Avançar para o conteúdo

H3 Max Reference to Video

Integrar

ID do modelo 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"

Ficheiros como o exemplo: 0,40 $ 400 créditos da API os seus ficheiros são medidos antes da execução Executar nesta página

Obter chave de API
MiniMax Referência para vídeo Entradas de referência0,92–15 saté 1080P #stylized#transform#typography

Geração de vídeo H3 Max que mantém os sujeitos consistentes usando imagens, vídeos e clipes de áudio de referência

MiniMax · Vídeo

O seu primeiro resultado aparece aqui

Crie um pedido abaixo e execute-o com a sua chave de API. As saídas são copiadas para o nosso armazenamento, guardadas para sempre ou durante 7 dias gratuitamente.

Criar um pedido

Os controlos são gerados a partir do esquema do modelo. O código e o preço são atualizados à medida que os altera.

•obrigatório 88 / 50000

Instruções de geração de vídeo com referências identificadas pelo tipo de recurso e pela posição em cada lista de referências, usando etiquetas como Audio 1, Video 1, Image 1, Image 2 e assim por diante.

•obrigatório

Esforço de reescrita do prompt antes da geração: 'quality' desenvolve um prompt mais rico durante aproximadamente 30s, enquanto 'balanced' responde em cerca de um segundo. Escolha 'disabled' para omitir a expansão do prompt.

resolution predefinição 768P

Seleção da resolução da geração: 1080P requer refinamento latente do material gerado nativamente a 768P, em vez de geração nativa na resolução selecionada.

aspect_ratio predefinição adaptive

Proporção do vídeo de saída.

predefinição 5

Duração solicitada em segundos, permitindo uma duração real do vídeo até aproximadamente 0.7 s além desse pedido.

Avançado 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
Largue um ficheiro ou · até 9

URLs de imagens de referência do sujeito ou estilo, partilhando um máximo de 12 ficheiros com todas as referências de vídeo e áudio. Identifique estas imagens no prompt pela posição na lista, usando Image 1, Image 2 e as etiquetas seguintes.

Largue um ficheiro ou · até 3

URLs de vídeos de referência de movimento ou outros, identificados pela posição na lista no prompt através de Video 1, Video 2 e etiquetas seguintes. O limite partilhado entre referências de imagem, vídeo e áudio é de 12 ficheiros; cada clip de vídeo deve durar 2–15 segundos e o total não pode exceder 15 segundos.

Largue um ficheiro ou · até 3

Forneça o áudio de referência como URLs e identifique os clips no prompt usando Audio 1, Audio 2 e etiquetas seguintes. Cada clip deve durar 2–15 segundos, com um máximo total de 15 segundos de áudio. Qualquer tipo de referência de imagem, vídeo ou áudio pode ser fornecido isoladamente ou combinado, sujeito ao máximo partilhado de 12 ficheiros.

image_url
Largue um ficheiro ou

URL opcional da imagem que define o frame inicial exato e determina o canvas de saída. Os recursos de referência mantêm a consistência do sujeito.

Largue um ficheiro ou

Imagem orientadora opcional para middle_frame_time, disponível apenas com geração nativa a 480P ou 768P e com uma imagem inicial e uma imagem final fornecidas.

end_image_url
Largue um ficheiro ou

URL opcional da imagem final que fixa o frame final exato do vídeo na imagem fornecida.

Tempo de colocação da imagem intermédia, utilizável apenas com middle_image_url e restrito a posições estritamente entre o primeiro e o último frame do vídeo solicitado. Forneça os segundos decorridos desde o início; o valor é arredondado para o frame mais próximo a 24 fps.

Seed para geração aleatória; se omitida, é escolhida aleatoriamente.

Lista de referências fornecida como alternativa a reference_*_urls, nunca juntamente com estas. A ordenação entre modalidades tem significado, pelo que a sequência é mantida durante todo o processamento.

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

Executar este pedido

A sua chave permanece neste navegador: é enviada apenas para a Doitong API e guardada em localStorage apenas se selecionar Lembrar. Obter uma chave de API

Sobre H3 Max Reference to Video

Gera vídeo orientado por recursos de referência: até 9 imagens, 3 vídeos e 3 clipes de áudio, com um máximo de 12 ficheiros no total. O prompt refere-se a estes como Image 1, Video 1, Audio 1 e assim sucessivamente. Os primeiros, intermédios (`middle_image_url` em `middle_frame_time`) e últimos fotogramas opcionais fixam o início, o meio e o fim. `duration` varia entre 0.92 e 15 segundos e `aspect_ratio` pode ser adaptativo.

