Przejdź do treści

H3 Max Image to Video

Integracja

Identyfikator modelu 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"

Pliki takie jak przykład: 0,30 $ 300 kredytów API Twoje pliki są mierzone przed uruchomieniem Uruchom na tej stronie

Uzyskaj klucz API
MiniMax Obraz na wideo Synchronizacja ruchu ust0,92–15 sdo 1080P #stylized#transform#lipsync

Standardowe image-to-video H3 Max z kontrolą pierwszej i ostatniej klatki oraz opcjonalnym przypiętym dźwiękiem

MiniMax · Wideo

Tutaj pojawi się pierwszy wynik

Zbuduj poniżej żądanie i uruchom je za pomocą klucza API. Wyniki są kopiowane do naszej przestrzeni dyskowej i przechowywane bezterminowo lub 7 dni bezpłatnie.

Zbuduj żądanie

Elementy sterujące są generowane ze schematu modelu. Kod i cena aktualizują się podczas ich zmiany.

•wymagane 88 / 50000

Instrukcje tekstowe dotyczące generowania wideo.

•wymagane

Intensywność przepisywania promptu przed generowaniem: 'quality' tworzy bogatszy prompt przez maksymalnie około 30 s, natomiast 'balanced' zwraca wynik mniej więcej po sekundzie. Wybierz 'disabled', aby pominąć rozwijanie promptu.

resolution domyślnie 768P

Wybór rozdzielczości generowania: 1080P wymaga utajonego ulepszenia materiału wygenerowanego natywnie w 768P zamiast natywnego generowania w wybranej rozdzielczości.

domyślnie 5

Żądana długość w sekundach, z minimum 2 s, gdy podano target_audio_url. Uwzględnij możliwość przekroczenia długości wyniku o około 0.7 s.

Zaawansowane target_audio_url · image · end_image · seed · enable_safety_checker
Upuść plik lub

Opcjonalna zastępcza ścieżka dźwiękowa podana przez adres HTTP(S) lub URI danych base64; klip musi trwać co najmniej 2 sekundy i mieć maksymalnie 15 MB. Dostarczone audio zastępuje wygenerowaną ścieżkę przy niezmienionej prędkości odtwarzania: nadmiarowy czas jest usuwany z końca, a krótsze klipy otrzymują dopełnienie ciszą, aby dopasować je do wideo. W przypadku wyjątkowo wysokich częstotliwości próbkowania może nastąpić ponowne próbkowanie do 96 kHz.

image_url
Upuść plik lub

Opcjonalny adres obrazu określający klatkę początkową i płótno wyniku. Jeśli podano wyłącznie end_image_url, płótno określa jego klatka końcowa. Bez żadnego obrazu generowanie używa text-to-video z domyślnym współczynnikiem proporcji 16:9.

end_image_url
Upuść plik lub

Opcjonalny adres obrazu ostatniej klatki, możliwy do użycia także bez obrazu początkowego. W trybie klatki końcowej bez klatki początkowej obraz ten określa płótno wyniku.

Ziarno losowego generowania; jeśli nie zostanie podane, zostanie wybrane losowo.

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

Uruchom to żądanie

Klucz pozostaje w tej przeglądarce: jest wysyłany tylko do Doitong API i zapisywany (localStorage) tylko po zaznaczeniu opcji Zapamiętaj. Uzyskaj klucz API

Informacje o H3 Max Image to Video

Animuje nieruchomy obraz z linii Max. Podaj `image_url` jako pierwszą klatkę, `end_image_url` jako ostatnią klatkę lub oba parametry wraz z `prompt`. `duration` wynosi od 0.92 do 15 sekund, a `resolution` to 480P, 768P lub 1080P. `target_audio_url` może przypiąć klip audio, a `prompt_expansion_mode` steruje przepisywaniem promptu.

