Léim chuig an ábhar

H3 Max Image to Video

Comhtháthú

Aitheantas na samhla 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"

Comhaid cosúil leis an sampla: $0.30 300 gcreidmheas API déantar do chuid comhad a thomhas roimh an rith Rith ar an leathanach seo

Faigh eochair API
MiniMax Íomhá go Físeán Sioncronú liopaí0.92–15 ssuas le 1080P #stylized#transform#lipsync

Image-to-video caighdeánach H3 Max le rialú ar an gcéad fhráma agus ar an bhfráma deiridh, agus fuaim phionnáilte roghnach

MiniMax · Físeán

Beidh do chéad toradh anseo

Tóg iarratas thíos agus rith é le d’eochair API. Cóipeáiltear na haschuir chuig ár stóráil, coinnithe go deo nó ar feadh 7 lá saor in aisce.

Tóg iarratas

Gintear na rialtáin ó scéim na samhla. Nuashonraítear an cód agus an praghas de réir mar a athraíonn tú iad.

•riachtanach 88 / 50000

Treoracha téacs chun an físeán a ghiniúint.

•riachtanach

Iarracht athscríofa an leid roimh an nginiúint: forbraíonn 'quality' leid níos saibhre thar suas le thart ar 30s, agus filleann 'balanced' i gceann thart ar soicind. Roghnaigh 'disabled' chun leathnú an leide a fhágáil ar lár.

resolution réamhshocrú 768P

Roghnú taifigh na giniúna: teastaíonn mionchoigeartú latent ó 1080P ar ábhar a gineadh ó dhúchas ag 768P, seachas giniúint dhúchasach ag an taifeach roghnaithe.

réamhshocrú 5

Fad iarrtha i soicind, le híosmhéid 2 s nuair a sholáthraítear target_audio_url. Ceadaigh ró-reáchtáil aschuir suas le thart ar 0.7 s.

Ardleibhéal target_audio_url · image · end_image · seed · enable_safety_checker
Scaoil comhad, nó

Fuaimrian roghnach athsholáthair a sholáthraítear trí URL HTTP(S) nó URI sonraí base64; caithfidh an ghearrthóg maireachtáil 2 shoicind ar a laghad agus gan a bheith níos mó ná 15 MB. Tagann an fhuaim a sholáthraítear in áit an fhuaimriain a gineadh ag luas athsheinnte gan athrú: baintear fad breise den deireadh, agus cuirtear tost le gearrthóga níos giorra chun fad an fhíseáin a mheaitseáil. D’fhéadfadh athshampláil go 96 kHz tarlú i gcás rátaí samplála atá thar a bheith ard.

image_url
Scaoil comhad, nó

URL íomhá roghnach a shainíonn an fráma tosaigh agus an chanbhás aschuir. Mura soláthraítear ach end_image_url, cinnfidh a fhráma deiridh an chanbhás ina ionad. Gan ceachtar íomhá, úsáideann an giniúint téacs-go-físeán le cóimheas gné réamhshocraithe 16:9.

end_image_url
Scaoil comhad, nó

URL roghnach d’íomhá an fhráma dheiridh, inúsáidte fiú gan íomhá tosaigh. Sa mhód eochrabhíoma deiridh amháin sin, cinnfidh an íomhá seo canbhás an aschuir.

Síol don ghiniúint randamach; mura soláthraítear é, roghnaítear ceann go randamach.

POST /run/minimax/h3-max/image-to-video?wait=20 luachan → $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"

Rith an t-iarratas seo

Fanann d'eochair sa bhrabhsálaí seo: seoltar chuig Doitong API amháin í agus sábháiltear (localStorage) í ach amháin má chuireann tú tic le Meabhraigh. Faigh eochair API

Maidir le H3 Max Image to Video

Beochan íomhá neamhbheo ón líne Max. Soláthair `image_url` mar an chéad fhráma, `end_image_url` mar an fráma deiridh, nó an dá cheann, mar aon le `prompt`. Is é fad `duration` ná 0.92 go 15 soicind agus is é `resolution` ná 480P, 768P nó 1080P. Is féidir le `target_audio_url` gearrthóg fuaime a phionnáil, agus rialaíonn `prompt_expansion_mode` athscríobh an phrompta.

