Op den Inhalt sprangen

H3 Max Reference to Video

Integréieren

Modell-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"

Dateie wéi am Beispill: 0,40 $ 400 API-Kreditter Är Dateie gi virun der Ausféierung gemooss Op dëser Säit ausféieren

API-Schlëssel kréien
MiniMax Referenz zu Video Referenzinput0,92–15 sbis zu 1080P #stylized#transform#typography

H3 Max Videogeneratioun, déi Sujete mat Referenzbiller, Videoen an Audioclips konsistent hält

MiniMax · Video

Äin éischt Resultat kënnt hei hin

Baut hei drënner eng Ufro a féiert se mat Ärem API-Schlëssel aus. Output gëtt an eis Späicherung kopéiert, fir ëmmer oder 7 Deeg gratis gespäichert.

Eng Ufro erstellen

D'Kontrolle ginn aus dem Modellschema generéiert. De Code an de Präis aktualiséiere sech, wann s du se ännerst.

•obligatoresch 88 / 50000

Instruktioune fir d'Video-Generatioun mat Referenzen, déi duerch Asset-Typ a Positioun an all Referenzlëscht identifizéiert ginn, mat Bezeechnunge wéi Audio 1, Video 1, Image 1, Image 2 an esou weider.

•obligatoresch

Opwand fir d'Prompt-Ëmschreiwe virun der Generatioun: 'quality' entwéckelt iwwer ongeféier 30s e méi detailléierte Prompt, wärend 'balanced' a ronn enger Sekonn zeréckgëtt. Wielt 'disabled', fir d'Prompt-Erweiderung ewechzeloossen.

resolution Standard 768P

Auswiel vun der Generatiounsopléisung: 1080P erfuerdert latent Verfeinerung vu Material, dat nativ bei 768P generéiert gouf, amplaz vun enger nativer Generatioun an der ausgewielter Opléisung.

aspect_ratio Standard adaptive

Aspektverhältnis vum Output-Video.

Standard 5

Ugefrote Dauer a Sekonnen; d'tatsächlech Video-Längt kann ongeféier 0.7 s doriwwer leien.

Erweidert 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
Fichier erofzéien, oder · bis zu 9

URLen vu Referenzbiller fir Motiv oder Stil, mat engem gemeinsame Maximum vun 12 Fichiere fir all Video- an Audio-Referenzen. Identifizéiert dës Biller am Prompt duerch d'Positioun an der Lëscht mat Image 1, Image 2 an de folgenden Bezeechnungen.

Fichier erofzéien, oder · bis zu 3

URLen vu Bewegungs- oder anere Referenzvideoen, identifizéiert am Prompt duerch hir Positioun an der Lëscht mat Video 1, Video 2 an de folgenden Bezeechnungen. De gemeinsame Kontingent fir Bild-, Video- an Audio-Referenze si 12 Fichieren; Video-Clips mussen all 2–15 Sekonnen daueren an zesummen net méi wéi 15 Sekonnen.

Fichier erofzéien, oder · bis zu 3

Gitt Referenz-Audio als URLen un an identifizéiert d'Clips am Prompt mat Audio 1, Audio 2 an de folgenden Bezeechnungen. All Clip muss 2–15 Sekonnen daueren, mat insgesamt maximal 15 Sekonnen Audio. Bild-, Video- an Audio-Referenze kënnen alleng oder kombinéiert geliwwert ginn, mat engem gemeinsame Maximum vun 12 Fichieren.

image_url
Fichier erofzéien, oder

Optional Bild-URL, déi de geneeë Start-Frame definéiert an den Output-Canvas bestëmmt. Referenz-Assets behalen d'Konsistenz vum Motiv.

Fichier erofzéien, oder

Optional Féierungsbild fir middle_frame_time, nëmme mat nativer 480P- oder 768P-Generatioun an nëmme wann e Start- an e Schlussbild geliwwert ginn.

end_image_url
Fichier erofzéien, oder

Optional URL vum Schlussbild, déi de geneeë Schluss-Frame vum Video op dat geliwwert Bild festleet.

