رفتن به محتوا

MiniMax H3 Reference to Video

یکپارچه‌سازی

شناسه مدل minimax/h3/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/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"
  }'

# 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"

فایل‌هایی مانند نمونه: ⁨‎$۰٫۶۵⁩ ۶۵۰ اعتبار API فایل‌های شما پیش از اجرا اندازه‌گیری می‌شوند اجرای آن در این صفحه

دریافت کلید API
MiniMax مرجع به ویدیو خروجی 4Kورودی‌های مرجعهمگام‌سازی لب۵–۱۵ ثانیهحداکثر 4K #stylized#transform#lipsync

تولید ویدئو از حداکثر 9 تصویر، 3 ویدئو و 3 مرجع صوتی، به مدت 5 تا 15 ثانیه و تا 4K

MiniMax · ویدیو

اولین نتیجه شما اینجا قرار می‌گیرد

درخواست را در زیر بسازید و با کلید API خود اجرا کنید. خروجی‌ها در فضای ذخیره‌سازی ما کپی می‌شوند و برای همیشه یا به‌مدت ۷ روز رایگان نگه‌داری می‌شوند.

ساخت درخواست

کنترل‌ها از شِمای مدل تولید می‌شوند. با تغییر آن‌ها، کد و قیمت به‌روزرسانی می‌شوند.

•الزامی 88 / 50000

دستورهای تولید ویدیو با ارجاع‌هایی که بر اساس نوع دارایی و موقعیت در هر فهرست ارجاع مشخص شده‌اند؛ با برچسب‌هایی مانند Audio 1، Video 1، Image 1، Image 2 و موارد بعدی.

resolution پیش‌فرض 2K

وضوح ویدیوی تولیدشده را انتخاب کنید؛ 2K و 4K با افزایش وضوح پایهٔ 768P به‌دست می‌آیند. انتخاب 480P یا 768P به‌جای آن از تولید بومی استفاده می‌کند.

aspect_ratio پیش‌فرض adaptive

نسبت تصویر ویدیوی خروجی.

پیش‌فرض 5

طول ویدیو، برحسب ثانیه.

پیشرفته prompt_expansion_mode · images · reference_video_urls · reference_audio_urls · seed · enable_safety_checker
پیش‌فرض balanced

میزان تلاش برای بازنویسی پرامپت پیش از تولید: برای پرامپت غنی‌تر با زمان حداکثر حدود 30 ثانیه 'quality'، و برای نتیجه‌ای در حدود یک ثانیه 'fast' را انتخاب کنید. با 'balanced' انتخاب در هر درخواست انجام می‌شود؛ 'disabled' گسترش را خاموش می‌کند.

reference_image_urls
یک فایل بیندازید، یا · حداکثر 9

URL تصاویر ارجاعی سوژه یا سبک، با سقف مشترک 12 فایل همراه با همهٔ ارجاع‌های ویدیو و صوت. این تصاویر را در پرامپت با موقعیت فهرست و با استفاده از Image 1، Image 2 و برچسب‌های بعدی مشخص کنید.

یک فایل بیندازید، یا · حداکثر 3

URL ویدیوهای ارجاعی حرکتی یا دیگر ارجاع‌ها که در پرامپت با موقعیت فهرست و با استفاده از Video 1، Video 2 و برچسب‌های بعدی مشخص می‌شوند. سهمیهٔ مشترک برای ارجاع‌های تصویر، ویدیو و صوت 12 فایل است؛ هر کلیپ ویدیو باید 2–15 ثانیه باشد و مجموع آن‌ها از 15 ثانیه بیشتر نشود.

یک فایل بیندازید، یا · حداکثر 3

صوت ارجاعی را به‌صورت URL ارائه کنید و کلیپ‌ها را در پرامپت با Audio 1، Audio 2 و برچسب‌های بعدی مشخص کنید. هر کلیپ باید 2–15 ثانیه باشد و مجموع صوت‌ها از 15 ثانیه بیشتر نشود. هر نوع ارجاع تصویر، ویدیو و صوت را می‌توان به‌تنهایی یا ترکیبی ارائه کرد، مشروط به سقف مشترک 12 فایل.

Seed برای تولید تصادفی؛ در صورت حذف، یک مقدار به‌صورت تصادفی انتخاب می‌شود.

POST /run/minimax/h3/reference-to-video?wait=20 قیمت → ⁨‎$۰٫۶۵⁩
# 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/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"
  }'

# 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"

اجرای این درخواست

کلید شما در این مرورگر باقی می‌ماند: فقط به Doitong API ارسال می‌شود و فقط در صورت فعال‌کردن گزینه «یادآوری»، در localStorage ذخیره می‌شود. دریافت کلید API

درباره MiniMax H3 Reference to Video

با استفاده از `prompt` که به مراجع بر اساس ترتیب، مانند Image 1، Video 1 یا Audio 1، ارجاع می‌دهد ویدئو تولید می‌کند. حداکثر 9 تصویر، 3 کلیپ ویدئویی و 3 کلیپ صوتی، و در مجموع حداکثر 12 فایل ارائه کنید. `duration` بین 5 تا 15 ثانیه، `resolution` برابر با 480P، 768P، 2K یا 4K است و `aspect_ratio` شامل adaptive، 21:9، 16:9، 4:3، 1:1، 3:4 و 9:16 می‌شود.