Parâmetros

Envie o nome canónico ou o nome nativo, não ambos. Nomes canónicos

NomeTipo PredefiniçãoPermitido Descrição
promptobrigatório
Tipostring
≤ 50 000 caracteres
Instruções de geração de vídeo com referências identificadas pelo tipo de recurso e pela posição em cada lista de referências, usando etiquetas como Audio 1, Video 1, Image 1, Image 2 e assim por diante.
reference_image_urlsopcional images
Tipourl[] · image
≤ 9 itens
URLs de imagens de referência do sujeito ou estilo, partilhando um máximo de 12 ficheiros com todas as referências de vídeo e áudio. Identifique estas imagens no prompt pela posição na lista, usando Image 1, Image 2 e as etiquetas seguintes.
reference_video_urlsopcional
Tipourl[] · video
≤ 3 itens
URLs de vídeos de referência de movimento ou outros, identificados pela posição na lista no prompt através de Video 1, Video 2 e etiquetas seguintes. O limite partilhado entre referências de imagem, vídeo e áudio é de 12 ficheiros; cada clip de vídeo deve durar 2–15 segundos e o total não pode exceder 15 segundos.
reference_audio_urlsopcional
Tipourl[] · audio
≤ 3 itens
Forneça o áudio de referência como URLs e identifique os clips no prompt usando Audio 1, Audio 2 e etiquetas seguintes. Cada clip deve durar 2–15 segundos, com um máximo total de 15 segundos de áudio. Qualquer tipo de referência de imagem, vídeo ou áudio pode ser fornecido isoladamente ou combinado, sujeito ao máximo partilhado de 12 ficheiros.
image_urlopcional image
Tipourl · image
URL opcional da imagem que define o frame inicial exato e determina o canvas de saída. Os recursos de referência mantêm a consistência do sujeito.
middle_image_urlopcional
Tipourl · image
Imagem orientadora opcional para middle_frame_time, disponível apenas com geração nativa a 480P ou 768P e com uma imagem inicial e uma imagem final fornecidas.
middle_frame_timeopcional
Tiponumber | null
> 0< 15
Tempo de colocação da imagem intermédia, utilizável apenas com middle_image_url e restrito a posições estritamente entre o primeiro e o último frame do vídeo solicitado. Forneça os segundos decorridos desde o início; o valor é arredondado para o frame mais próximo a 24 fps.
end_image_urlopcional end_image
Tipourl · image
URL opcional da imagem final que fixa o frame final exato do vídeo na imagem fornecida.
durationopcional
Tiponumber
Predefinição5
0,92 – 15
Duração solicitada em segundos, permitindo uma duração real do vídeo até aproximadamente 0.7 s além desse pedido.
resolutionopcional
Tipoenum
Predefinição768P
480P768P1080P
Seleção da resolução da geração: 1080P requer refinamento latente do material gerado nativamente a 768P, em vez de geração nativa na resolução selecionada.
seedopcional
Tipointeger | null
Seed para geração aleatória; se omitida, é escolhida aleatoriamente.
enable_safety_checkeropcional
Tipoboolean
Predefiniçãotrue
Ativação do verificador de segurança; true ativa a verificação.
prompt_expansion_modeobrigatório
Tipostring
Predefiniçãobalanced
Esforço de reescrita do prompt antes da geração: 'quality' desenvolve um prompt mais rico durante aproximadamente 30s, enquanto 'balanced' responde em cerca de um segundo. Escolha 'disabled' para omitir a expansão do prompt.
aspect_ratioopcional
Tipoenum
Predefiniçãoadaptive
adaptive21:916:94:31:13:49:16
Proporção do vídeo de saída.
reference_conditionsopcional
Tipoobject[]
≤ 12 itens
Lista de referências fornecida como alternativa a reference_*_urls, nunca juntamente com estas. A ordenação entre modalidades tem significado, pelo que a sequência é mantida durante todo o processamento.
reference_conditions[].typeobrigatório
Tipoenum
imagevideoaudio
Modalidade da referência; a ordenação entre modalidades na lista tem significado.
reference_conditions[].urlobrigatório
Tipostring
≥ 1 characters
URL do recurso multimédia de referência.
obrigatório Nome canónico, também aceite

Os parâmetros de ficheiro aceitam um URL https:// público, um URI data: até 10 MB ou o file_url de um carregamento. Ficheiros

Resultado

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"
  }
}
Os seus ficheiros, a sua escolhaCada outputs[].url é uma cópia no nosso armazenamento: guardada para sempre (paga por GB-mês) ou durante 7 dias gratuitamente, conforme a definição da sua conta ou ?storage=.
A mesma estrutura em todos os modelostype, url, content_type, width, height e duration, tanto para imagens como para vídeo e áudio. output é o próprio objeto de resultado do modelo.
Campos do resultado
video
object {url, content_type, file_name, file_size}Vídeo produzido pelo modelo.
expanded_prompt
string | nullPrompt expandido pronto para o modelo, ou null se não estiver disponível texto expandido. Os casos null são expansão desativada, expansão sem alterações e expansão processada internamente pela API alojada do modelo.
seed
integerSeed base usada para reproduzir o resultado gerado.
timings
object | nullMedições de tempo expressas em segundos, disponíveis apenas em rotas que reportam tempos do backend; caso contrário, null. A entrada 'inference' mede o tempo de denoising DiT no backend GPU.

Mais modelos: Referência para vídeo

Para agentes de IA: esta página em Markdown está disponível em https://doitong.com/pt-PT/developers/models/minimax/h3-max/reference-to-video.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt