192 images : la seule seconde entière que rend MiniMax H3

Demandez un clip de huit secondes à MiniMax H3 et vous obtenez 8,000 secondes. Demandez-en sept, vous obtenez 7,292. Demandez-en douze, vous obtenez 12,250. Le modèle n’arrondit pas mal : il ne travaille pas du tout en secondes.

H3 génère par blocs d’images, pas en secondes

Chaque rendu H3 est un nombre entier de blocs latents, et le nombre d’images tombe toujours sur :

frames = 17n + 5

À 24 images par seconde, cela fixe la durée. Le réglage de durée d’une interface est une demande ; ce qui est réellement généré, c’est la grille, et votre valeur est ramenée au bloc valide le plus proche. ComfyUI rend cet ajustement visible : réglez une durée et regardez le champ des images sauter.

Sur la plage de 4 à 15 secondes que l’API accepte, la grille entière tient dans un tableau :

Une seule ligne est en gras, et c’est la seule qui ait besoin de l’être.

Pourquoi une seule valeur tombe sur une seconde entière

Un nombre d’images se divise exactement en secondes entières quand il est multiple de 24. On cherche donc :

17n + 5 ≡ 0  (mod 24)
17n     ≡ 19 (mod 24)

Dix-sept se trouve être son propre inverse modulo 24 — 17 × 17 = 289 = 12 × 24 + 1. Multiplions les deux membres par 17 :

n ≡ 17 × 19 ≡ 323 ≡ 11 (mod 24)

Les solutions sont donc n = 11, 35, 59, …. La suivante après 11 est 35, soit 600 images, soit 25 secondes — bien au-delà du plafond de 15 secondes.

Dans la plage que H3 accepte réellement de générer, n = 11 est la seule réponse. 192 images. 8,000 secondes. Toutes les autres valeurs que vous pouvez demander comportent une fraction de seconde.

Quand cela compte, et quand cela ne compte pas

Pour un clip isolé qui part directement dans un fil, cela ne change rien. Personne qui regarde une boucle ne distingue 8,708 secondes de neuf.

Cela commence à compter dès que le clip n’est plus seul :

• Le montage sur une musique. Une mesure à 120 bpm dure 2,000 secondes. Une demande de 10 secondes donne 7,292 ou 8,708 — les deux dérivent par rapport à la grille, et la dérive s’accumule le long d’une séquence.
• L’assemblage de plusieurs clips. Six plans de 5,167 secondes font 31,002 secondes, pas 31. C’est peu, mais cela finit par produire un montage qui ne tombe jamais tout à fait sur les repères que vous avez posés.
• Tout ce qui a un créneau imposé. Un pré-roll de six secondes n’est pas une durée que H3 sait produire. 6,583 est la plus proche, et elle déborde.

Si un projet a la moindre contrainte de minutage, construisez-le en blocs de 8,000 secondes et coupez au montage. C’est la seule longueur que le modèle rend propre.

La version pratique

Trois choses à retenir :

1. Demandez 8 secondes quand vous le pouvez. Cela ne coûte rien de plus — le prix par seconde produite est le même qu’avec n’importe quelle autre valeur, et c’est la seule qui arrive entière.
2. Lisez le nombre d’images, pas le champ des secondes. Les images sont ce à quoi le modèle s’est engagé. Les secondes sont une division que vous faites après coup.
3. Ne combattez pas la grille dans le prompt. Écrire « exactement six secondes » dans un prompt ne change pas la taille du bloc. Le minutage à l’intérieur du plan — un accent à 00:04,500, par exemple — est respecté ; la durée totale, elle, n’est pas négociable.

Le calcul ci-dessus vaut la peine d’être refait soi-même. Il prend une minute, il ne demande rien d’autre que la règle 17n + 5 et les 24 images par seconde, et il règle une question qui, sinon, ressemble à un modèle qui se comporte n’importe comment.

Ou laissez l’interface s’en charger : le générateur de vidéo IA MiniMax H3 ne propose ici que les durées que la grille sait vraiment rendre, si bien que le nombre que vous choisissez est le nombre de secondes que vous récupérez.