پارامترها

نام استاندارد یا نام بومی را ارسال کنید، نه هر دو. نام‌های استاندارد

نامنوع پیش‌فرضمجاز توضیحات
promptالزامی
نوعstring
≤ ۵۰٬۰۰۰ نویسه
دستورهای تولید ویدیو با ارجاع‌هایی که بر اساس نوع دارایی و موقعیت در هر فهرست ارجاع مشخص شده‌اند؛ با برچسب‌هایی مانند Audio 1، Video 1، Image 1، Image 2 و موارد بعدی.
durationاختیاری
نوعinteger
پیش‌فرض5
۵ – ۱۵
طول ویدیو، برحسب ثانیه.
resolutionاختیاری
نوعenum
پیش‌فرض2K
480P768P2K4K
وضوح ویدیوی تولیدشده را انتخاب کنید؛ 2K و 4K با افزایش وضوح پایهٔ 768P به‌دست می‌آیند. انتخاب 480P یا 768P به‌جای آن از تولید بومی استفاده می‌کند.
seedاختیاری
نوعinteger | null
Seed برای تولید تصادفی؛ در صورت حذف، یک مقدار به‌صورت تصادفی انتخاب می‌شود.
enable_safety_checkerاختیاری
نوعboolean
پیش‌فرضtrue
فعال‌سازی بررسی‌کننده ایمنی؛ true بررسی را فعال می‌کند.
prompt_expansion_modeاختیاری
نوعstring | null
پیش‌فرضbalanced
میزان تلاش برای بازنویسی پرامپت پیش از تولید: برای پرامپت غنی‌تر با زمان حداکثر حدود 30 ثانیه 'quality'، و برای نتیجه‌ای در حدود یک ثانیه 'fast' را انتخاب کنید. با 'balanced' انتخاب در هر درخواست انجام می‌شود؛ 'disabled' گسترش را خاموش می‌کند.
aspect_ratioاختیاری
نوعenum
پیش‌فرضadaptive
adaptive21:916:94:31:13:49:16
نسبت تصویر ویدیوی خروجی.
reference_image_urlsاختیاری images
نوعurl[] · image
≤ ۹ مورد
URL تصاویر ارجاعی سوژه یا سبک، با سقف مشترک 12 فایل همراه با همهٔ ارجاع‌های ویدیو و صوت. این تصاویر را در پرامپت با موقعیت فهرست و با استفاده از Image 1، Image 2 و برچسب‌های بعدی مشخص کنید.
reference_video_urlsاختیاری
نوعurl[] · video
≤ ۳ مورد
URL ویدیوهای ارجاعی حرکتی یا دیگر ارجاع‌ها که در پرامپت با موقعیت فهرست و با استفاده از Video 1، Video 2 و برچسب‌های بعدی مشخص می‌شوند. سهمیهٔ مشترک برای ارجاع‌های تصویر، ویدیو و صوت 12 فایل است؛ هر کلیپ ویدیو باید 2–15 ثانیه باشد و مجموع آن‌ها از 15 ثانیه بیشتر نشود.
reference_audio_urlsاختیاری
نوعurl[] · audio
≤ ۳ مورد
صوت ارجاعی را به‌صورت URL ارائه کنید و کلیپ‌ها را در پرامپت با Audio 1، Audio 2 و برچسب‌های بعدی مشخص کنید. هر کلیپ باید 2–15 ثانیه باشد و مجموع صوت‌ها از 15 ثانیه بیشتر نشود. هر نوع ارجاع تصویر، ویدیو و صوت را می‌توان به‌تنهایی یا ترکیبی ارائه کرد، مشروط به سقف مشترک 12 فایل.
الزامی نام استاندارد، همچنین پذیرفته می‌شود

پارامترهای فایل یک URL عمومی https://، یک URI از نوع data: تا سقف 10 MB، یا file_url یک فایل بارگذاری‌شده را می‌پذیرند. فایل‌ها

خروجی

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/h3/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": 650,
    "usd": "0.65",
    "charged": 650,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  },
  "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"
  },
  "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"
  }
}
فایل‌های شما، انتخاب شماهر outputs[].url کپی‌ای در فضای ذخیره‌سازی ماست: برای همیشه (با هزینه به‌ازای هر GB-ماه) یا به‌مدت ۷ روز رایگان، بر اساس تنظیم حساب شما یا ?storage=.
ساختار یکسان در همه مدل‌هاtype، url، content_type، width، height و duration برای تصاویر، ویدیو و صدا یکسان هستند. output شیء نتیجه اختصاصی مدل است.
فیلدهای خروجی
video
object {url, content_type, file_name, file_size}ویدیوی تولیدشده توسط مدل.
expanded_prompt
string | nullپرامپت گسترش‌یافتهٔ آمادهٔ مدل، یا null اگر متن گسترش‌یافته‌ای موجود نباشد. موارد null شامل گسترش غیرفعال، گسترشی که تغییری ایجاد نکرده، و گسترشی است که به‌صورت داخلی توسط API میزبانی‌شدهٔ مدل پردازش شده است.

مدل‌های بیشتر: مرجع به ویدیو

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/minimax/h3/reference-to-video.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt