ToAPIs
    InicioToAPIs
    Generación de imágenesGPT Image 2.6, Gemini, FLUX…Generación de videoSeedance, Veo, Kling, Sora…Chat y redacciónGPT-5.6, Claude, DeepSeek…Voz y músicaLocuciones, TTS, audio
    NovedadSeedance 2.5
    PreciosDocumentación de APIMCP
    BlogAlternativas
    Iniciar sesiónEmpieza gratis
    Todos los modelosPreciosDocumentación de APIMCPBlogAlternativas
    Iniciar sesiónEmpieza gratis

    Idioma

    Esc
    • Seedance 2.5Generación de video
    • GPT Image 2Generación de imágenes
    • GPT Image 2.6Generación de imágenes
    • GPT Image 2.5Generación de imágenes
    • Veo 3.1 FastGeneración de video
    • Kling 3.0 TurboGeneración de video
    • Kling V4 FlashGeneración de video
    • Grok Video 1.5Generación de video
    • Nano Banana 2Generación de imágenes
    • Seedream 5.5Generación de imágenes
    • FLUXGeneración de imágenes
    • Sora 2Generación de video
    • Todos los modelos de imagenCategoría
    • Todos los modelos de videoCategoría
    • GPT-5.6 SolChat y código
    • Claude Opus 4.8Chat y código
    • Claude Opus 4.7Chat y código
    • DeepSeek V4 ProDeepSeek · Texto
    • Gemini Omni 1.1 FlashGoogle · Multimodal
    1. Inicio
    2. Blog
    3. Tutorial
    4. Cómo crear un pipeline automatizado de imagen a vídeo (R2V) con la API de MiniMax H3
    Volver a todos los artículos
    tutorial2026-11-106 min de lectura

    Cómo crear un pipeline automatizado de imagen a vídeo (R2V) con la API de MiniMax H3

    Tutorial de ingeniería para un pipeline automatizado de Reference-to-Video con MiniMax H3: entradas de primer fotograma, preparación de recursos, sondeo acotado de tareas y el contrato de solicitud del frontend de ToAPIs.

    ToAPIs Engineering & Evaluation Team
    MiniMax H3R2VVideo AutomationPythonTutorial
    TL;DR - Puntos clave
    • El R2V en modo de fotogramas de MiniMax H3 ancla un clip con first_frame_image (y opcionalmente last_frame_image); ambos campos son listas de como máximo una imagen cada una.
    • No mezcles entradas de primer y último fotograma con reference_images, reference_videos o reference_audio en la misma solicitud.
    • Un worker resistente prepara un recurso accesible, envía POST /v1/videos/generations y luego consulta el endpoint de estado de la tarea con retroceso exponencial acotado.
    • Confirma el formato de carga, el formato de respuesta y el precio actual de tu cuenta antes de ejecutarlo sin supervisión; esto no es una comparativa de latencia ni de precio.

    Cómo crear un pipeline automatizado de imagen a vídeo (R2V) con la API de MiniMax H3

    Modelo objetivo: minimax-h3
    Endpoint de inferencia: https://api.toapis.com/v1/videos/generations
    Relacionado: Guía de la API de MiniMax H3 · Prompts de movimiento de cámara · Elección entre H3 y Turbo


    1. Resumen y panorama del rendimiento

    • Trabajo: animar una imagen fija en un clip corto con el modo de fotogramas de MiniMax H3 y envolver el envío y el sondeo en un worker que puedas ejecutar sin supervisión.
    • Entradas: first_frame_image como lista de un elemento; last_frame_image opcional como lista de un elemento; un prompt que describa el movimiento hacia fuera o alrededor de ese ancla; duración entera de 4–15 s en minimax-h3 base.
    • Modos: las entradas de fotograma y el material de referencia son mutuamente excluyentes. Turbo (minimax-h3-max-turbo) rechaza el material de referencia; no copies campos de referencia en un payload de Turbo.
    • Worker: prepara un recurso accesible, envía una sola vez, guarda el identificador de la tarea, consulta con retroceso y una fecha límite estricta y luego almacena la URL del resultado en tu propio sistema.
    • Alcance: es una guía de integración para el contrato actual del frontend de ToAPIs. No es una comparativa de latencia, disponibilidad ni precio.

