Ir al contenido

H3 Max Image to Video

Integrar

Id del modelo minimax/h3-max/image-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/image-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: 0,30 $ 300 créditos de API tus archivos se miden antes de la ejecución Ejecutar en esta página

Obtener clave de API
MiniMax Imagen a vídeo Sincronización labial0,92–15 shasta 1080P #stylized#transform#lipsync

Image-to-video estándar de H3 Max con control del primer y último fotograma y audio fijado opcional

MiniMax · Vídeo

Tu primer resultado aparecerá aquí

Crea una solicitud abajo 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 texto para generar el video.

•obligatorio

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

predeterminado 5

Duración solicitada en segundos, con un mínimo de 2 s cuando se proporciona target_audio_url. Permite que la salida exceda la duración hasta aproximadamente 0.7 s.

Avanzado target_audio_url · image · end_image · seed · enable_safety_checker
Suelta un archivo o

Banda sonora de reemplazo opcional proporcionada mediante una URL HTTP(S) o un URI de datos base64; el clip debe durar al menos 2 segundos y no superar los 15 MB. El audio proporcionado reemplaza la banda sonora generada sin cambiar la velocidad de reproducción: la duración sobrante se elimina del final y los clips más cortos reciben silencio para igualar la duración del video. Puede realizarse un remuestreo a 96 kHz con frecuencias de muestreo inusualmente altas.

image_url
Suelta un archivo o

URL de imagen opcional que define el fotograma inicial y el lienzo de salida. Si solo se proporciona end_image_url, su fotograma final determina el lienzo. Sin ninguna imagen, la generación usa texto a video con una relación de aspecto predeterminada de 16:9.

end_image_url
Suelta un archivo o

URL opcional de imagen del último fotograma, utilizable incluso sin una imagen inicial. En ese modo de fotograma clave únicamente final, esta imagen determina el lienzo de salida.

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

POST /run/minimax/h3-max/image-to-video?wait=20 cotización → 0,30 $
# 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/image-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 se guarda (localStorage) únicamente si marcas Recordar. Obtener una clave de API

Acerca de H3 Max Image to Video

Anima una imagen fija de la línea Max. Proporciona `image_url` como primer fotograma, `end_image_url` como último, o ambos, junto con un `prompt`. `duration` va de 0.92 a 15 segundos y `resolution` puede ser 480P, 768P o 1080P. `target_audio_url` puede fijar un clip de audio, y `prompt_expansion_mode` controla la reescritura del prompt.

Parámetros

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

NombreTipo PredeterminadoPermitido Descripción
promptobligatorio
Tipostring
≤ 50.000 caracteres
Instrucciones de texto para generar el video.
durationopcional
Tiponumber
Predeterminado5
0,92 – 15
Duración solicitada en segundos, con un mínimo de 2 s cuando se proporciona target_audio_url. Permite que la salida exceda la duración hasta aproximadamente 0.7 s.
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 selecciona 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 detallado durante aproximadamente 30 s como máximo, mientras que 'balanced' responde en aproximadamente un segundo. Elige 'disabled' para omitir la expansión del prompt.
target_audio_urlopcional
Tipourl · audio
Banda sonora de reemplazo opcional proporcionada mediante una URL HTTP(S) o un URI de datos base64; el clip debe durar al menos 2 segundos y no superar los 15 MB. El audio proporcionado reemplaza la banda sonora generada sin cambiar la velocidad de reproducción: la duración sobrante se elimina del final y los clips más cortos reciben silencio para igualar la duración del video. Puede realizarse un remuestreo a 96 kHz con frecuencias de muestreo inusualmente altas.
image_urlopcional image
Tipourl · image
URL de imagen opcional que define el fotograma inicial y el lienzo de salida. Si solo se proporciona end_image_url, su fotograma final determina el lienzo. Sin ninguna imagen, la generación usa texto a video con una relación de aspecto predeterminada de 16:9.
end_image_urlopcional end_image
Tipourl · image
URL opcional de imagen del último fotograma, utilizable incluso sin una imagen inicial. En ese modo de fotograma clave únicamente final, esta imagen determina el lienzo de salida.
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 carga. Archivos

Salida

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/h3-max/image-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": 300,
    "usd": "0.30",
    "charged": 300,
    "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",
    "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 (se cobra 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}Video producido por el modelo.
expanded_prompt
string | nullPrompt expandido listo para el modelo, o null si no hay texto expandido disponible. Los casos null son la expansión desactivada, la expansión que no produjo cambios y la expansión gestionada internamente por la API alojada del modelo.
timings
object | nullMediciones de tiempo expresadas en segundos, disponibles solo en rutas que informan de los tiempos del backend; de lo contrario, null. La entrada 'inference' mide cuánto tardó el desruido DiT en el backend de GPU.

Más modelos: Imagen a vídeo

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