Ir al contenido

H3 Max Reference to Video

Integrar

ID del modelo 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"

Archivos como el ejemplo: 0,40 $ 400 créditos de API tus archivos se miden antes de la ejecución Ejecutar en esta página

Obtener clave de API
MiniMax Referencia a vídeo Entradas de referencia0,92–15 shasta 1080P #stylized#transform#typography

Generación de vídeo H3 Max que mantiene la coherencia de los sujetos mediante imágenes, vídeos y clips de audio de referencia

MiniMax · Vídeo

Tu primer resultado aparecerá aquí

Crea una solicitud a continuación y ejecútala con tu clave de API. Las salidas se copian en nuestro almacenamiento, conservadas para siempre o 7 días gratis.

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan al modificarlos.

•obligatorio 88 / 50000

Instrucciones de generación de vídeo con referencias identificadas por tipo de recurso y posición dentro de cada lista de referencias, usando etiquetas como Audio 1, Video 1, Image 1, Image 2, etc.

•obligatorio

Esfuerzo de reescritura del prompt antes de la generación: 'quality' desarrolla un prompt más completo durante aproximadamente 30 s como máximo, mientras que 'balanced' responde en aproximadamente un segundo. Elige 'disabled' para omitir la ampliación del prompt.

resolution predeterminado 768P

Selección de resolución de generación: 1080P requiere un refinamiento latente del material generado de forma nativa a 768P, en lugar de una generación nativa con la resolución seleccionada.

aspect_ratio predeterminado adaptive

Relación de aspecto del vídeo de salida.

predeterminado 5

Duración solicitada en segundos, que permite una duración real del vídeo de hasta aproximadamente 0,7 s más que la solicitada.

Avanzado 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
Suelta un archivo o · hasta 9

URL de imágenes de referencia del sujeto o del estilo, con un máximo compartido de 12 archivos entre todas las referencias de vídeo y audio. Identifica estas imágenes en el prompt por su posición en la lista usando Image 1, Image 2 y las etiquetas siguientes.

Suelta un archivo o · hasta 3

URL de vídeos de referencia de movimiento u otros, identificados en el prompt por su posición en la lista mediante Video 1, Video 2 y las etiquetas siguientes. El límite compartido entre referencias de imagen, vídeo y audio es de 12 archivos; cada clip de vídeo debe durar 2–15 segundos y el total no puede superar los 15 segundos.

Suelta un archivo o · hasta 3

Proporciona el audio de referencia como URL e identifica los clips en el prompt usando Audio 1, Audio 2 y las etiquetas siguientes. Cada clip debe durar 2–15 segundos, con un máximo total de 15 segundos de audio. Cualquiera de los tipos de referencia de imagen, vídeo y audio puede proporcionarse por separado o combinado, sujeto a un máximo compartido de 12 archivos.

image_url
Suelta un archivo o

URL opcional de imagen que define el fotograma inicial exacto y determina el lienzo de salida. Los recursos de referencia mantienen la coherencia del sujeto.

Suelta un archivo o

Imagen guía opcional para middle_frame_time, disponible solo con generación nativa a 480P o 768P y cuando se proporcionan una imagen inicial y una final.

end_image_url
Suelta un archivo o

URL opcional de la imagen final que fija el fotograma final exacto del vídeo en la imagen proporcionada.

Tiempo de colocación de la imagen intermedia, utilizable solo con middle_image_url y restringido a posiciones estrictamente interiores al primer y último fotograma del vídeo solicitado. Proporciona los segundos transcurridos desde el inicio; el valor se redondea al fotograma más cercano a 24 fps.

Semilla para la generación aleatoria; si se omite, se elige una al azar.

Lista de referencias proporcionada como alternativa a reference_*_urls, nunca junto con ellas. El orden entre modalidades tiene significado, por lo que la secuencia se conserva durante todo el procesamiento.

POST /run/minimax/h3-max/reference-to-video?wait=20 presupuesto → 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"

Ejecutar esta solicitud

Tu clave permanece en este navegador: solo se envía a la Doitong API y solo se guarda en localStorage si marcas Recordar. Obtener una clave de API

Acerca de H3 Max Reference to Video

Genera vídeos guiados por recursos de referencia: hasta 9 imágenes, 3 vídeos y 3 clips de audio, con un máximo de 12 archivos en total. El prompt se refiere a ellos como Image 1, Video 1, Audio 1, etc. Los fotogramas inicial, intermedio opcional (`middle_image_url` en `middle_frame_time`) y final fijan el principio, el punto intermedio y el final. `duration` va de 0.92 a 15 segundos y `aspect_ratio` puede ser adaptativo.