Paraiméadair

Seol an t-ainm canónach nó an t-ainm dúchasach, ní an dá cheann. Ainmneacha canónacha

AinmCineál RéamhshocrúCeadaithe Cur síos
promptriachtanach
Cineálstring
≤ 50,000 gcarachtar
Treoracha téacs chun an físeán a ghiniúint.
durationroghnach
Cineálnumber
Réamhshocrú5
0.92 – 15
Fad iarrtha i soicind, le híosmhéid 2 s nuair a sholáthraítear target_audio_url. Ceadaigh ró-reáchtáil aschuir suas le thart ar 0.7 s.
resolutionroghnach
Cineálenum
Réamhshocrú768P
480P768P1080P
Roghnú taifigh na giniúna: teastaíonn mionchoigeartú latent ó 1080P ar ábhar a gineadh ó dhúchas ag 768P, seachas giniúint dhúchasach ag an taifeach roghnaithe.
seedroghnach
Cineálinteger | null
Síol don ghiniúint randamach; mura soláthraítear é, roghnaítear ceann go randamach.
enable_safety_checkerroghnach
Cineálboolean
Réamhshocrútrue
Gníomhachtú an tseiceálaí sábháilteachta; cumasaíonn true an tseiceáil.
prompt_expansion_moderiachtanach
Cineálstring
Réamhshocrúbalanced
Iarracht athscríofa an leid roimh an nginiúint: forbraíonn 'quality' leid níos saibhre thar suas le thart ar 30s, agus filleann 'balanced' i gceann thart ar soicind. Roghnaigh 'disabled' chun leathnú an leide a fhágáil ar lár.
target_audio_urlroghnach
Cineálurl · audio
Fuaimrian roghnach athsholáthair a sholáthraítear trí URL HTTP(S) nó URI sonraí base64; caithfidh an ghearrthóg maireachtáil 2 shoicind ar a laghad agus gan a bheith níos mó ná 15 MB. Tagann an fhuaim a sholáthraítear in áit an fhuaimriain a gineadh ag luas athsheinnte gan athrú: baintear fad breise den deireadh, agus cuirtear tost le gearrthóga níos giorra chun fad an fhíseáin a mheaitseáil. D’fhéadfadh athshampláil go 96 kHz tarlú i gcás rátaí samplála atá thar a bheith ard.
image_urlroghnach image
Cineálurl · image
URL íomhá roghnach a shainíonn an fráma tosaigh agus an chanbhás aschuir. Mura soláthraítear ach end_image_url, cinnfidh a fhráma deiridh an chanbhás ina ionad. Gan ceachtar íomhá, úsáideann an giniúint téacs-go-físeán le cóimheas gné réamhshocraithe 16:9.
end_image_urlroghnach end_image
Cineálurl · image
URL roghnach d’íomhá an fhráma dheiridh, inúsáidte fiú gan íomhá tosaigh. Sa mhód eochrabhíoma deiridh amháin sin, cinnfidh an íomhá seo canbhás an aschuir.
riachtanach Ainm canónach, glactar leis freisin

Glacann paraiméadair chomhaid le URL poiblí https://, URI data: suas le 10 MB, nó file_url uaslódála. Comhaid

Aschur

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"
  }
}
Do chuid comhad, do roghaIs cóip ar ár stóráil é gach outputs[].url: coinnithe go deo (íoctha in aghaidh GB-mhí) nó ar feadh 7 lá saor in aisce, de réir shocrú do chuntais nó ?storage=.
An cruth céanna ar gach samhailtype, url, content_type, width, height agus duration, d'íomhánna, d'fhíseáin agus d'fhuaim araon. Is é output réad toraidh na samhla féin.
Réimsí aschuir
video
object {url, content_type, file_name, file_size}Físeán arna tháirgeadh ag an tsamhail.
expanded_prompt
string | nullLeid leathnaithe atá réidh don tsamhail, nó null mura bhfuil téacs leathnaithe ar fáil. Is iad na cásanna null ná leathnú díchumasaithe, leathnú nach ndearna aon athrú, agus leathnú a láimhseáil API óstáilte na samhla go hinmheánach.
timings
object | nullTomhais ama arna sloinneadh i soicindí, ar fáil ar bhealaí amháin a thuairiscíonn uainiú an inneall; murach sin null. Tomhaiseann an iontráil 'inference' cá fhad a thóg dínóisiúlú DiT ar inneall GPU.

Tuilleadh samhlacha: Íomhá go Físeán

Do ghníomhairí AI: tá an leathanach seo mar Markdown ag https://doitong.com/ga/developers/models/minimax/h3-max/image-to-video.md. Gach samhail agus treoir: https://doitong.com/developers/llms.txt