কনটেন্টে যান

H3 Max Reference to Video

ইন্টিগ্রেট করুন

মডেল id minimax/h3-max/reference-to-video
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://vit.doitong.com/api/v1/run/minimax/h3-max/reference-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "prompt_expansion_mode": "balanced"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://vit.doitong.com/api/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

উদাহরণের মতো ফাইল: ০.৪০$ ৪০০ API ক্রেডিট চালানোর আগে আপনার ফাইল মাপা হয় এই পেজে চালান

API কী পান
MiniMax রেফারেন্স থেকে ভিডিও রেফারেন্স ইনপুট০.৯২–১৫ s1080P পর্যন্ত #stylized#transform#typography

রেফারেন্স ছবি, ভিডিও ও অডিও ক্লিপ ব্যবহার করে বিষয়বস্তুর সামঞ্জস্য বজায় রাখা H3 Max ভিডিও জেনারেশন

MiniMax · ভিডিও

আপনার প্রথম ফলাফল এখানে আসবে

নিচে একটি রিকোয়েস্ট তৈরি করে আপনার API কী দিয়ে চালান। আউটপুট আমাদের স্টোরেজে কপি করা হয়, চিরকাল বা বিনামূল্যে ৭ দিন পর্যন্ত রাখা হয়।

একটি অনুরোধ তৈরি করুন

মডেল স্কিমা থেকে কন্ট্রোল তৈরি করা হয়। এগুলো পরিবর্তন করলে কোড ও মূল্য আপডেট হয়।

•আবশ্যক 88 / 50000

প্রতিটি রেফারেন্স তালিকায় অ্যাসেটের ধরন ও অবস্থান দিয়ে শনাক্ত করা রেফারেন্সসহ ভিডিও-জেনারেশনের নির্দেশনা; Audio 1, Video 1, Image 1, Image 2 ইত্যাদি লেবেল ব্যবহার করা হয়।

•আবশ্যক

জেনারেশনের আগের প্রম্পট পুনর্লিখনের প্রচেষ্টা: 'quality' সর্বাধিক প্রায় 30s সময় নিয়ে আরও সমৃদ্ধ প্রম্পট তৈরি করে, আর 'balanced' প্রায় এক সেকেন্ডে ফল দেয়। প্রম্পট সম্প্রসারণ বাদ দিতে 'disabled' নির্বাচন করুন।

resolution ডিফল্ট 768P

জেনারেশনের রেজোলিউশন নির্বাচন: 1080P নির্বাচিত রেজোলিউশনে নেটিভ জেনারেশনের পরিবর্তে 768P-তে নেটিভভাবে তৈরি উপাদানের latent refinement প্রয়োজন।

aspect_ratio ডিফল্ট adaptive

আউটপুট ভিডিওর aspect ratio।

ডিফল্ট 5

অনুরোধ করা স্থায়িত্ব সেকেন্ডে, যার ফলে প্রকৃত ভিডিওর দৈর্ঘ্য ওই অনুরোধের চেয়ে আনুমানিক 0.7 s পর্যন্ত বেশি হতে পারে।

অ্যাডভান্সড images · reference_video_urls · reference_audio_urls · image · middle_image_url · end_image · middle_frame_time · seed · enable_safety_checker · reference_conditions
reference_image_urls
একটি ফাইল ড্রপ করুন, অথবা · 9 পর্যন্ত

বিষয় বা স্টাইলের রেফারেন্স ছবির URL, সব ভিডিও ও অডিও রেফারেন্স মিলিয়ে সর্বোচ্চ 12টি ফাইল। প্রম্পটে তালিকার অবস্থান অনুযায়ী Image 1, Image 2 এবং পরবর্তী লেবেল ব্যবহার করে এই ছবিগুলো শনাক্ত করুন।

একটি ফাইল ড্রপ করুন, অথবা · 3 পর্যন্ত

মোশন বা অন্যান্য রেফারেন্স ভিডিওর URL, প্রম্পটে তালিকার অবস্থান অনুযায়ী Video 1, Video 2 এবং পরবর্তী লেবেল দিয়ে শনাক্ত করা হয়। ছবি, ভিডিও ও অডিও রেফারেন্স মিলিয়ে সর্বোচ্চ 12টি ফাইল; প্রতিটি ভিডিও ক্লিপের স্থায়িত্ব 2–15 সেকেন্ড এবং মোট স্থায়িত্ব সর্বোচ্চ 15 সেকেন্ড হতে হবে।

