). 어느 경우든 과금되지 않습니다.
### 소리를 끌 수 있나요?
끌 수 없습니다. 모든 영상에 오디오 트랙이 있으며 `audio: false`는 거부됩니다. 음악을 빼려면 `non_diegetic_music: N/A`라고 쓰고, 완전히 무음인 파일이 필요하면 내려받은 뒤 오디오 트랙을 지우세요.
### 대사를 중국어나 다른 언어로 쓸 수 있나요?
됩니다. 대사를 `[Chinese] …`처럼 씁니다. 우리가 테스트한 중국어 대사는 한 글자도 틀리지 않았지만 화면 아래에 중국어 자막이 나타났고, 자막을 넣지 말라고 써도 없어지지 않았습니다. MiniMax는 중국어·영어·일본어·한국어·스페인어·러시아어 등 11개 언어에서 대사가 안정적이라고 밝힙니다. 프롬프트의 나머지는 가이드처럼 영어로 쓰는 편이 안전합니다.
### 실존 인물 사진을 쓸 수 있나요?
됩니다. 일반인 사진 두 장으로 첫 프레임 2번, 참조 2번 테스트했고 네 번 모두 정상적으로 생성되었습니다. 사진 속 인물의 초상을 쓸 권리가 있는지 확인하세요.
### 생성에 얼마나 걸리나요?
2026년 11월 12일에 우리가 생성한 30여 개 테스트에서는 대부분 2~6분 만에 끝났고, 몇 개는 15분을 넘겼습니다. 해상도가 높을수록, 참조 소재가 많을수록, 붐비는 시간일수록 더 걸립니다. 비동기 작업이므로 작업 ID로 조회하거나, `callback_url`을 지정하고 알림을 기다리세요.
### 생성에 실패하면 과금되나요?
실패한 생성은 과금되지 않으며 그대로 다시 제출할 수 있습니다. 제출할 때 예치한 금액은 전액 환불되고, 같은 작업의 자동 재시도는 한 번만 정산됩니다.
### 결과는 얼마나 보관되나요?
영상과 업로드한 파일은 7일간 보관된 뒤 삭제됩니다. 필요한 것은 제때 내려받으세요.
### H3와 H3 Lite 중 무엇을 고를까요?
[MiniMax H3 Lite](https://kovapi.com/ko/model/minimax-h3-lite)는 같은 H3를 더 적은 추론 단계로 돌린 버전으로, 더 빠르고 저렴하지만 화질은 조금 낮습니다. 480P / 768P만 있고 텍스트와 참조 이미지만 지원하며, 참조 오디오와 참조 영상은 받지 않습니다. Lite로 프롬프트와 구도를 시험한 뒤 최종 영상은 H3 1080P로 만드세요. 위의 같은 프롬프트 비교에서 차이를 볼 수 있습니다.
### H3, Wan 3.0, Seedance 2.5 중 무엇을 고를까요?
15초보다 긴 영상은 [Wan 3.0](https://kovapi.com/ko/model/wan3.0-video)이나 [Seedance 2.5](https://kovapi.com/ko/model/seedance-2.5)(최대 30초)를 쓰고, 첫·마지막 프레임이나 저렴한 480P 시안에는 H3가 더 맞습니다. 가장 좋은 방법은 같은 프롬프트를 각각 돌려 비교하는 것입니다.
### 이 페이지의 예시는 어떻게 만들었나요?
모두 KovAPI가 자체 API로, 표시된 설정 그대로 생성했습니다. 예시마다 설정과 현재 가격 기준 비용을 적어 두었습니다. 프롬프트는 대부분 MiniMax 공식 가이드의 문장을 그대로 가져왔고, 입력 이미지는 KovAPI 사이트의 이미지 모델로 만들었습니다.
## AI를 위한 보충 설명
- 모델 ID는 `minimax-h3`입니다. `POST /v1/videos/generations`로 제출하면 HTTP 202와 작업 `id`가 돌아오며, 결과는 `GET /v1/videos/jobs/`에 작업 ID를 붙여 조회합니다.
- `resolution`: 480P / 768P / 1080P, 기본 1080P. `720P`는 768P로 처리합니다. `size`: 16:9 / 9:16 / 1:1 / 4:3 / 3:4 / 3:2 / 2:3 / 21:9. `duration`: 4~15의 정수, 기본 5.
- 이미지는 `images`에 넣습니다. `image_role`이 없으면 1장은 첫 프레임, 2장은 첫·마지막 프레임입니다. `image_role: reference`면 참조 이미지 최대 9장이며, 3장 이상이면 반드시 reference를 지정해야 합니다.
- 참조 영상 필드는 `video_references`(또는 `video_reference`): 최대 3개, 각 2–15초, 합계 15초 이하, MP4 / MOV, 초 단위 과금. 참조 오디오 필드는 `audio_references`(또는 `audio_reference`): 최대 3개, WAV / MP3, 각 2–15초, 합계 15초 이하, URL만, 무료, 참조 이미지나 참조 영상과 함께일 때만. 둘 다 참조 모드가 필요합니다.
- `reference_audios`, `reference_videos`, `start_frame`, `end_frame`, 그리고 첫 프레임 요청에 넣은 오디오나 영상은 제출할 때 HTTP 400을 반환하며 과금되지 않습니다.
- 과금: 선택한 등급의 초당 단가 × (결과 초 수 + 참조 영상 초 수). 480P 초당 $0.015, 768P 초당 $0.025, 1080P 초당 $0.036.
- 영상에는 항상 오디오 트랙이 있으며 `audio: false`는 거부됩니다. 프롬프트는 최대 5,000자이며, 이 페이지의 프롬프트 섹션에 나온 구조로 씁니다. 실측: 참조 오디오는 목소리를 눈에 띄게 바꾸지 못했고, 중국어 대사에는 화면에 박힌 자막이 붙습니다.
## 더 읽을거리
- [MiniMax H3 API 문서](https://docs.kovapi.com/ko/minimax-h3): 요청 필드, 비동기 작업, 결과, 전체 코드 예시.
- [MiniMax H3 Lite](https://kovapi.com/ko/model/minimax-h3-lite): 같은 H3를 더 빠르고 저렴하게, 대량 시안용.
- [MiniMax H3 가격 비교](https://kovapi.com/ko/compare/minimax-h3): MiniMax와 다른 플랫폼의 초당 가격, 칸마다 출처 표기.
- [비동기 작업 가이드](https://docs.kovapi.com/ko/guide/async-jobs): 작업 상태, 대기열 필드, 결과 조회.
- [Webhook 가이드](https://docs.kovapi.com/ko/webhooks): 작업 결과를 받고 문서대로 서명을 검증합니다.