Przejdź do treści

MiniMax H3 Text to Video

Integracja

Identyfikator modelu minimax/h3/text-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/text-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "Create a 15-second luxury cinematic product showcase for premium wireless over-ear headphones. 0–4s: Begin with an extreme macro tracking shot moving across the soft memory-foam ear cushion, fine fabric texture, brushed-metal hinge and precision-machined controls. A narrow light band travels across the surface, revealing realistic materials against a deep black studio background. 4–8s: Pull back into a three-quarter hero view. The headphones rotate slowly above a glossy reflective pedestal. The ear cups pivot naturally while the adjustable headband extends slightly, demonstrating flexible construction and comfort. Maintain exact symmetry, stable geometry and consistent proportions. 8–12s: Transition into an elegant exploded-view reveal. The ear cushion, acoustic driver, internal sound chamber, control ring and outer shell separate smoothly in perfect alignment. Subtle luminous sound waves pulse outward from the driver while the camera performs a restrained side orbit. 12–15s: Every component reconnects seamlessly. The headphones settle into a centered front-facing hero composition as soft rim lighting defines the silhouette. Complete a gentle dolly-in toward the ear cups. Premium technology-commercial finish, controlled reflections, realistic shadows, shallow depth of field, crisp surface detail, stable product shape, no hands, no distortion, no onscreen text.",
    "duration": 5,
    "resolution": "480P",
    "aspect_ratio": "16:9"
  }'

# 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"

To żądanie: 0,25 $ 250 kredytów API Uruchom na tej stronie

Uzyskaj klucz API
MiniMax Tekst na wideo Wynik 4K5–15 sdo 4K #motion#soundtrack

Model wideo MiniMax (Hailuo) do dynamicznego ruchu, od 5 do 15 sekund, do 4K.

Przykłady

Wynik · ~39 s

PromptCreate a 15-second luxury cinematic product showcase for premium wireless over-ear headphones. 0–4s: Begin with an extreme macro tracking shot moving across the soft memory-foam ear cushion, fine fabric texture, brushed-metal hinge and precision-machined controls. A narrow light band travels across the surface, revealing realistic materials against a deep black studio background. 4–8s: Pull back into a three-quarter hero view. The headphones rotate slowly above a glossy reflective pedestal. The ear cups pivot naturally while the adjustable headband extends slightly, demonstrating flexible construction and comfort. Maintain exact symmetry, stable geometry and consistent proportions. 8–12s: Transition into an elegant exploded-view reveal. The ear cushion, acoustic driver, internal sound chamber, control ring and outer shell separate smoothly in perfect alignment. Subtle luminous sound waves pulse outward from the driver while the camera performs a restrained side orbit. 12–15s: Every component reconnects seamlessly. The headphones settle into a centered front-facing hero composition as soft rim lighting defines the silhouette. Complete a gentle dolly-in toward the ear cups. Premium technology-commercial finish, controlled reflections, realistic shadows, shallow depth of field, crisp surface detail, stable product shape, no hands, no distortion, no onscreen text.

5 s480P16:90,25 $ · 250 kredytów API

Prompt od @LudovicCreator na X

Zbuduj żądanie

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

•wymagane 1382 / 50000

Instrukcje tekstowe dotyczące generowania wideo.

resolution

Wybierz rozdzielczość wygenerowanego wideo; 2K i 4K uzyskuje się przez powiększenie bazy 768P. Wybór 480P lub 768P używa natywnego generowania.

aspect_ratio

Proporcje obrazu wideo wynikowego.

Długość wideo, mierzona w sekundach.

Zaawansowane prompt_expansion_mode · target_audio_url · seed
domyślnie balanced

Intensywność przepisywania promptu przed generowaniem: wybierz 'quality' dla bogatszego promptu tworzonego przez maksymalnie około 30 sekund lub 'fast' dla wyniku po około sekundzie. Przy 'balanced' wybór jest dokonywany dla każdego żądania; 'disabled' wyłącza rozwijanie.

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.

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

POST /run/minimax/h3/text-to-video?wait=20 wycena → 0,25 $
# 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/text-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "Create a 15-second luxury cinematic product showcase for premium wireless over-ear headphones. 0–4s: Begin with an extreme macro tracking shot moving across the soft memory-foam ear cushion, fine fabric texture, brushed-metal hinge and precision-machined controls. A narrow light band travels across the surface, revealing realistic materials against a deep black studio background. 4–8s: Pull back into a three-quarter hero view. The headphones rotate slowly above a glossy reflective pedestal. The ear cups pivot naturally while the adjustable headband extends slightly, demonstrating flexible construction and comfort. Maintain exact symmetry, stable geometry and consistent proportions. 8–12s: Transition into an elegant exploded-view reveal. The ear cushion, acoustic driver, internal sound chamber, control ring and outer shell separate smoothly in perfect alignment. Subtle luminous sound waves pulse outward from the driver while the camera performs a restrained side orbit. 12–15s: Every component reconnects seamlessly. The headphones settle into a centered front-facing hero composition as soft rim lighting defines the silhouette. Complete a gentle dolly-in toward the ear cups. Premium technology-commercial finish, controlled reflections, realistic shadows, shallow depth of field, crisp surface detail, stable product shape, no hands, no distortion, no onscreen text.",
    "duration": 5,
    "resolution": "480P",
    "aspect_ratio": "16:9"
  }'

# 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 MiniMax H3 Text to Video

MiniMax H3 generuje ekspresyjny ruch postaci i kamery na podstawie promptu. Renderuje natywnie w 480P lub 768P; opcje 2K i 4K skalują wynik 768P. Klipy trwają od 5 do 15 sekund w sześciu współczynnikach proporcji, opcjonalny wbudowany moduł przepisywania promptu ma cztery poziomy intensywności, a własną ścieżkę audio można przypiąć jako ścieżkę dźwiękową.

Parametry

NazwaTyp DomyślneDozwolone Opis
promptwymagane
Typstring
≤ 50 000 znaków
Instrukcje tekstowe dotyczące generowania wideo.
durationopcjonalne
Typinteger
Domyślne5
5 – 15
Długość wideo, mierzona w sekundach.
resolutionopcjonalne
Typenum
Domyślne2K
480P768P2K4K
Wybierz rozdzielczość wygenerowanego wideo; 2K i 4K uzyskuje się przez powiększenie bazy 768P. Wybór 480P lub 768P używa natywnego generowania.
seedopcjonalne
Typinteger | null
Ziarno losowego generowania; jeśli nie zostanie podane, zostanie wybrane losowo.
prompt_expansion_modeopcjonalne
Typstring | null
Domyślnebalanced
Intensywność przepisywania promptu przed generowaniem: wybierz 'quality' dla bogatszego promptu tworzonego przez maksymalnie około 30 sekund lub 'fast' dla wyniku po około sekundzie. Przy 'balanced' wybór jest dokonywany dla każdego żądania; 'disabled' wyłącza rozwijanie.
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.
aspect_ratioopcjonalne
Typenum
Domyślne16:9
21:916:94:31:13:49:16
Proporcje obrazu wideo wynikowego.
wymagane

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/text-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": 250,
    "usd": "0.25",
    "charged": 250,
    "refunded": 0
  },
  "input": {
    "prompt": "A white kitten chases a butterfly across a sunlit garden, gentle tracking camera, soft afternoon light",
    "duration": 6,
    "resolution": "768P"
  },
  "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"
  }
}
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.

Więcej modeli: Tekst na wideo

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