Parámetros

Envía el nombre canónico o el nombre nativo, pero no ambos. Nombres canónicos

NombreTipo PredeterminadoPermitido Descripción
promptobligatorio
Tipostring
≤ 50.000 caracteres
Instrucciones de generación de vídeo con referencias identificadas por tipo de recurso y posición dentro de cada lista de referencias, usando etiquetas como Audio 1, Video 1, Image 1, Image 2, etc.
reference_image_urlsopcional images
Tipourl[] · image
≤ 9 elementos
URL de imágenes de referencia del sujeto o del estilo, con un máximo compartido de 12 archivos entre todas las referencias de vídeo y audio. Identifica estas imágenes en el prompt por su posición en la lista usando Image 1, Image 2 y las etiquetas siguientes.
reference_video_urlsopcional
Tipourl[] · video
≤ 3 elementos
URL de vídeos de referencia de movimiento u otros, identificados en el prompt por su posición en la lista mediante Video 1, Video 2 y las etiquetas siguientes. El límite compartido entre referencias de imagen, vídeo y audio es de 12 archivos; cada clip de vídeo debe durar 2–15 segundos y el total no puede superar los 15 segundos.
reference_audio_urlsopcional
Tipourl[] · audio
≤ 3 elementos
Proporciona el audio de referencia como URL e identifica los clips en el prompt usando Audio 1, Audio 2 y las etiquetas siguientes. Cada clip debe durar 2–15 segundos, con un máximo total de 15 segundos de audio. Cualquiera de los tipos de referencia de imagen, vídeo y audio puede proporcionarse por separado o combinado, sujeto a un máximo compartido de 12 archivos.
image_urlopcional image
Tipourl · image
URL opcional de imagen que define el fotograma inicial exacto y determina el lienzo de salida. Los recursos de referencia mantienen la coherencia del sujeto.
middle_image_urlopcional
Tipourl · image
Imagen guía opcional para middle_frame_time, disponible solo con generación nativa a 480P o 768P y cuando se proporcionan una imagen inicial y una final.
middle_frame_timeopcional
Tiponumber | null
> 0< 15
Tiempo de colocación de la imagen intermedia, utilizable solo con middle_image_url y restringido a posiciones estrictamente interiores al primer y último fotograma del vídeo solicitado. Proporciona los segundos transcurridos desde el inicio; el valor se redondea al fotograma más cercano a 24 fps.
end_image_urlopcional end_image
Tipourl · image
URL opcional de la imagen final que fija el fotograma final exacto del vídeo en la imagen proporcionada.
durationopcional
Tiponumber
Predeterminado5
0,92 – 15
Duración solicitada en segundos, que permite una duración real del vídeo de hasta aproximadamente 0,7 s más que la solicitada.
resolutionopcional
Tipoenum
Predeterminado768P
480P768P1080P
Selección de resolución de generación: 1080P requiere un refinamiento latente del material generado de forma nativa a 768P, en lugar de una generación nativa con la resolución seleccionada.
seedopcional
Tipointeger | null
Semilla para la generación aleatoria; si se omite, se elige una al azar.
enable_safety_checkeropcional
Tipoboolean
Predeterminadotrue
Activación del comprobador de seguridad; true activa la comprobación.
prompt_expansion_modeobligatorio
Tipostring
Predeterminadobalanced
Esfuerzo de reescritura del prompt antes de la generación: 'quality' desarrolla un prompt más completo durante aproximadamente 30 s como máximo, mientras que 'balanced' responde en aproximadamente un segundo. Elige 'disabled' para omitir la ampliación del prompt.
aspect_ratioopcional
Tipoenum
Predeterminadoadaptive
adaptive21:916:94:31:13:49:16
Relación de aspecto del vídeo de salida.
reference_conditionsopcional
Tipoobject[]
≤ 12 elementos
Lista de referencias proporcionada como alternativa a reference_*_urls, nunca junto con ellas. El orden entre modalidades tiene significado, por lo que la secuencia se conserva durante todo el procesamiento.
reference_conditions[].typeobligatorio
Tipoenum
imagevideoaudio
Modalidad de la referencia; el orden entre modalidades de la lista tiene significado.
reference_conditions[].urlobligatorio
Tipostring
≥ 1 characters
URL del recurso multimedia de referencia.
obligatorio Nombre canónico, también aceptado

Los parámetros de archivo aceptan una URL pública https://, un URI data: de hasta 10 MB o el file_url de una subida. Archivos

Salida

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"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: conservada para siempre (con pago por GB-mes) o 7 días gratis, según la configuración de tu cuenta o ?storage=.
La misma estructura en todos los modelostype, url, content_type, width, height y duration, tanto para imágenes como para vídeo y audio. output es el objeto de resultado propio del modelo.
Campos de salida
video
object {url, content_type, file_name, file_size}Vídeo producido por el modelo.
expanded_prompt
string | nullPrompt ampliado listo para el modelo, o null si no hay texto ampliado disponible. Los casos null corresponden a la ampliación desactivada, a una ampliación que no produjo cambios y a una ampliación gestionada internamente por la API alojada del modelo.
seed
integerSemilla base usada para reproducir el resultado generado.
timings
object | nullMediciones de tiempo expresadas en segundos, disponibles solo en rutas que notifican los tiempos del backend; en caso contrario, null. La entrada 'inference' mide cuánto tardó la eliminación de ruido DiT en el backend de GPU.

Más modelos: Referencia a vídeo

Para agentes de IA: esta página en Markdown está en https://doitong.com/es-ES/developers/models/minimax/h3-max/reference-to-video.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt