コンテンツへスキップ

H3 Max Reference to Video

統合

モデルID 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"

例と同様のファイル: $0.40 400 APIクレジット 実行前にファイルを計測します このページで実行

APIキーを取得
MiniMax 参照画像から動画 参照入力0.92–15 s1080Pまで #stylized#transform#typography

参照画像、動画、音声クリップで被写体の一貫性を保つH3 Max動画生成

MiniMax · 動画

最初の結果がここに表示されます

以下でリクエストを作成し、APIキーで実行してください。出力はストレージにコピーされ、永久保存または無料で7日保存されます。

リクエストを作成

コントロールはモデルスキーマから生成されます。値を変更するとコードと価格が更新されます。

•必須 88 / 50000

各参照リスト内のアセット種別と位置で参照を識別する動画生成指示。Audio 1、Video 1、Image 1、Image 2などのラベルを使用します。

•必須

生成前のプロンプト書き換え負荷。'quality'は約30秒かけてより豊かなプロンプトを作成し、'balanced'は約1秒で返します。プロンプトの拡張を省略するには'disabled'を選択します。

resolution デフォルト 768P

生成解像度の選択。1080Pでは、選択した解像度でのネイティブ生成ではなく、768Pでネイティブ生成された素材に潜在空間リファインメントを適用します。

aspect_ratio デフォルト adaptive

出力動画のアスペクト比。

デフォルト 5

秒単位の要求時間。この値を約0.7秒超える実際の動画長が許容されます。

詳細設定 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
ファイルをドロップ、または · 9まで

被写体またはスタイルの参照画像URL。動画および音声参照と共有で最大12ファイルです。プロンプトではリスト位置によりImage 1、Image 2などのラベルで識別します。

ファイルをドロップ、または · 3まで

モーションまたはその他の参照動画URL。プロンプトではリスト位置によりVideo 1、Video 2などのラベルで識別します。画像、動画、音声参照の共有上限は12ファイルです。動画クリップはそれぞれ2~15秒で、合計15秒以内である必要があります。

ファイルをドロップ、または · 3まで

参照音声をURLとして指定し、プロンプトではAudio 1、Audio 2などのラベルでクリップを識別します。各クリップは2~15秒で、音声の合計は15秒以内である必要があります。画像、動画、音声の参照種別は単独または組み合わせて指定でき、共有上限は12ファイルです。

image_url
ファイルをドロップ、または

正確な開始フレームを定義し、出力キャンバスを決定するオプションの画像URL。参照アセットは被写体の一貫性を維持します。

ファイルをドロップ、または

middle_frame_time用のオプションのガイド画像。ネイティブ480Pまたは768P生成で、開始画像と終了画像の両方が指定されている場合のみ使用できます。

end_image_url
ファイルをドロップ、または

指定した画像を動画の正確な終了フレームに固定するオプションの最終画像URL。

middle_image_urlでのみ使用できる中央画像の配置時間。要求された動画の最初と最後のフレームの間に厳密に位置する必要があります。開始からの経過秒数を指定し、値は最も近い24 fpsフレームに丸められます。

ランダム生成用のシード。省略するとランダムに選択されます。

reference_*_urlsの代替として指定する参照リスト。併用はできません。モダリティ間の順序には意味があるため、処理中も順序が維持されます。

POST /run/minimax/h3-max/reference-to-video?wait=20 見積もり → $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"

このリクエストを実行

キーはこのブラウザ内に保持されます。Doitong APIにのみ送信され、「記憶する」にチェックを入れた場合のみlocalStorageに保存されます。 APIキーを取得

H3 Max Reference to Videoについて

参照素材を使って動画を生成します。最大9枚の画像、3本の動画、3本の音声クリップ、合計最大12ファイルに対応します。プロンプトではImage 1、Video 1、Audio 1などの名前で参照します。任意で初フレーム、中間フレーム(`middle_image_url`を`middle_frame_time`に指定)、最終フレームを固定できます。`duration`は0.92~15秒で、`aspect_ratio`にはadaptiveを指定できます。