একটি ফাইল ড্রপ করুন, অথবা · 3 পর্যন্ত

রেফারেন্স অডিও URL হিসেবে দিন এবং প্রম্পটে Audio 1, Audio 2 ও পরবর্তী লেবেল দিয়ে ক্লিপগুলো শনাক্ত করুন। প্রতিটি ক্লিপের দৈর্ঘ্য 2–15 সেকেন্ড এবং মোট অডিও সর্বোচ্চ 15 সেকেন্ড হতে হবে। ছবি, ভিডিও ও অডিও—যেকোনো রেফারেন্স ধরন এককভাবে বা সম্মিলিতভাবে দেওয়া যায়, তবে মোট সর্বোচ্চ 12টি ফাইলের সীমা প্রযোজ্য।

image_url
একটি ফাইল ড্রপ করুন, অথবা

সঠিক শুরুর ফ্রেম এবং আউটপুট ক্যানভাস নির্ধারণকারী ঐচ্ছিক ছবির URL। রেফারেন্স অ্যাসেটগুলো বিষয়ের সামঞ্জস্য বজায় রাখে।

একটি ফাইল ড্রপ করুন, অথবা

middle_frame_time-এর জন্য ঐচ্ছিক নির্দেশক ছবি, শুধুমাত্র native 480P বা 768P জেনারেশনে এবং শুরুর ও শেষের ছবি—দুটিই সরবরাহ করা হলে উপলভ্য।

end_image_url
একটি ফাইল ড্রপ করুন, অথবা

ভিডিওর সঠিক শেষ ফ্রেম সরবরাহ করা ছবিতে স্থির করে দেওয়া ঐচ্ছিক শেষ ছবির URL।

মধ্যবর্তী ছবির অবস্থানের সময়, শুধুমাত্র middle_image_url-এর সঙ্গে ব্যবহারযোগ্য এবং অনুরোধ করা ভিডিওর প্রথম ও শেষ ফ্রেমের ঠিক ভেতরের অবস্থানে সীমাবদ্ধ। শুরু থেকে অতিবাহিত সেকেন্ড দিন; মানটি নিকটতম 24 fps ফ্রেমে রাউন্ড করা হয়।

এলোমেলো জেনারেশনের seed; বাদ দিলে একটি এলোমেলো seed নির্বাচন করা হয়।

reference_*_urls-এর বিকল্প হিসেবে সরবরাহ করা রেফারেন্স তালিকা; এগুলোর পাশাপাশি কখনো ব্যবহার করা যাবে না। বিভিন্ন মোডালিটির ক্রম গুরুত্বপূর্ণ, তাই পুরো প্রসেসিং জুড়ে ক্রম বজায় রাখা হয়।

POST /run/minimax/h3-max/reference-to-video?wait=20 মূল্য → ০.৪০$
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://vit.doitong.com/api/v1/run/minimax/h3-max/reference-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "prompt_expansion_mode": "balanced"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://vit.doitong.com/api/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

এই অনুরোধ চালান

আপনার key এই ব্রাউজারেই থাকে: এটি শুধু Doitong API-তে পাঠানো হয় এবং Remember টিক দিলে কেবল localStorage-এ সংরক্ষিত হয়। একটি API কী পান

H3 Max Reference to Video সম্পর্কে

রেফারেন্স অ্যাসেটের নির্দেশনায় ভিডিও তৈরি করে: সর্বোচ্চ 9টি ছবি, 3টি ভিডিও এবং 3টি অডিও ক্লিপ; মোট ফাইল সর্বাধিক 12টি। প্রম্পটে এগুলোকে Image 1, Video 1, Audio 1 ইত্যাদি হিসেবে উল্লেখ করা হয়। ঐচ্ছিক প্রথম, মাঝের (`middle_image_url` at `middle_frame_time`) এবং শেষ ফ্রেম শুরু, মধ্যভাগ ও শেষ নির্দিষ্ট করে। `duration` 0.92 থেকে 15 সেকেন্ড এবং `aspect_ratio` adaptive হতে পারে।

প্যারামিটার

ক্যানোনিকাল নাম অথবা নেটিভ নাম—দুটো একসঙ্গে নয়—পাঠান। ক্যানোনিকাল নামগুলো

নামধরন ডিফল্টঅনুমোদিত বিবরণ
promptআবশ্যক
ধরনstring
≤ ৫০,০০০টি অক্ষর
প্রতিটি রেফারেন্স তালিকায় অ্যাসেটের ধরন ও অবস্থান দিয়ে শনাক্ত করা রেফারেন্সসহ ভিডিও-জেনারেশনের নির্দেশনা; Audio 1, Video 1, Image 1, Image 2 ইত্যাদি লেবেল ব্যবহার করা হয়।
reference_image_urlsঐচ্ছিক images
ধরনurl[] · image
≤ ৯টি আইটেম
বিষয় বা স্টাইলের রেফারেন্স ছবির URL, সব ভিডিও ও অডিও রেফারেন্স মিলিয়ে সর্বোচ্চ 12টি ফাইল। প্রম্পটে তালিকার অবস্থান অনুযায়ী Image 1, Image 2 এবং পরবর্তী লেবেল ব্যবহার করে এই ছবিগুলো শনাক্ত করুন।
reference_video_urlsঐচ্ছিক
ধরনurl[] · video
≤ ৩টি আইটেম
মোশন বা অন্যান্য রেফারেন্স ভিডিওর URL, প্রম্পটে তালিকার অবস্থান অনুযায়ী Video 1, Video 2 এবং পরবর্তী লেবেল দিয়ে শনাক্ত করা হয়। ছবি, ভিডিও ও অডিও রেফারেন্স মিলিয়ে সর্বোচ্চ 12টি ফাইল; প্রতিটি ভিডিও ক্লিপের স্থায়িত্ব 2–15 সেকেন্ড এবং মোট স্থায়িত্ব সর্বোচ্চ 15 সেকেন্ড হতে হবে।
reference_audio_urlsঐচ্ছিক
ধরনurl[] · audio
≤ ৩টি আইটেম
রেফারেন্স অডিও URL হিসেবে দিন এবং প্রম্পটে Audio 1, Audio 2 ও পরবর্তী লেবেল দিয়ে ক্লিপগুলো শনাক্ত করুন। প্রতিটি ক্লিপের দৈর্ঘ্য 2–15 সেকেন্ড এবং মোট অডিও সর্বোচ্চ 15 সেকেন্ড হতে হবে। ছবি, ভিডিও ও অডিও—যেকোনো রেফারেন্স ধরন এককভাবে বা সম্মিলিতভাবে দেওয়া যায়, তবে মোট সর্বোচ্চ 12টি ফাইলের সীমা প্রযোজ্য।
image_urlঐচ্ছিক image
ধরনurl · image
সঠিক শুরুর ফ্রেম এবং আউটপুট ক্যানভাস নির্ধারণকারী ঐচ্ছিক ছবির URL। রেফারেন্স অ্যাসেটগুলো বিষয়ের সামঞ্জস্য বজায় রাখে।
middle_image_urlঐচ্ছিক
ধরনurl · image
middle_frame_time-এর জন্য ঐচ্ছিক নির্দেশক ছবি, শুধুমাত্র native 480P বা 768P জেনারেশনে এবং শুরুর ও শেষের ছবি—দুটিই সরবরাহ করা হলে উপলভ্য।
middle_frame_timeঐচ্ছিক
ধরনnumber | null
> ০< ১৫
মধ্যবর্তী ছবির অবস্থানের সময়, শুধুমাত্র middle_image_url-এর সঙ্গে ব্যবহারযোগ্য এবং অনুরোধ করা ভিডিওর প্রথম ও শেষ ফ্রেমের ঠিক ভেতরের অবস্থানে সীমাবদ্ধ। শুরু থেকে অতিবাহিত সেকেন্ড দিন; মানটি নিকটতম 24 fps ফ্রেমে রাউন্ড করা হয়।
end_image_urlঐচ্ছিক end_image
ধরনurl · image
ভিডিওর সঠিক শেষ ফ্রেম সরবরাহ করা ছবিতে স্থির করে দেওয়া ঐচ্ছিক শেষ ছবির URL।
durationঐচ্ছিক
ধরনnumber
ডিফল্ট5
০.৯২ – ১৫
অনুরোধ করা স্থায়িত্ব সেকেন্ডে, যার ফলে প্রকৃত ভিডিওর দৈর্ঘ্য ওই অনুরোধের চেয়ে আনুমানিক 0.7 s পর্যন্ত বেশি হতে পারে।
resolutionঐচ্ছিক
ধরনenum
ডিফল্ট768P
480P768P1080P
জেনারেশনের রেজোলিউশন নির্বাচন: 1080P নির্বাচিত রেজোলিউশনে নেটিভ জেনারেশনের পরিবর্তে 768P-তে নেটিভভাবে তৈরি উপাদানের latent refinement প্রয়োজন।
seedঐচ্ছিক
ধরনinteger | null
এলোমেলো জেনারেশনের seed; বাদ দিলে একটি এলোমেলো seed নির্বাচন করা হয়।
enable_safety_checkerঐচ্ছিক
ধরনboolean
ডিফল্টtrue
নিরাপত্তা পরীক্ষক সক্রিয়করণ; true পরীক্ষা সক্ষম করে।
prompt_expansion_modeআবশ্যক
ধরনstring
ডিফল্টbalanced
জেনারেশনের আগের প্রম্পট পুনর্লিখনের প্রচেষ্টা: 'quality' সর্বাধিক প্রায় 30s সময় নিয়ে আরও সমৃদ্ধ প্রম্পট তৈরি করে, আর 'balanced' প্রায় এক সেকেন্ডে ফল দেয়। প্রম্পট সম্প্রসারণ বাদ দিতে 'disabled' নির্বাচন করুন।
aspect_ratioঐচ্ছিক
ধরনenum
ডিফল্টadaptive
adaptive21:916:94:31:13:49:16
আউটপুট ভিডিওর aspect ratio।
reference_conditionsঐচ্ছিক
ধরনobject[]
≤ ১২টি আইটেম
reference_*_urls-এর বিকল্প হিসেবে সরবরাহ করা রেফারেন্স তালিকা; এগুলোর পাশাপাশি কখনো ব্যবহার করা যাবে না। বিভিন্ন মোডালিটির ক্রম গুরুত্বপূর্ণ, তাই পুরো প্রসেসিং জুড়ে ক্রম বজায় রাখা হয়।
reference_conditions[].typeআবশ্যক
ধরনenum
imagevideoaudio
রেফারেন্সের মোডালিটি; তালিকায় বিভিন্ন মোডালিটির ক্রম গুরুত্বপূর্ণ।
reference_conditions[].urlআবশ্যক
ধরনstring
≥ 1 characters
রেফারেন্স মিডিয়ার URL।
আবশ্যক ক্যানোনিকাল নাম, এটিও গ্রহণযোগ্য