    2. Plano del pipeline

    Un worker de R2V sin supervisión debería desacoplar la petición HTTP de quien llama del renderizado de larga duración:

    1. Aceptar la imagen fija de origen y el prompt de movimiento desde tu producto.
    2. Preparar la imagen mediante el flujo de carga documentado, o usar una URL que estés autorizado a descargar. Prefiere almacenamiento de objetos con un localizador accesible y de corta duración antes que una ruta de disco privada.
    3. Enviar un trabajo POST /v1/videos/generations con model, prompt, duration y first_frame_image.
    4. Consultar el endpoint de estado documentado con retroceso exponencial acotado y una fecha límite global.
    5. Entregar la URL del vídeo resultante por tu propia vía de notificación (cola, correo o webhook de producto). Comprueba el estado de la tarea antes de crear un segundo trabajo facturable.

    Pipeline R2V abstracto desde un fotograma fijo a través de una pasarela y un bucle de sondeo hasta los fotogramas de salida

    Figura 1: una imagen fija se prepara, se envía una sola vez a través de la pasarela de generaciones de ToAPIs y luego se sondea hasta un estado final antes de que tu servicio emita el clip terminado.

    Comprobaciones previas que evitan la mayoría de los 400:

    • Usa el ID de modelo exacto habilitado para la cuenta (minimax-h3, minimax-h3-max o minimax-h3-max-turbo, no un alias inventado).
    • La duración es un entero: 4–15 s en H3 base y 5–15 s en los ID de la familia Max.
    • first_frame_image y last_frame_image son listas de como máximo una imagen cada una.
    • No envíes reference_images, reference_videos ni reference_audio en la misma solicitud que las entradas de fotograma.
    • En el frontend actual, el modo de fotogramas fuerza ratio a adaptive. Ajusta la forma de la imagen fija al lienzo previsto (por ejemplo 1920×1080 para un clip panorámico y 1080×1920 para un clip vertical) para reducir recortes inesperados.
    • El campo del contrato es ratio, no aspect_ratio.

    La redacción de cámara del prompt se sigue aplicando en el modo de fotogramas; consulta la guía de prompts de movimiento de cámara. Trata las etiquetas entre corchetes como ayudas de prompt, no como comandos nativos.


    3. Implementación en producción: cURL y Python

    Paso 1: solicitud de primer fotograma con cURL

    bash
    curl -X POST "https://api.toapis.com/v1/videos/generations" \
      -H "Authorization: Bearer $TOAPIS_API_KEY" \
      -H "Content-Type: application/json" \
      -d '{
        "model": "minimax-h3",
        "prompt": "[Dolly Forward] Rain falling onto neon asphalt, steam rising from grates, cinematic reflections",
        "duration": 6,
        "ratio": "16:9",
        "first_frame_image": ["https://example.com/starting-frame.jpg"]
      }'
    

    Sustituye la URL de ejemplo por un identificador de recurso o una URL de tu flujo de carga documentado. El contrato publicado de H3 muestra first_frame_image como un array, no como una cadena simple.

    Para guiar también un fotograma final, añade "last_frame_image": ["https://example.com/ending-frame.jpg"] en la misma solicitud de modo de fotogramas. Eso es el modo de fotogramas estándar, no un indicador experimental exclusivo de Turbo.

    Paso 2: worker en Python con sondeo acotado

    Ajusta task_id, status y video_url al esquema de respuesta documentado para tu cuenta antes de publicar.

    python
    import os
    import time
    import requests
    from typing import Any
    
    API_KEY = os.environ["TOAPIS_API_KEY"]
    BASE_URL = "https://api.toapis.com/v1"
    HEADERS = {
        "Authorization": f"Bearer {API_KEY}",
        "Content-Type": "application/json",
    }
    
    
    class MiniMaxR2VPipeline:
        def trigger_r2v(
            self,
            image_ref: str,
            prompt: str,
            duration: int = 6,
            last_frame_ref: str | None = None,
        ) -> str:
            if not 4 <= duration <= 15:
                raise ValueError("Base minimax-h3 accepts integer durations of 4-15 seconds")
            payload: dict[str, Any] = {
                "model": "minimax-h3",
                "prompt": prompt,
                "duration": duration,
                "ratio": "16:9",
                "first_frame_image": [image_ref],
            }
            if last_frame_ref:
                payload["last_frame_image"] = [last_frame_ref]
            res = requests.post(
                f"{BASE_URL}/videos/generations",
                headers=HEADERS,
                json=payload,
                timeout=30,
            )
            res.raise_for_status()
            data = res.json()
            task_id = data.get("task_id") or data.get("id")
            if not task_id:
                raise RuntimeError(f"Unexpected submission envelope: {data}")
            return task_id
    
