ข้ามไปยังเนื้อหา

H3 Max Reference to Video

ผสานการทำงาน

ID โมเดล 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"

ไฟล์เช่นเดียวกับตัวอย่าง: $0.40 400 เครดิต API ไฟล์ของคุณจะถูกวัดก่อนเรียกใช้ เรียกใช้ในหน้านี้

รับคีย์ API
MiniMax ภาพอ้างอิงเป็นวิดีโอ อินพุตอ้างอิง0.92–15 sสูงสุด 1080P #stylized#transform#typography

การสร้างวิดีโอด้วย H3 Max ที่คงความสม่ำเสมอของวัตถุด้วยภาพ วิดีโอ และคลิปเสียงอ้างอิง

MiniMax · วิดีโอ

ผลลัพธ์แรกของคุณจะแสดงที่นี่

สร้างคำขอด้านล่างและเรียกใช้ด้วยคีย์ API ของคุณ เอาต์พุตจะถูกคัดลอกไปยังพื้นที่จัดเก็บของเรา และเก็บไว้ตลอดไปหรือฟรี 7 วัน

สร้างคำขอ

ตัวควบคุมสร้างจากสคีมาของโมเดล โค้ดและราคาจะอัปเดตเมื่อคุณเปลี่ยนค่า

•จำเป็น 88 / 50000

คำสั่งสำหรับการสร้างวิดีโอ โดยระบุข้อมูลอ้างอิงตามประเภทและตำแหน่งภายในรายการอ้างอิงแต่ละรายการ ใช้ป้ายกำกับ เช่น Audio 1, Video 1, Image 1, Image 2 และรายการถัดไป

•จำเป็น

ระดับความพยายามในการเขียนพรอมต์ใหม่ก่อนการสร้าง: 'quality' จะพัฒนาพรอมต์ให้มีรายละเอียดมากขึ้นภายในเวลาประมาณ 30s ขณะที่ 'balanced' จะส่งผลลัพธ์กลับมาภายในประมาณหนึ่งวินาที เลือก 'disabled' เพื่อไม่ขยายพรอมต์

resolution ค่าเริ่มต้น 768P

การเลือกความละเอียดการสร้าง: 1080P ต้องปรับแต่ง latent ของเนื้อหาที่สร้างโดยกำเนิดที่ 768P แทนการสร้างโดยกำเนิดที่ความละเอียดที่เลือก

aspect_ratio ค่าเริ่มต้น adaptive

อัตราส่วนภาพของวิดีโอเอาต์พุต

ค่าเริ่มต้น 5

ระยะเวลาที่ร้องขอในหน่วยวินาที โดยวิดีโอจริงอาจมีความยาวเกินคำขอนี้ได้ประมาณ 0.7 s

ขั้นสูง 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
วางไฟล์ หรือ · สูงสุด 9

URL ของรูปภาพอ้างอิงวัตถุหรือสไตล์ โดยใช้จำนวนไฟล์ร่วมกับข้อมูลอ้างอิงวิดีโอและเสียงได้สูงสุด 12 ไฟล์ ระบุรูปภาพเหล่านี้ในพรอมต์ตามตำแหน่งในรายการ โดยใช้ Image 1, Image 2 และป้ายกำกับถัดไป

วางไฟล์ หรือ · สูงสุด 3

URL ของวิดีโออ้างอิงการเคลื่อนไหวหรืออื่น ๆ โดยระบุตามตำแหน่งในรายการอ้างอิงด้วย Video 1, Video 2 และป้ายกำกับถัดไป โควตาร่วมสำหรับข้อมูลอ้างอิงรูปภาพ วิดีโอ และเสียงคือ 12 ไฟล์ วิดีโอแต่ละคลิปต้องมีความยาว 2–15 วินาที และรวมกันไม่เกิน 15 วินาที

วางไฟล์ หรือ · สูงสุด 3

ระบุเสียงอ้างอิงเป็น URL และระบุคลิปในพรอมต์ด้วย Audio 1, Audio 2 และป้ายกำกับถัดไป แต่ละคลิปต้องมีความยาว 2–15 วินาที และเสียงรวมต้องไม่เกิน 15 วินาที สามารถระบุข้อมูลอ้างอิงรูปภาพ วิดีโอ และเสียงประเภทใดประเภทหนึ่งเพียงอย่างเดียวหรือใช้ร่วมกันได้ โดยมีจำนวนรวมสูงสุด 12 ไฟล์

image_url
วางไฟล์ หรือ

URL รูปภาพเสริมที่กำหนดเฟรมเปิดที่แน่นอนและกำหนดผืนผ้าใบเอาต์พุต แอสเซ็ตอ้างอิงจะช่วยรักษาความสอดคล้องของวัตถุ

วางไฟล์ หรือ

รูปภาพนำทางเสริมสำหรับ middle_frame_time ซึ่งใช้ได้เฉพาะกับการสร้างแบบ native 480P หรือ 768P และต้องระบุทั้งรูปภาพเริ่มต้นและรูปภาพสิ้นสุด

end_image_url
วางไฟล์ หรือ

URL รูปภาพสุดท้ายเสริมที่กำหนดเฟรมสิ้นสุดที่แน่นอนของวิดีโอให้เป็นรูปภาพที่ระบุ

เวลาวางรูปภาพกลาง ใช้ได้เฉพาะกับ middle_image_url และจำกัดให้อยู่ภายในช่วงระหว่างเฟรมแรกกับเฟรมสุดท้ายของวิดีโอที่ร้องขอเท่านั้น ระบุเป็นจำนวนวินาทีที่ผ่านไปนับจากจุดเริ่มต้น โดยค่าจะถูกปัดเป็นเฟรมที่ใกล้ที่สุดที่ 24 fps

ซีดสำหรับการสร้างแบบสุ่ม หากไม่ระบุจะเลือกแบบสุ่ม

รายการอ้างอิงที่ให้มาแทน reference_*_urls และห้ามใช้ร่วมกัน ลำดับข้ามโมดัลลิตีมีความหมาย จึงคงลำดับไว้ตลอดการประมวลผล

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

เรียกใช้คำขอนี้

คีย์ของคุณจะอยู่ในเบราว์เซอร์นี้ โดยส่งไปยัง Doitong API เท่านั้น และจะบันทึกใน localStorage ก็ต่อเมื่อคุณเลือกจดจำ รับคีย์ API

เกี่ยวกับ H3 Max Reference to Video

สร้างวิดีโอโดยใช้อาร์ติแฟกต์อ้างอิง: รูปภาพสูงสุด 9 รายการ วิดีโอ 3 รายการ และคลิปเสียง 3 รายการ รวมไฟล์ทั้งหมดไม่เกิน 12 รายการ พรอมต์อ้างถึงไฟล์เหล่านี้เป็น Image 1, Video 1, Audio 1 เป็นต้น สามารถระบุเฟรมแรก เฟรมกลาง (`middle_image_url` ที่ `middle_frame_time`) และเฟรมสุดท้ายเพื่อกำหนดจุดเริ่มต้น ตรงกลาง และจุดสิ้นสุด `duration` อยู่ที่ 0.92 ถึง 15 วินาที และ `aspect_ratio` สามารถเป็น adaptive ได้

พารามิเตอร์

ส่งชื่อมาตรฐานหรือชื่อดั้งเดิมอย่างใดอย่างหนึ่งเท่านั้น ห้ามส่งทั้งสองชื่อ ชื่อมาตรฐาน

