Hoppa till innehåll

H3 Max Reference to Video

Integrera

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"

Filer som exemplet: 0,40 $ 400 API-krediter dina filer mäts innan körningen Kör den på den här sidan

Hämta API-nyckel
MiniMax Referens till video Referensinmatningar0,92–15 supp till 1080P #stylized#transform#typography

H3 Max-videogenerering som håller motiv konsekventa med hjälp av referensbilder, videor och ljudklipp

MiniMax · Video

Ditt första resultat visas här

Skapa en begäran nedan och kör den med din API-nyckel. Utdata kopieras till vår lagring och sparas för alltid eller 7 dagar kostnadsfritt.

Skapa en begäran

Kontrollerna genereras från modellschemat. Koden och priset uppdateras när du ändrar dem.

•obligatoriskt 88 / 50000

Instruktioner för videogenerering med referenser identifierade efter medietyp och position i respektive referenslista, med etiketter som Audio 1, Video 1, Image 1, Image 2 och så vidare.

•obligatoriskt

Ansträngning för omskrivning av prompt före generering: 'quality' utvecklar en fylligare prompt under upp till cirka 30 s, medan 'balanced' returnerar på ungefär en sekund. Välj 'disabled' för att utelämna promptutvidgning.

resolution standard 768P

Val av genereringsupplösning: 1080P kräver latent förfining av material som genererats nativt i 768P, i stället för nativ generering i den valda upplösningen.

aspect_ratio standard adaptive

Bildförhållande för utdata-videon.

standard 5

Begärd längd i sekunder, med faktisk videolängd på upp till cirka 0,7 s över begäran.

Avancerat 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
Släpp en fil eller · upp till 9

URL:er till referensbilder för motiv eller stil, med en gemensam gräns på 12 filer för alla video- och ljudreferenser. Identifiera bilderna i prompten genom listposition med Image 1, Image 2 och efterföljande etiketter.

Släpp en fil eller · upp till 3

URL:er till referensvideor för rörelse eller annat, identifierade efter listposition i prompten med Video 1, Video 2 och efterföljande etiketter. Den gemensamma gränsen för bild-, video- och ljudreferenser är 12 filer; videoklipp måste vara 2–15 sekunder långa och totalt högst 15 sekunder.

Släpp en fil eller · upp till 3

Ange referensljud som URL:er och identifiera klippen i prompten med Audio 1, Audio 2 och efterföljande etiketter. Varje klipp måste vara 2–15 sekunder långt, med högst 15 sekunder ljud totalt. Bild-, video- och ljudreferenser kan anges separat eller kombineras, med en gemensam gräns på 12 filer.

image_url
Släpp en fil eller

Valfri bild-URL som definierar den exakta första bildrutan och utdataformatet. Referensresurser bevarar motivets konsekvens.

Släpp en fil eller

Valfri vägledande bild för middle_frame_time, endast tillgänglig med nativ 480P- eller 768P-generering och när både en startbild och en slutbild anges.

end_image_url
Släpp en fil eller

Valfri URL till den sista bilden som låser videons exakta sista bildruta till den angivna bilden.

Tidpunkt för placering av mittbilden, endast användbar med middle_image_url och begränsad till positioner strikt mellan den begärda videons första och sista bildruta. Ange förflutna sekunder från starten; värdet avrundas till närmaste bildruta vid 24 fps.

Seed för slumpmässig generering; om den utelämnas väljs en slumpmässigt.

Referenslista som anges som alternativ till reference_*_urls, aldrig tillsammans med dem. Ordningen mellan medietyperna har betydelse och bevaras under hela bearbetningen.

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

Kör den här begäran

Din nyckel stannar i den här webbläsaren: den skickas endast till Doitong API och sparas endast i localStorage om du markerar Kom ihåg. Hämta en API-nyckel

Om H3 Max Reference to Video

Genererar video med hjälp av referensmaterial: upp till 9 bilder, 3 videor och 3 ljudklipp, med högst 12 filer totalt. Prompten hänvisar till dem som Image 1, Video 1, Audio 1 och så vidare. Valfria första-, mellan- (`middle_image_url` vid `middle_frame_time`) och sista bildrutor fixerar början, mitten och slutet. `duration` är 0.92 till 15 sekunder, och `aspect_ratio` kan vara adaptive.