Parametry

Wyślij nazwę kanoniczną albo natywną, nie obie. Nazwy kanoniczne

NazwaTyp DomyślneDozwolone Opis
promptwymagane
Typstring
≤ 50 000 znaków
Instrukcje tekstowe dotyczące generowania wideo.
durationopcjonalne
Typnumber
Domyślne5
0,92 – 15
Żądana długość w sekundach, z minimum 2 s, gdy podano target_audio_url. Uwzględnij możliwość przekroczenia długości wyniku o około 0.7 s.
resolutionopcjonalne
Typenum
Domyślne768P
480P768P1080P
Wybór rozdzielczości generowania: 1080P wymaga utajonego ulepszenia materiału wygenerowanego natywnie w 768P zamiast natywnego generowania w wybranej rozdzielczości.
seedopcjonalne
Typinteger | null
Ziarno losowego generowania; jeśli nie zostanie podane, zostanie wybrane losowo.
enable_safety_checkeropcjonalne
Typboolean
Domyślnetrue
Aktywacja kontroli bezpieczeństwa; true włącza kontrolę.
prompt_expansion_modewymagane
Typstring
Domyślnebalanced
Intensywność przepisywania promptu przed generowaniem: 'quality' tworzy bogatszy prompt przez maksymalnie około 30 s, natomiast 'balanced' zwraca wynik mniej więcej po sekundzie. Wybierz 'disabled', aby pominąć rozwijanie promptu.
target_audio_urlopcjonalne
Typurl · audio
Opcjonalna zastępcza ścieżka dźwiękowa podana przez adres HTTP(S) lub URI danych base64; klip musi trwać co najmniej 2 sekundy i mieć maksymalnie 15 MB. Dostarczone audio zastępuje wygenerowaną ścieżkę przy niezmienionej prędkości odtwarzania: nadmiarowy czas jest usuwany z końca, a krótsze klipy otrzymują dopełnienie ciszą, aby dopasować je do wideo. W przypadku wyjątkowo wysokich częstotliwości próbkowania może nastąpić ponowne próbkowanie do 96 kHz.
image_urlopcjonalne image
Typurl · image
Opcjonalny adres obrazu określający klatkę początkową i płótno wyniku. Jeśli podano wyłącznie end_image_url, płótno określa jego klatka końcowa. Bez żadnego obrazu generowanie używa text-to-video z domyślnym współczynnikiem proporcji 16:9.
end_image_urlopcjonalne end_image
Typurl · image
Opcjonalny adres obrazu ostatniej klatki, możliwy do użycia także bez obrazu początkowego. W trybie klatki końcowej bez klatki początkowej obraz ten określa płótno wyniku.
wymagane Nazwa kanoniczna, również akceptowana

Parametry plików przyjmują publiczny URL https://, identyfikator URI data: do 10 MB albo file_url przesłanego pliku. Pliki

Wynik

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"
  }
}
Twoje pliki, Twój wybórKażdy outputs[].url to kopia w naszej przestrzeni dyskowej: przechowywana bezterminowo (opłata za GB-miesiąc) lub 7 dni bezpłatnie, zgodnie z ustawieniem konta lub ?storage=.
Taki sam format w każdym modelutype, url, content_type, width, height i duration — tak samo dla obrazów, filmów i dźwięku. output to własny obiekt wyniku modelu.
Pola wyniku
video
object {url, content_type, file_name, file_size}Wideo wygenerowane przez model.
expanded_prompt
string | nullRozwinięty prompt gotowy dla modelu lub null, jeśli nie ma dostępnego rozwiniętego tekstu. Przypadki null obejmują wyłączone rozwijanie, rozwinięcie bez zmian oraz rozwinięcie obsługiwane wewnętrznie przez hostowany interfejs API modelu.
timings
object | nullPomiary czasu wyrażone w sekundach, dostępne tylko na trasach raportujących czasy backendu; w przeciwnym razie null. Wpis 'inference' mierzy czas odszumiania DiT na backendzie GPU.

Więcej modeli: Obraz na wideo

Dla agentów AI: ta strona w formacie Markdown jest dostępna pod adresem https://doitong.com/pl/developers/models/minimax/h3-max/image-to-video.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt