ข้ามไปยังเนื้อหา

MiniMax H3 Max Text to Video

ผสานการทำงาน

ID โมเดล minimax/h3-max/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-max/text-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: $0.28 280 เครดิต API ไฟล์ของคุณจะถูกวัดก่อนเรียกใช้ เรียกใช้ในหน้านี้

รับคีย์ API
MiniMax ข้อความเป็นวิดีโอ ลิปซิงก์0.92–15 sสูงสุด 1080P #stylized#transform#lipsync

แปลงข้อความเป็นวิดีโอด้วย H3 Max มาตรฐาน รองรับอัตราส่วนภาพ 6 แบบ ความละเอียดสูงสุด 1080P และแทร็กเสียงเป็นตัวเลือกเสริม

MiniMax · วิดีโอ

ผลลัพธ์แรกของคุณจะแสดงที่นี่

สร้างคำขอด้านล่างและเรียกใช้ด้วยคีย์ API ของคุณ เอาต์พุตจะถูกคัดลอกไปยังพื้นที่จัดเก็บของเรา และเก็บไว้ตลอดไปหรือฟรี 7 วัน

สร้างคำขอ

ตัวควบคุมสร้างจากสคีมาของโมเดล โค้ดและราคาจะอัปเดตเมื่อคุณเปลี่ยนค่า

•จำเป็น 88 / 50000

คำสั่งข้อความสำหรับการสร้างวิดีโอ

•จำเป็น

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

resolution ค่าเริ่มต้น 768P

การเลือกความละเอียดการสร้าง: 1080P ต้องปรับแต่ง latent ของเนื้อหาที่สร้างโดยกำเนิดที่ 768P แทนการสร้างโดยกำเนิดที่ความละเอียดที่เลือก

aspect_ratio ค่าเริ่มต้น 16:9

อัตราส่วนภาพของวิดีโอเอาต์พุต

ค่าเริ่มต้น 5

ความยาวที่ร้องขอ หน่วยเป็นวินาที โดยต้องมีอย่างน้อย 2 s เมื่อระบุ target_audio_url และควรเผื่อเอาต์พุตที่ยาวเกินได้ประมาณ 0.7 s

ขั้นสูง target_audio_url · seed · enable_safety_checker
วางไฟล์ หรือ

ซาวด์แทร็กทดแทนที่เป็นทางเลือก ระบุผ่าน URL ของ HTTP(S) หรือ base64 data URI คลิปต้องมีความยาวอย่างน้อย 2 วินาทีและขนาดไม่เกิน 15 MB เสียงที่ระบุจะแทนที่ซาวด์แทร็กที่สร้างขึ้นโดยใช้ความเร็วการเล่นเดิม: ส่วนที่ยาวเกินจะถูกตัดจากท้าย และคลิปที่สั้นกว่าจะเติมความเงียบให้ยาวเท่าวิดีโอ อาจมีการรีแซมเพิลเป็น 96 kHz สำหรับอัตราการสุ่มตัวอย่างที่สูงผิดปกติ

ซีดสำหรับการสร้างแบบสุ่ม หากไม่ระบุจะเลือกแบบสุ่ม

POST /run/minimax/h3-max/text-to-video?wait=20 ใบเสนอราคา → $0.28
# 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/text-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 MiniMax H3 Max Text to Video

สร้างวิดีโอจากข้อความ `prompt` ที่มีความยาวสูงสุด 50000 อักขระ เลือก `aspect_ratio` จาก 21:9, 16:9, 4:3, 1:1, 3:4 หรือ 9:16 และเลือก `resolution` จาก 480P, 768P หรือ 1080P `duration` อยู่ในช่วง 0.92 ถึง 15 วินาที `target_audio_url` จะตรึงคลิปที่ระบุไว้เข้ากับซาวด์แทร็ก และ `prompt_expansion_mode` จะกำหนดระดับความพยายามในการเขียนใหม่

พารามิเตอร์

ชื่อประเภท ค่าเริ่มต้นค่าที่อนุญาต คำอธิบาย
promptจำเป็น
ประเภทstring
≤ 50,000 อักขระ
คำสั่งข้อความสำหรับการสร้างวิดีโอ
durationไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น5
0.92 – 15
ความยาวที่ร้องขอ หน่วยเป็นวินาที โดยต้องมีอย่างน้อย 2 s เมื่อระบุ target_audio_url และควรเผื่อเอาต์พุตที่ยาวเกินได้ประมาณ 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
target_audio_urlไม่บังคับ
ประเภทurl · audio
ซาวด์แทร็กทดแทนที่เป็นทางเลือก ระบุผ่าน URL ของ HTTP(S) หรือ base64 data URI คลิปต้องมีความยาวอย่างน้อย 2 วินาทีและขนาดไม่เกิน 15 MB เสียงที่ระบุจะแทนที่ซาวด์แทร็กที่สร้างขึ้นโดยใช้ความเร็วการเล่นเดิม: ส่วนที่ยาวเกินจะถูกตัดจากท้าย และคลิปที่สั้นกว่าจะเติมความเงียบให้ยาวเท่าวิดีโอ อาจมีการรีแซมเพิลเป็น 96 kHz สำหรับอัตราการสุ่มตัวอย่างที่สูงผิดปกติ
aspect_ratioไม่บังคับ
ประเภทenum
ค่าเริ่มต้น16:9
21:916:94:31:13:49:16
อัตราส่วนภาพของวิดีโอเอาต์พุต
จำเป็น

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/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": 280,
    "usd": "0.28",
    "charged": 280,
    "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"
  }
}
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
timings
object | nullการวัดเวลาในหน่วยวินาที ซึ่งมีให้ใช้เฉพาะบนเส้นทางที่รายงานเวลาแบ็กเอนด์ มิฉะนั้นจะเป็น null รายการ 'inference' ใช้วัดระยะเวลาที่การลดสัญญาณรบกวน DiT ใช้บนแบ็กเอนด์ GPU

โมเดลเพิ่มเติม: ข้อความเป็นวิดีโอ

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