ফাইল প্যারামিটার হিসেবে একটি পাবলিক https:// URL, 10 MB পর্যন্ত একটি data: URI, অথবা আপলোডের file_url গ্রহণ করা হয়। ফাইল

আউটপুট

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/h3-max/reference-to-video",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 400,
    "usd": "0.40",
    "charged": 400,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "prompt_expansion_mode": "balanced"
  },
  "output": {
    "video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_name": "0-output.mp4",
      "file_size": 1843200
    },
    "expanded_prompt": "string",
    "seed": 42,
    "timings": {}
  },
  "outputs": [
    {
      "type": "video",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_size": 1843200,
      "width": 1280,
      "height": 720,
      "duration": 5,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://vit.doitong.com/api/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://vit.doitong.com/api/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
আপনার ফাইল, আপনার পছন্দপ্রতিটি outputs[].url আমাদের স্টোরেজে একটি কপি: চিরকাল রাখা হয় (প্রতি GB-মাস অনুযায়ী অর্থপ্রদত্ত) অথবা অ্যাকাউন্ট সেটিংস বা ?storage= অনুযায়ী বিনামূল্যে ৭ দিন পর্যন্ত।
প্রতিটি মডেলে একই গঠনছবি, ভিডিও এবং অডিও—সব ক্ষেত্রেই type, url, content_type, width, height এবং duration। output হলো মডেলের নিজস্ব ফলাফল অবজেক্ট।
আউটপুটের ফিল্ড
video
object {url, content_type, file_name, file_size}মডেল দ্বারা তৈরি ভিডিও।
expanded_prompt
string | nullমডেলের জন্য প্রস্তুত সম্প্রসারিত প্রম্পট, অথবা সম্প্রসারিত টেক্সট উপলভ্য না থাকলে null। সম্প্রসারণ বন্ধ থাকা, সম্প্রসারণে কোনো পরিবর্তন না হওয়া এবং মডেলের hosted API অভ্যন্তরীণভাবে সম্প্রসারণ পরিচালনা করা—এই ক্ষেত্রে null ফেরত আসে।
seed
integerজেনারেট করা ফলাফল পুনরুৎপাদনের জন্য ব্যবহৃত বেস সিড।
timings
object | nullসেকেন্ডে প্রকাশ করা টাইমিং পরিমাপ, শুধুমাত্র ব্যাকএন্ড টাইমিং রিপোর্ট করা রুটে উপলভ্য; অন্যথায় null। 'inference' এন্ট্রিতে GPU ব্যাকএন্ডে DiT ডিনয়জিং করতে কত সময় লেগেছে তা পরিমাপ করা হয়।

আরও মডেল: রেফারেন্স থেকে ভিডিও

AI এজেন্টদের জন্য: এই পৃষ্ঠাটি Markdown হিসেবে এখানে আছে https://doitong.com/bn/developers/models/minimax/h3-max/reference-to-video.md. সব মডেল ও গাইড: https://doitong.com/developers/llms.txt