        def poll_until_complete(self, task_id: str, max_timeout: int = 180) -> dict[str, Any]:
            start = time.time()
            interval = 3.0
            poll_url = f"{BASE_URL}/videos/tasks/{task_id}"
            while time.time() - start < max_timeout:
                res = requests.get(poll_url, headers=HEADERS, timeout=15)
                res.raise_for_status()
                data = res.json()
                status = data.get("status")
                if status in {"succeeded", "success"}:
                    return {
                        "status": "success",
                        "task_id": task_id,
                        "video_url": data.get("video_url"),
                        "elapsed_seconds": round(time.time() - start, 2),
                    }
                if status in {"failed", "error"}:
                    return {
                        "status": "error",
                        "task_id": task_id,
                        "error": data.get("error", "Generation failed"),
                    }
                time.sleep(interval)
                interval = min(interval * 1.1, 6.0)
            return {
                "status": "timeout",
                "task_id": task_id,
                "error": f"Exceeded {max_timeout}s; check task status before retrying",
            }
    
    
    if __name__ == "__main__":
        pipeline = MiniMaxR2VPipeline()
        # Replace with an uploaded asset identifier or a URL you are authorized to fetch.
        image_ref = "https://example.com/starting-frame.jpg"
        prompt = "[Dolly Forward] Rain falling onto neon asphalt, steam rising from grates, cinematic reflections"
        task_id = pipeline.trigger_r2v(image_ref, prompt)
        print("Task:", task_id)
        print("Result:", pipeline.poll_until_complete(task_id))
    

    Un tiempo de espera agotado no es un fallo confirmado. Registra el identificador de la tarea (nunca la clave de API ni las URL de medios privados), revisa el estado y solo entonces decide si enviar de nuevo.


    4. Gestión de errores y matriz de estados

    Las categorías de abajo son puntos de partida para el diagnóstico, no una garantía de los códigos de error exactos de ToAPIs.

    Estado HTTPCategoría habitualAcción recomendada
    400Campo inválido, medios inaccesibles o no admitidos, o modos de fotograma y referencia mezcladosValida el ID de modelo, la duración, first_frame_image como lista de un elemento y que los campos de referencia estén ausentes
    401Clave de API ausente o inválidaRota la clave en el panel de ToAPIs
    429Límite de frecuencia o de concurrenciaRetrocede con fluctuación aleatoria y encola localmente
    5xx o tiempo de espera agotado en la redProblema temporal de la pasarela o del upstreamVuelve a leer el estado de la tarea antes de crear otro trabajo

    WaitTime=min⁡(MaxWait,BaseInterval×2attempt)+Uniform(0,1)\text{WaitTime} = \min(\text{MaxWait}, \text{BaseInterval} \times 2^{\text{attempt}}) + \text{Uniform}(0, 1)WaitTime=min(MaxWait,BaseInterval×2attempt)+Uniform(0,1)

    Trata los fallos de carga como una parada total: no envíes una solicitud de generación sin un identificador de recurso válido.


    5. Precios y retorno de FinOps

    Estimated cost=successful output seconds×current account rate per second\text{Estimated cost} = \text{successful output seconds} \times \text{current account rate per second}Estimated cost=successful output seconds×current account rate per second

    • Cotiza a partir de una fuente fechada de tu cuenta. No pegues precios por segundo ni porcentajes de SLA de borradores de planificación en una previsión de producción. Las tarifas y la facturación de tareas fallidas pueden variar según el modelo y la ruta.
    • Los contratos oficiales de los proveedores pueden exigir compromisos o mínimos de prepago. Confirma si tu cuenta de ToAPIs es de pago por uso puro y cómo se facturan los renderizados fallidos del upstream.
    • La disciplina del pipeline es la palanca práctica de FinOps: un envío por plano, comprobaciones de estado antes de reintentar, plantillas de prompt guardadas con la tarea y una duración limitada al clip más corto que sirva al plano.
    • ¿Necesitas 1080P? Comprueba si el ID canónico exacto minimax-h3-max está habilitado. ¿Necesitas Turbo? Usa minimax-h3-max-turbo y omite los campos de material de referencia. Los detalles están en la guía de elección.

    6. Preguntas frecuentes

    Consulta el bloque de preguntas frecuentes del frontmatter. En resumen: ajusta la imagen fija al lienzo previsto; la guía por fotograma final es el modo de fotogramas estándar (como máximo una imagen cada uno); usa el flujo de carga documentado en lugar de una ruta privada; esta guía consulta el estado en lugar de suponer un webhook de ToAPIs.