パラメータ

正式名称またはネイティブ名のいずれか一方を送信してください。両方は送信しないでください。 正式名称

名前型 デフォルト許可される値 説明
prompt必須
型string
≤ 50,000文字
各参照リスト内のアセット種別と位置で参照を識別する動画生成指示。Audio 1、Video 1、Image 1、Image 2などのラベルを使用します。
reference_image_urls任意 images
型url[] · image
≤ 9項目
被写体またはスタイルの参照画像URL。動画および音声参照と共有で最大12ファイルです。プロンプトではリスト位置によりImage 1、Image 2などのラベルで識別します。
reference_video_urls任意
型url[] · video
≤ 3項目
モーションまたはその他の参照動画URL。プロンプトではリスト位置によりVideo 1、Video 2などのラベルで識別します。画像、動画、音声参照の共有上限は12ファイルです。動画クリップはそれぞれ2~15秒で、合計15秒以内である必要があります。
reference_audio_urls任意
型url[] · audio
≤ 3項目
参照音声をURLとして指定し、プロンプトではAudio 1、Audio 2などのラベルでクリップを識別します。各クリップは2~15秒で、音声の合計は15秒以内である必要があります。画像、動画、音声の参照種別は単独または組み合わせて指定でき、共有上限は12ファイルです。
image_url任意 image
型url · image
正確な開始フレームを定義し、出力キャンバスを決定するオプションの画像URL。参照アセットは被写体の一貫性を維持します。
middle_image_url任意
型url · image
middle_frame_time用のオプションのガイド画像。ネイティブ480Pまたは768P生成で、開始画像と終了画像の両方が指定されている場合のみ使用できます。
middle_frame_time任意
型number | null
> 0< 15
middle_image_urlでのみ使用できる中央画像の配置時間。要求された動画の最初と最後のフレームの間に厳密に位置する必要があります。開始からの経過秒数を指定し、値は最も近い24 fpsフレームに丸められます。
end_image_url任意 end_image
型url · image
指定した画像を動画の正確な終了フレームに固定するオプションの最終画像URL。
duration任意
型number
デフォルト5
0.92 – 15
秒単位の要求時間。この値を約0.7秒超える実際の動画長が許容されます。
resolution任意
型enum
デフォルト768P
480P768P1080P
生成解像度の選択。1080Pでは、選択した解像度でのネイティブ生成ではなく、768Pでネイティブ生成された素材に潜在空間リファインメントを適用します。
seed任意
型integer | null
ランダム生成用のシード。省略するとランダムに選択されます。
enable_safety_checker任意
型boolean
デフォルトtrue
安全性チェッカーの有効化。true でチェックを有効にします。
prompt_expansion_mode必須
型string
デフォルトbalanced
生成前のプロンプト書き換え負荷。'quality'は約30秒かけてより豊かなプロンプトを作成し、'balanced'は約1秒で返します。プロンプトの拡張を省略するには'disabled'を選択します。
aspect_ratio任意
型enum
デフォルトadaptive
adaptive21:916:94:31:13:49:16
出力動画のアスペクト比。
reference_conditions任意
型object[]
≤ 12項目
reference_*_urlsの代替として指定する参照リスト。併用はできません。モダリティ間の順序には意味があるため、処理中も順序が維持されます。
reference_conditions[].type必須
型enum
imagevideoaudio
参照のモダリティ。リスト内のモダリティ間の順序には意味があります。
reference_conditions[].url必須
型string
≥ 1 characters
参照メディアのURL。
必須 正式名称(こちらも使用可能)

ファイルパラメータには、公開されたhttps:// URL、10 MBまでのdata: URI、またはアップロードしたファイルのfile_urlを指定します。 ファイル

出力

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"
  }
}
ファイルの保存期間を選択すべてのoutputs[].urlはストレージ上のコピーです。アカウント設定または?storage=により、永久保存(GB・月単位で有料)または無料で7日保存できます。
すべてのモデルで同じ形式画像、動画、音声のいずれでも、type、url、content_type、width、height、durationが含まれます。outputはモデル独自の結果オブジェクトです。
出力フィールド
video
object {url, content_type, file_name, file_size}モデルが生成した動画。
expanded_prompt
string | nullモデル用に展開されたプロンプト。展開テキストがない場合はnullです。nullになるのは、展開が無効、展開しても変更がない場合、またはモデルのホストAPI内部で展開が処理された場合です。
seed
integer生成結果を再現するためのベースシード。
timings
object | null秒単位のタイミング測定値。バックエンドのタイミングを報告するルートでのみ利用でき、それ以外ではnullです。'inference'エントリは、GPUバックエンドでDiTのノイズ除去にかかった時間を測定します。

その他のモデル: 参照画像から動画

AIエージェント向け:このページのMarkdown版はこちらです: https://doitong.com/ja/developers/models/minimax/h3-max/reference-to-video.md. すべてのモデルとガイド: https://doitong.com/developers/llms.txt