Přejít na obsah

H3 Max Reference to Video

Integrace

ID modelu 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"

Soubory jako v příkladu: 0,40 $ 400 kreditů API vaše soubory se před spuštěním změří Spustit na této stránce

Získat API klíč
MiniMax Reference na video Referenční vstupy0,92–15 saž 1080P #stylized#transform#typography

Generování videa H3 Max, které zachovává konzistenci subjektů pomocí referenčních obrázků, videí a zvukových klipů

MiniMax · Video

Zde se zobrazí váš první výsledek

Níže sestavte požadavek a spusťte ho pomocí svého API klíče. Výstupy se kopírují do našeho úložiště a uchovávají se navždy nebo 7 dne zdarma.

Sestavit požadavek

Ovládací prvky se generují ze schématu modelu. Kód a cena se aktualizují podle provedených změn.

•povinné 88 / 50000

Pokyny pro generování videa s referencemi identifikovanými typem obsahu a pozicí v každém seznamu referencí, pomocí popisků jako Audio 1, Video 1, Image 1, Image 2 a dalších.

•povinné

Úsilí věnované přepsání promptu před generováním: „quality“ vytvoří bohatší prompt přibližně do 30 s, zatímco „balanced“ vrátí výsledek zhruba za sekundu. Zvolte „disabled“, pokud nechcete prompt rozšiřovat.

resolution výchozí 768P

Výběr rozlišení generování: 1080P vyžaduje latentní vylepšení materiálu vygenerovaného nativně v rozlišení 768P, nikoli nativní generování ve zvoleném rozlišení.

aspect_ratio výchozí adaptive

Poměr stran výstupního videa.

výchozí 5

Požadovaná délka v sekundách, přičemž skutečná délka videa může tuto hodnotu překročit přibližně o 0,7 s.

Pokročilé 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
Přetáhněte soubor nebo · až 9

URL referenčních obrázků objektu nebo stylu se společným limitem 12 souborů pro všechny obrazové, video a zvukové reference. Tyto obrázky identifikujte v promptu pozicí v seznamu pomocí Image 1, Image 2 a dalších popisků.

Přetáhněte soubor nebo · až 3

URL referenčních videí pohybu nebo jiných vlastností, identifikovaná v promptu pozicí v seznamu pomocí Video 1, Video 2 a dalších popisků. Společný limit pro obrázkové, video a zvukové reference je 12 souborů; každý videoklip musí trvat 2–15 sekund a celkem nesmí přesáhnout 15 sekund.

Přetáhněte soubor nebo · až 3

Dodejte referenční zvuk jako URL a identifikujte klipy v promptu pomocí Audio 1, Audio 2 a dalších popisků. Každý klip musí trvat 2–15 sekund a celková délka zvuku nesmí přesáhnout 15 sekund. Kterýkoli typ obrazové, video nebo zvukové reference lze dodat samostatně i v kombinaci, při společném limitu 12 souborů.

image_url
Přetáhněte soubor nebo

Volitelná URL obrázku určující přesný úvodní snímek a plátno výstupu. Referenční materiály zachovávají konzistenci objektu.

Přetáhněte soubor nebo

Volitelný vodicí obrázek pro middle_frame_time, dostupný pouze při nativním generování v rozlišení 480P nebo 768P a při současném dodání úvodního i závěrečného obrázku.

end_image_url
Přetáhněte soubor nebo

Volitelná URL obrázku posledního snímku, která nastaví přesný závěrečný snímek videa na dodaný obrázek.

Čas umístění prostředního obrázku, použitelný pouze s middle_image_url a omezený na pozice ležící přesně mezi prvním a posledním snímkem požadovaného videa. Zadejte počet sekund od začátku; hodnota se zaokrouhlí na nejbližší snímek při 24 fps.

Seed pro náhodné generování; pokud není zadán, zvolí se náhodně.

Seznam referencí dodaný jako alternativa k reference_*_urls, nikdy současně s nimi. Pořadí napříč modalitami má význam, proto se během zpracování zachovává.

POST /run/minimax/h3-max/reference-to-video?wait=20 cena → 0,40 $
# 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"

Spustit tento požadavek

Váš klíč zůstává v tomto prohlížeči: odesílá se pouze do Doitong API a uloží se do localStorage jen tehdy, když zaškrtnete možnost Zapamatovat. Získat klíč API

O modelu H3 Max Reference to Video

Generuje video podle referenčních podkladů: až 9 obrázků, 3 videa a 3 zvukové klipy, celkem nejvýše 12 souborů. Prompt na ně odkazuje jako Image 1, Video 1, Audio 1 atd. Volitelné první, prostřední (`middle_image_url` v `middle_frame_time`) a poslední snímky fixují začátek, střed a konec. `duration` je 0.92 až 15 sekund a `aspect_ratio` může být adaptive.

Parametry

Odešlete buď kanonický název, nebo nativní název, ne oba. Kanonické názvy

NázevTyp VýchozíPovolené Popis
promptpovinné
Typstring
≤ 50 000 znaků
Pokyny pro generování videa s referencemi identifikovanými typem obsahu a pozicí v každém seznamu referencí, pomocí popisků jako Audio 1, Video 1, Image 1, Image 2 a dalších.
reference_image_urlsvolitelné images
Typurl[] · image
≤ 9 položek
URL referenčních obrázků objektu nebo stylu se společným limitem 12 souborů pro všechny obrazové, video a zvukové reference. Tyto obrázky identifikujte v promptu pozicí v seznamu pomocí Image 1, Image 2 a dalších popisků.
reference_video_urlsvolitelné
Typurl[] · video
≤ 3 položky
URL referenčních videí pohybu nebo jiných vlastností, identifikovaná v promptu pozicí v seznamu pomocí Video 1, Video 2 a dalších popisků. Společný limit pro obrázkové, video a zvukové reference je 12 souborů; každý videoklip musí trvat 2–15 sekund a celkem nesmí přesáhnout 15 sekund.
reference_audio_urlsvolitelné
Typurl[] · audio
≤ 3 položky
Dodejte referenční zvuk jako URL a identifikujte klipy v promptu pomocí Audio 1, Audio 2 a dalších popisků. Každý klip musí trvat 2–15 sekund a celková délka zvuku nesmí přesáhnout 15 sekund. Kterýkoli typ obrazové, video nebo zvukové reference lze dodat samostatně i v kombinaci, při společném limitu 12 souborů.
image_urlvolitelné image
Typurl · image
Volitelná URL obrázku určující přesný úvodní snímek a plátno výstupu. Referenční materiály zachovávají konzistenci objektu.
middle_image_urlvolitelné
Typurl · image
Volitelný vodicí obrázek pro middle_frame_time, dostupný pouze při nativním generování v rozlišení 480P nebo 768P a při současném dodání úvodního i závěrečného obrázku.
middle_frame_timevolitelné
Typnumber | null
> 0< 15
Čas umístění prostředního obrázku, použitelný pouze s middle_image_url a omezený na pozice ležící přesně mezi prvním a posledním snímkem požadovaného videa. Zadejte počet sekund od začátku; hodnota se zaokrouhlí na nejbližší snímek při 24 fps.
end_image_urlvolitelné end_image
Typurl · image
Volitelná URL obrázku posledního snímku, která nastaví přesný závěrečný snímek videa na dodaný obrázek.
durationvolitelné
Typnumber
Výchozí5
0,92 – 15
Požadovaná délka v sekundách, přičemž skutečná délka videa může tuto hodnotu překročit přibližně o 0,7 s.
resolutionvolitelné
Typenum
Výchozí768P
480P768P1080P
Výběr rozlišení generování: 1080P vyžaduje latentní vylepšení materiálu vygenerovaného nativně v rozlišení 768P, nikoli nativní generování ve zvoleném rozlišení.
seedvolitelné
Typinteger | null
Seed pro náhodné generování; pokud není zadán, zvolí se náhodně.
enable_safety_checkervolitelné
Typboolean
Výchozítrue
Aktivace bezpečnostní kontroly; true kontrolu povolí.
prompt_expansion_modepovinné
Typstring
Výchozíbalanced
Úsilí věnované přepsání promptu před generováním: „quality“ vytvoří bohatší prompt přibližně do 30 s, zatímco „balanced“ vrátí výsledek zhruba za sekundu. Zvolte „disabled“, pokud nechcete prompt rozšiřovat.
aspect_ratiovolitelné
Typenum
Výchozíadaptive
adaptive21:916:94:31:13:49:16
Poměr stran výstupního videa.
reference_conditionsvolitelné
Typobject[]
≤ 12 položek
Seznam referencí dodaný jako alternativa k reference_*_urls, nikdy současně s nimi. Pořadí napříč modalitami má význam, proto se během zpracování zachovává.
reference_conditions[].typepovinné
Typenum
imagevideoaudio
Modalita reference; pořadí modalit v seznamu má význam.
reference_conditions[].urlpovinné
Typstring
≥ 1 characters
URL referenčního média.
povinné Kanonický název, také podporován

Parametry souborů přijímají veřejnou adresu https:// URL, data: URI do 10 MB nebo file_url nahraného souboru. Soubory

Výstup

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"
  }
}
Vaše soubory, vaše volbaKaždý outputs[].url je kopie v našem úložišti: uchovávaná navždy (zpoplatněná za GB-měsíc) nebo 7 dne zdarma podle nastavení účtu nebo ?storage=.
Stejná struktura u každého modelutype, url, content_type, width, height a duration pro obrázky, video i zvuk. output je vlastní objekt výsledku modelu.
Pole výstupu
video
object {url, content_type, file_name, file_size}Video vytvořené modelem.
expanded_prompt
string | nullRozšířený prompt připravený pro model, nebo null, pokud není k dispozici žádný rozšířený text. Hodnota null nastává při vypnutém rozšiřování, pokud rozšíření nic nezměnilo nebo pokud rozšíření interně zpracovalo API hostované modelem.
seed
integerZákladní seed použitý k reprodukci vygenerovaného výsledku.
timings
object | nullČasová měření vyjádřená v sekundách, dostupná pouze na trasách uvádějících časy backendu; jinak null. Položka „inference“ měří dobu, po kterou probíhalo odšumování DiT na GPU backendu.

Další modely: Reference na video

Pro AI agenty: tato stránka je ve formátu Markdown na adrese https://doitong.com/cs/developers/models/minimax/h3-max/reference-to-video.md. Všechny modely a návody: https://doitong.com/developers/llms.txt