    7. Lista de acciones

    • Crea una clave en el Portal de desarrolladores de ToAPIs.
    • Prepara una imagen fija mediante el flujo de carga documentado y haz una prueba rápida de la solicitud de primer fotograma con cURL.
    • Conecta el worker de Python con un plazo de sondeo de 180 s y una regla de no duplicar envíos ante tiempos de espera agotados.
    • Revisa el contrato de solicitud de H3 y la guía de prompts de movimiento de cámara antes de lanzar trabajos por lotes.

    Explora los modelos mencionados en este artículo

    MiniMaxVIDEO

    minimax-h3

    Tarifa actual: 20.8 credits /second
    Guía del modeloProbar en la consolaObtener clave de API
    MiniMaxVIDEO

    minimax-h3-max

    Tarifa actual: 8 credits /second
    Guía del modeloProbar en la consolaObtener clave de API
    ToAPIsAI Model

    minimax-h3-max-turbo

    Tarifa actual: Ver precios en vivo
    Guía del modeloProbar en la consolaObtener clave de API

    Artículos relacionados

    tutorial2026-10-22T09:00:00+08:0012 min de lectura

    Guía de la API de MiniMax H3: texto a vídeo y entradas de referencia

    Guía práctica para llamar a los modelos de vídeo MiniMax H3 a través de ToAPIs: ejemplos de solicitud, modos de entrada admitidos, límites por modelo e indicaciones para consultar el estado de la tarea.

    TO
    ToAPIs Engineering Team
    #MiniMax H3
    tutorial2026-11-10T10:00:00+08:006 min de lectura

    Guía de prompts de MiniMax H3: cómo crear movimientos de cámara cinematográficos vía API

    Guía para desarrolladores sobre cómo escribir prompts de movimientos de cámara cinematográficos para la API de vídeo MiniMax H3 en ToAPIs: plantillas reutilizables, ejemplos en cURL y Python, y el contrato de solicitud actual del frontend.

    TO
    ToAPIs Engineering & Evaluation Team
    #MiniMax H3
    tutorial2026-11-11T10:00:00+08:007 min de lectura

    Integración de la API de MiniMax Hailuo 2.3: generar movimiento humano complejo en vídeo con IA

    Guía para desarrolladores sobre la API de vídeo MiniMax Hailuo 2.3 en ToAPIs: patrones de prompt para movimiento humano, el contrato actual de solicitud para trabajos de 6 y 10 segundos en 768P y 1080P, y ejemplos en cURL y Python.

    TO
    ToAPIs Engineering & Evaluation Team
    #MiniMax Hailuo
    ToAPIs
    InicioToAPIs
    Pasarela empresarial de API de IA. Accede a GPT-5, Claude, Gemini y más de 200 modelos mediante una única API unificada.

    Modelos populares

    • Seedance 2.5 API
    • Seedance 2.0 API
    • Veo 3.1 Fast API
    • Kling 3.0 Turbo API
    Mostrar másMostrar menos
    • GPT Image 2 API
    • Claude Opus 4.8 API
    • Nano Banana 2 API
    • Seedance 2 Mini API
    • Todos los modelos

    Categorías de API

    • API de imagen con IA
    • API de vídeo con IA
    • API texto a vídeo
    • API imagen a vídeo
    Mostrar másMostrar menos
    • API de edición de imágenes con IA
    • API de LLM y razonamiento
    • Todas las herramientas API →

    Alternativas

    Alternativas
    • Alternativa a Kie.ai
    • Alternativa a Fal.ai
    • Alternativa a OpenRouter
    • Alternativa a Replicate
    • Alternativa a Wavespeed AI
    • Todas las comparativas →

    Guías destacadas

    Guías destacadas
    • Precios de Seedance 2.0 y 2.5
    • Guía de la API Seedance más económica
    • Guía de integración de MiniMax H3
    • Clave de API gratuita de Seedance 2
    • Inicio rápido de la API Seedance 2
    • Todos los artículos técnicos →

    Desarrolladores y plataforma

    Desarrolladores y plataforma
    • Documentación de API
    • MCP
    • Precios
    • Área de pruebas de modelos
    • LLMs.txt
    • Contactar con soporte
    • Directorio de guías de modelos
    Entidad operadora:
    鯨樞智能科技有限公司
    JINGSHU INTELLIGENT LIMITED
    Domicilio social:
    ROOM 5042, 5/F, YAU LEE CENTRE, NO.45, HOI YUEN ROAD, KWUN TONG, KOWLOON, HONG KONG
    PrivacidadTérminosUso aceptableEliminación de datosConservación de datosSubencargados y regionesFacturación y reembolsosPolítica de cookiesMapa del sitioAcerca de

    © 2026 ToAPIs. Todos los derechos reservados.