Zäitpositioun vum mëttlere Bild, nëmme mat middle_image_url benotzbar an op Positiounen strikt tëscht dem éischten an dem leschte Frame vum ugefrote Video limitéiert. Gitt déi zënter dem Ufank vergaangen Zäit a Sekonnen un; de Wäert gëtt op den nooste 24-fps-Frame ofgerënnt.

Seed fir zoufälleg Generatioun; wann en ewechgelooss gëtt, gëtt en zoufälleg ausgewielt.

Referenzlëscht als Alternativ zu reference_*_urls, ni zesumme mat dësen. D'Reiefolleg iwwer d'Modalitéiten huet eng Bedeitung a gëtt während der ganzer Veraarbechtung erhale.

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

Dës Ufro ausféieren

Äre Schlëssel bleift an dësem Browser: e gëtt nëmmen un d'Doitong API geschéckt an nëmme gespäichert (localStorage), wann s du „Erënneren“ aktivéiers. En API-Schlëssel kréien

Iwwer H3 Max Reference to Video

Generéiert Video mat Referenzressourcen: bis zu 9 Biller, 3 Videoen an 3 Audioclips, mat maximal 12 Dateien am Ganzen. De Prompt bezitt sech op si als Image 1, Video 1, Audio 1 asw. Optional éischt, mëttel (`middle_image_url` bei `middle_frame_time`) a lescht Frames fixéieren den Ufank, d'Mëtt an d'Enn. `duration` ass 0.92 bis 15 Sekonnen, an `aspect_ratio` kann adaptiv sinn.

Parameteren

Schéck entweder den kanoneschen Numm oder den natierlechen Numm, net béid. Kanonesch Nimm

NummTyp StandardErlaabt Beschreiwung
promptobligatoresch
Typstring
≤ 50.000 Zeechen
Instruktioune fir d'Video-Generatioun mat Referenzen, déi duerch Asset-Typ a Positioun an all Referenzlëscht identifizéiert ginn, mat Bezeechnunge wéi Audio 1, Video 1, Image 1, Image 2 an esou weider.
reference_image_urlsoptional images
Typurl[] · image
≤ 9 Elementer
URLen vu Referenzbiller fir Motiv oder Stil, mat engem gemeinsame Maximum vun 12 Fichiere fir all Video- an Audio-Referenzen. Identifizéiert dës Biller am Prompt duerch d'Positioun an der Lëscht mat Image 1, Image 2 an de folgenden Bezeechnungen.
reference_video_urlsoptional
Typurl[] · video
≤ 3 Elementer
URLen vu Bewegungs- oder anere Referenzvideoen, identifizéiert am Prompt duerch hir Positioun an der Lëscht mat Video 1, Video 2 an de folgenden Bezeechnungen. De gemeinsame Kontingent fir Bild-, Video- an Audio-Referenze si 12 Fichieren; Video-Clips mussen all 2–15 Sekonnen daueren an zesummen net méi wéi 15 Sekonnen.
reference_audio_urlsoptional
Typurl[] · audio
≤ 3 Elementer
Gitt Referenz-Audio als URLen un an identifizéiert d'Clips am Prompt mat Audio 1, Audio 2 an de folgenden Bezeechnungen. All Clip muss 2–15 Sekonnen daueren, mat insgesamt maximal 15 Sekonnen Audio. Bild-, Video- an Audio-Referenze kënnen alleng oder kombinéiert geliwwert ginn, mat engem gemeinsame Maximum vun 12 Fichieren.
image_urloptional image
Typurl · image
Optional Bild-URL, déi de geneeë Start-Frame definéiert an den Output-Canvas bestëmmt. Referenz-Assets behalen d'Konsistenz vum Motiv.
middle_image_urloptional
Typurl · image
Optional Féierungsbild fir middle_frame_time, nëmme mat nativer 480P- oder 768P-Generatioun an nëmme wann e Start- an e Schlussbild geliwwert ginn.
middle_frame_timeoptional
Typnumber | null
> 0< 15
Zäitpositioun vum mëttlere Bild, nëmme mat middle_image_url benotzbar an op Positiounen strikt tëscht dem éischten an dem leschte Frame vum ugefrote Video limitéiert. Gitt déi zënter dem Ufank vergaangen Zäit a Sekonnen un; de Wäert gëtt op den nooste 24-fps-Frame ofgerënnt.
end_image_urloptional end_image
Typurl · image
Optional URL vum Schlussbild, déi de geneeë Schluss-Frame vum Video op dat geliwwert Bild festleet.
durationoptional
Typnumber
Standard5
0,92 – 15
Ugefrote Dauer a Sekonnen; d'tatsächlech Video-Längt kann ongeféier 0.7 s doriwwer leien.
resolutionoptional
Typenum
Standard768P
480P768P1080P
Auswiel vun der Generatiounsopléisung: 1080P erfuerdert latent Verfeinerung vu Material, dat nativ bei 768P generéiert gouf, amplaz vun enger nativer Generatioun an der ausgewielter Opléisung.
seedoptional
Typinteger | null
Seed fir zoufälleg Generatioun; wann en ewechgelooss gëtt, gëtt en zoufälleg ausgewielt.
enable_safety_checkeroptional
Typboolean
Standardtrue
Aktivéierung vun der Sécherheetskontroll; true aktivéiert d'Kontroll.
prompt_expansion_modeobligatoresch
Typstring
Standardbalanced
Opwand fir d'Prompt-Ëmschreiwe virun der Generatioun: 'quality' entwéckelt iwwer ongeféier 30s e méi detailléierte Prompt, wärend 'balanced' a ronn enger Sekonn zeréckgëtt. Wielt 'disabled', fir d'Prompt-Erweiderung ewechzeloossen.
aspect_ratiooptional
Typenum
Standardadaptive
adaptive21:916:94:31:13:49:16
Aspektverhältnis vum Output-Video.
reference_conditionsoptional
Typobject[]
≤ 12 Elementer
Referenzlëscht als Alternativ zu reference_*_urls, ni zesumme mat dësen. D'Reiefolleg iwwer d'Modalitéiten huet eng Bedeitung a gëtt während der ganzer Veraarbechtung erhale.
reference_conditions[].typeobligatoresch
Typenum
imagevideoaudio
Modalitéit vun der Referenz; d'Reiefolleg iwwer d'Modalitéiten an der Lëscht huet eng Bedeitung.
reference_conditions[].urlobligatoresch
Typstring
≥ 1 characters
URL vum Referenz-Medium.
obligatoresch Kanoneschen Numm, och akzeptéiert