ชื่อประเภท ค่าเริ่มต้นค่าที่อนุญาต คำอธิบาย
promptจำเป็น
ประเภทstring
≤ 50,000 อักขระ
คำสั่งสำหรับการสร้างวิดีโอ โดยระบุข้อมูลอ้างอิงตามประเภทและตำแหน่งภายในรายการอ้างอิงแต่ละรายการ ใช้ป้ายกำกับ เช่น Audio 1, Video 1, Image 1, Image 2 และรายการถัดไป
reference_image_urlsไม่บังคับ images
ประเภทurl[] · image
≤ 9 รายการ
URL ของรูปภาพอ้างอิงวัตถุหรือสไตล์ โดยใช้จำนวนไฟล์ร่วมกับข้อมูลอ้างอิงวิดีโอและเสียงได้สูงสุด 12 ไฟล์ ระบุรูปภาพเหล่านี้ในพรอมต์ตามตำแหน่งในรายการ โดยใช้ Image 1, Image 2 และป้ายกำกับถัดไป
reference_video_urlsไม่บังคับ
ประเภทurl[] · video
≤ 3 รายการ
URL ของวิดีโออ้างอิงการเคลื่อนไหวหรืออื่น ๆ โดยระบุตามตำแหน่งในรายการอ้างอิงด้วย Video 1, Video 2 และป้ายกำกับถัดไป โควตาร่วมสำหรับข้อมูลอ้างอิงรูปภาพ วิดีโอ และเสียงคือ 12 ไฟล์ วิดีโอแต่ละคลิปต้องมีความยาว 2–15 วินาที และรวมกันไม่เกิน 15 วินาที
reference_audio_urlsไม่บังคับ
ประเภทurl[] · audio
≤ 3 รายการ
ระบุเสียงอ้างอิงเป็น URL และระบุคลิปในพรอมต์ด้วย Audio 1, Audio 2 และป้ายกำกับถัดไป แต่ละคลิปต้องมีความยาว 2–15 วินาที และเสียงรวมต้องไม่เกิน 15 วินาที สามารถระบุข้อมูลอ้างอิงรูปภาพ วิดีโอ และเสียงประเภทใดประเภทหนึ่งเพียงอย่างเดียวหรือใช้ร่วมกันได้ โดยมีจำนวนรวมสูงสุด 12 ไฟล์
image_urlไม่บังคับ image
ประเภทurl · image
URL รูปภาพเสริมที่กำหนดเฟรมเปิดที่แน่นอนและกำหนดผืนผ้าใบเอาต์พุต แอสเซ็ตอ้างอิงจะช่วยรักษาความสอดคล้องของวัตถุ
middle_image_urlไม่บังคับ
ประเภทurl · image
รูปภาพนำทางเสริมสำหรับ middle_frame_time ซึ่งใช้ได้เฉพาะกับการสร้างแบบ native 480P หรือ 768P และต้องระบุทั้งรูปภาพเริ่มต้นและรูปภาพสิ้นสุด
middle_frame_timeไม่บังคับ
ประเภทnumber | null
> 0< 15
เวลาวางรูปภาพกลาง ใช้ได้เฉพาะกับ middle_image_url และจำกัดให้อยู่ภายในช่วงระหว่างเฟรมแรกกับเฟรมสุดท้ายของวิดีโอที่ร้องขอเท่านั้น ระบุเป็นจำนวนวินาทีที่ผ่านไปนับจากจุดเริ่มต้น โดยค่าจะถูกปัดเป็นเฟรมที่ใกล้ที่สุดที่ 24 fps
end_image_urlไม่บังคับ end_image
ประเภทurl · image
URL รูปภาพสุดท้ายเสริมที่กำหนดเฟรมสิ้นสุดที่แน่นอนของวิดีโอให้เป็นรูปภาพที่ระบุ
durationไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น5
0.92 – 15
ระยะเวลาที่ร้องขอในหน่วยวินาที โดยวิดีโอจริงอาจมีความยาวเกินคำขอนี้ได้ประมาณ 0.7 s
resolutionไม่บังคับ
ประเภทenum
ค่าเริ่มต้น768P
480P768P1080P
การเลือกความละเอียดการสร้าง: 1080P ต้องปรับแต่ง latent ของเนื้อหาที่สร้างโดยกำเนิดที่ 768P แทนการสร้างโดยกำเนิดที่ความละเอียดที่เลือก
seedไม่บังคับ
ประเภทinteger | null
ซีดสำหรับการสร้างแบบสุ่ม หากไม่ระบุจะเลือกแบบสุ่ม
enable_safety_checkerไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นtrue
การเปิดใช้ตัวตรวจสอบความปลอดภัย; true จะเปิดใช้การตรวจสอบ
prompt_expansion_modeจำเป็น
ประเภทstring
ค่าเริ่มต้นbalanced
ระดับความพยายามในการเขียนพรอมต์ใหม่ก่อนการสร้าง: 'quality' จะพัฒนาพรอมต์ให้มีรายละเอียดมากขึ้นภายในเวลาประมาณ 30s ขณะที่ 'balanced' จะส่งผลลัพธ์กลับมาภายในประมาณหนึ่งวินาที เลือก 'disabled' เพื่อไม่ขยายพรอมต์
aspect_ratioไม่บังคับ
ประเภทenum
ค่าเริ่มต้นadaptive
adaptive21:916:94:31:13:49:16
อัตราส่วนภาพของวิดีโอเอาต์พุต
reference_conditionsไม่บังคับ
ประเภทobject[]
≤ 12 รายการ
รายการอ้างอิงที่ให้มาแทน reference_*_urls และห้ามใช้ร่วมกัน ลำดับข้ามโมดัลลิตีมีความหมาย จึงคงลำดับไว้ตลอดการประมวลผล
reference_conditions[].typeจำเป็น
ประเภทenum
imagevideoaudio
โมดัลลิตีของข้อมูลอ้างอิง โดยลำดับข้ามโมดัลลิตีในรายการมีความหมาย
reference_conditions[].urlจำเป็น
ประเภทstring
≥ 1 characters
URL ของสื่ออ้างอิง
จำเป็น ชื่อมาตรฐาน ซึ่งรองรับเช่นกัน

พารามิเตอร์ไฟล์รับ URL https:// สาธารณะ, data: URI ขนาดไม่เกิน 10 MB หรือ file_url ของไฟล์ที่อัปโหลด ไฟล์

เอาต์พุต

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"
  }
}
ไฟล์ของคุณ คุณเลือกเองทุก outputs[].url คือสำเนาบนพื้นที่จัดเก็บของเรา: เก็บไว้ตลอดไป (คิดค่าบริการต่อ GB-เดือน) หรือฟรี 7 วัน โดยกำหนดได้ในการตั้งค่าบัญชีหรือ ?storage=
รูปแบบเดียวกันในทุกโมเดลtype, url, content_type, width, height และ duration สำหรับภาพ วิดีโอ และเสียงเหมือนกันทั้งหมด ส่วน output คือออบเจ็กต์ผลลัพธ์ของโมเดลเอง
ฟิลด์ของเอาต์พุต
video
object {url, content_type, file_name, file_size}วิดีโอที่สร้างโดยโมเดล
expanded_prompt
string | nullพรอมต์ที่ขยายแล้วพร้อมใช้กับโมเดล หรือ null หากไม่มีข้อความที่ขยายแล้ว โดยกรณีที่เป็น null ได้แก่ การขยายที่ปิดใช้งาน การขยายที่ไม่ทำให้เกิดการเปลี่ยนแปลง และการขยายที่ API ซึ่งโฮสต์โดยโมเดลจัดการภายใน
seed
integerค่า seed พื้นฐานที่ใช้สร้างผลลัพธ์เดิมซ้ำ
timings
object | nullการวัดเวลาในหน่วยวินาที ซึ่งมีให้ใช้เฉพาะบนเส้นทางที่รายงานเวลาแบ็กเอนด์ มิฉะนั้นจะเป็น null รายการ 'inference' ใช้วัดระยะเวลาที่การลดสัญญาณรบกวน DiT ใช้บนแบ็กเอนด์ GPU

โมเดลเพิ่มเติม: ภาพอ้างอิงเป็นวิดีโอ

สำหรับเอเจนต์ AI: หน้า Markdown นี้อยู่ที่ https://doitong.com/th/developers/models/minimax/h3-max/reference-to-video.md. โมเดลและคู่มือทั้งหมด: https://doitong.com/developers/llms.txt