Parametrar

Skicka antingen det kanoniska namnet eller det inbyggda namnet, inte båda. Kanoniska namn

NamnTyp StandardTillåtna Beskrivning
promptobligatoriskt
Typstring
≤ 50 000 tecken
Instruktioner för videogenerering med referenser identifierade efter medietyp och position i respektive referenslista, med etiketter som Audio 1, Video 1, Image 1, Image 2 och så vidare.
reference_image_urlsvalfritt images
Typurl[] · image
≤ 9 objekt
URL:er till referensbilder för motiv eller stil, med en gemensam gräns på 12 filer för alla video- och ljudreferenser. Identifiera bilderna i prompten genom listposition med Image 1, Image 2 och efterföljande etiketter.
reference_video_urlsvalfritt
Typurl[] · video
≤ 3 objekt
URL:er till referensvideor för rörelse eller annat, identifierade efter listposition i prompten med Video 1, Video 2 och efterföljande etiketter. Den gemensamma gränsen för bild-, video- och ljudreferenser är 12 filer; videoklipp måste vara 2–15 sekunder långa och totalt högst 15 sekunder.
reference_audio_urlsvalfritt
Typurl[] · audio
≤ 3 objekt
Ange referensljud som URL:er och identifiera klippen i prompten med Audio 1, Audio 2 och efterföljande etiketter. Varje klipp måste vara 2–15 sekunder långt, med högst 15 sekunder ljud totalt. Bild-, video- och ljudreferenser kan anges separat eller kombineras, med en gemensam gräns på 12 filer.
image_urlvalfritt image
Typurl · image
Valfri bild-URL som definierar den exakta första bildrutan och utdataformatet. Referensresurser bevarar motivets konsekvens.
middle_image_urlvalfritt
Typurl · image
Valfri vägledande bild för middle_frame_time, endast tillgänglig med nativ 480P- eller 768P-generering och när både en startbild och en slutbild anges.
middle_frame_timevalfritt
Typnumber | null
> 0< 15
Tidpunkt för placering av mittbilden, endast användbar med middle_image_url och begränsad till positioner strikt mellan den begärda videons första och sista bildruta. Ange förflutna sekunder från starten; värdet avrundas till närmaste bildruta vid 24 fps.
end_image_urlvalfritt end_image
Typurl · image
Valfri URL till den sista bilden som låser videons exakta sista bildruta till den angivna bilden.
durationvalfritt
Typnumber
Standard5
0,92 – 15
Begärd längd i sekunder, med faktisk videolängd på upp till cirka 0,7 s över begäran.
resolutionvalfritt
Typenum
Standard768P
480P768P1080P
Val av genereringsupplösning: 1080P kräver latent förfining av material som genererats nativt i 768P, i stället för nativ generering i den valda upplösningen.
seedvalfritt
Typinteger | null
Seed för slumpmässig generering; om den utelämnas väljs en slumpmässigt.
enable_safety_checkervalfritt
Typboolean
Standardtrue
Aktivering av säkerhetskontroll; true aktiverar kontrollen.
prompt_expansion_modeobligatoriskt
Typstring
Standardbalanced
Ansträngning för omskrivning av prompt före generering: 'quality' utvecklar en fylligare prompt under upp till cirka 30 s, medan 'balanced' returnerar på ungefär en sekund. Välj 'disabled' för att utelämna promptutvidgning.
aspect_ratiovalfritt
Typenum
Standardadaptive
adaptive21:916:94:31:13:49:16
Bildförhållande för utdata-videon.
reference_conditionsvalfritt
Typobject[]
≤ 12 objekt
Referenslista som anges som alternativ till reference_*_urls, aldrig tillsammans med dem. Ordningen mellan medietyperna har betydelse och bevaras under hela bearbetningen.
reference_conditions[].typeobligatoriskt
Typenum
imagevideoaudio
Referensens medietyp; ordningen mellan medietyperna i listan har betydelse.
reference_conditions[].urlobligatoriskt
Typstring
≥ 1 characters
URL till referensmediet.
obligatoriskt Kanoniskt namn, accepteras också

Filparametrar tar emot en offentlig https://-URL, en data:-URI på upp till 10 MB eller file_url från en uppladdning. Filer

Resultat

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"
  }
}
Dina filer, ditt valVarje outputs[].url är en kopia i vår lagring: sparad för alltid (debiteras per GB-månad) eller 7 dagar kostnadsfritt, enligt din kontoinställning eller ?storage=.
Samma struktur för varje modelltype, url, content_type, width, height och duration, för bilder, video och ljud. output är modellens eget resultatobjekt.
Resultatets fält
video
object {url, content_type, file_name, file_size}Video som produceras av modellen.
expanded_prompt
string | nullUtvidgad prompt redo för modellen, eller null om ingen utvidgad text är tillgänglig. null-fallen är inaktiverad utvidgning, utvidgning som inte ändrade något och utvidgning som hanterades internt av modellens värd-API.
seed
integerBas-Seed som används för att återskapa det genererade resultatet.
timings
object | nullTidsmätningar uttryckta i sekunder, tillgängliga endast på rutter som rapporterar backend-tider; annars null. Posten 'inference' mäter hur lång tid DiT-avbrusning tog på GPU-backend.

Fler modeller: Referens till video

För AI-agenter: den här sidan som Markdown finns på https://doitong.com/sv/developers/models/minimax/h3-max/reference-to-video.md. Alla modeller och guider: https://doitong.com/developers/llms.txt