Fichierparameter akzeptéieren eng ëffentlech https:// URL, eng data: URI bis zu 10 MB oder de file_url vun engem Upload. Fichieren

Output

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"
  }
}
Är Fichieren, Är WielAll outputs[].url ass eng Kopie an eiser Späicherung: fir ëmmer gespäichert (bezuelbar pro GB-Mount) oder 7 Deeg gratis, jee no Ärer Kontastellung oder ?storage=.
D'selwecht Struktur bei all Modelltype, url, content_type, width, height an duration, fir Biller, Video an Audio gläichermoossen. output ass dem Modell säin eegent Resultatobjet.
Output-Felder
video
object {url, content_type, file_name, file_size}Video, deen d'Modell produzéiert huet.
expanded_prompt
string | nullErweiderten, fir d'Modell bereete Prompt oder null, wann keen erweideren Text disponibel ass. null gëllt bei deaktivéierter Erweiderung, wann d'Erweiderung näischt geännert huet oder wann d'Modell-API vum Hoster d'Erweiderung intern behandelt huet.
seed
integerBasis-Seed, dee benotzt gëtt, fir dat generéiert Resultat ze reproduzéieren.
timings
object | nullZäitmiessungen a Sekonnen, nëmmen op Routen disponibel, déi Backend-Zäiten mellen; soss null. Den 'inference'-Entrée moosst, wéi laang d'DiT-Denoising um GPU-Backend gedauert huet.

Méi Modeller: Referenz zu Video

Fir AI-Agenten: dës Säit als Markdown ass ënner https://doitong.com/lb/developers/models/minimax/h3-max/reference-to-video.md. All Modeller a Guiden: https://doitong.com/developers/llms.txt