跳转到内容

H3 Max Image to Video

集成

模型 id minimax/h3-max/image-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/image-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"

与示例类似的文件: $0.30 300 API 积分 运行前会测量你的文件 在此页面运行

获取 API 密钥
MiniMax 图生视频 唇形同步0.92–15 秒最高 1080P #stylized#transform#lipsync

标准 H3 Max 图像转视频,支持首帧和末帧控制以及可选的固定音频

MiniMax · 视频

你的第一个结果将在此显示

在下方构建请求,并使用你的 API 密钥运行。输出会复制到我们的存储中,可永久保存或免费保存 7 天。

构建请求

控件根据模型架构生成。更改控件时,代码和价格会同步更新。

•必填 88 / 50000

用于生成视频的文本指令。

•必填

生成前的提示词改写强度:'quality' 会在最长约 30s 内生成更丰富的提示词,而 'balanced' 大约在一秒内返回。选择 'disabled' 可跳过提示词扩展。

resolution 默认 768P

生成分辨率选择:1080P 需要对原生以 768P 生成的内容进行潜空间细化,而不是以所选分辨率原生生成。

默认 5

请求的时长,以秒为单位;提供 target_audio_url 时最短为 2 s。请预留最多约 0.7 s 的输出超时。

高级 target_audio_url · image · end_image · seed · enable_safety_checker
拖放文件,或

可选的替换音轨,可通过 HTTP(S) URL 或 base64 数据 URI 提供;音频时长必须至少为 2 秒,且不超过 15 MB。提供的音频会以不变的播放速度替换生成的音轨:多出的时长会从末尾移除,较短的音频会填充静音以匹配视频。对于异常高的采样率,可能会重采样至 96 kHz。

image_url
拖放文件,或

可选的图像 URL,用于定义开头帧和输出画布。如果只提供 end_image_url,则由其结尾帧决定画布。两者都未提供时,生成将使用文本生成视频,默认宽高比为 16:9。

end_image_url
拖放文件,或

可选的末帧图像 URL,即使没有起始图像也可使用。在仅提供末帧的关键帧模式下,此图像决定输出画布。

随机生成的种子;省略时会随机选择。

POST /run/minimax/h3-max/image-to-video?wait=20 报价 → $0.30
# 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/image-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"

运行此请求

你的密钥会保留在此浏览器中:仅发送到 Doitong API;只有勾选“记住”后才会保存到 localStorage。 获取 API 密钥

关于 H3 Max Image to Video

为 Max 系列的静态图像制作动画。将 `image_url` 作为首帧、`end_image_url` 作为末帧,或同时提供二者,并配合 `prompt`。`duration` 为 0.92 到 15 秒,`resolution` 为 480P、768P 或 1080P。`target_audio_url` 可固定一段音频,`prompt_expansion_mode` 控制提示词改写。

参数

发送规范名称或原生名称之一,不要同时发送两者。 规范名称

名称类型 默认值允许值 描述
prompt必填
类型string
≤ 50,000 个字符
用于生成视频的文本指令。
duration可选
类型number
默认值5
0.92 – 15
请求的时长,以秒为单位;提供 target_audio_url 时最短为 2 s。请预留最多约 0.7 s 的输出超时。
resolution可选
类型enum
默认值768P
480P768P1080P
生成分辨率选择:1080P 需要对原生以 768P 生成的内容进行潜空间细化,而不是以所选分辨率原生生成。
seed可选
类型integer | null
随机生成的种子;省略时会随机选择。
enable_safety_checker可选
类型boolean
默认值true
安全检查器激活状态;true 启用检查。
prompt_expansion_mode必填
类型string
默认值balanced
生成前的提示词改写强度:'quality' 会在最长约 30s 内生成更丰富的提示词,而 'balanced' 大约在一秒内返回。选择 'disabled' 可跳过提示词扩展。
target_audio_url可选
类型url · audio
可选的替换音轨,可通过 HTTP(S) URL 或 base64 数据 URI 提供;音频时长必须至少为 2 秒,且不超过 15 MB。提供的音频会以不变的播放速度替换生成的音轨:多出的时长会从末尾移除,较短的音频会填充静音以匹配视频。对于异常高的采样率,可能会重采样至 96 kHz。
image_url可选 image
类型url · image
可选的图像 URL,用于定义开头帧和输出画布。如果只提供 end_image_url,则由其结尾帧决定画布。两者都未提供时,生成将使用文本生成视频,默认宽高比为 16:9。
end_image_url可选 end_image
类型url · image
可选的末帧图像 URL,即使没有起始图像也可使用。在仅提供末帧的关键帧模式下,此图像决定输出画布。
必填 规范名称,也可接受

文件参数接受公开的 https:// URL、最大 10 MB 的 data: URI,或上传文件的 file_url。 文件

输出

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/h3-max/image-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": 300,
    "usd": "0.30",
    "charged": 300,
    "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"
  }
}
你的文件,由你选择每个 outputs[].url 都是存储中的副本:可永久保存(按 GB-月付费),也可免费保存 7 天,由账户设置或 ?storage= 决定。
每个模型的结构相同图像、视频和音频均包含 type、url、content_type、width、height 和 duration。output 是模型自身的结果对象。
输出字段
video
object {url, content_type, file_name, file_size}模型生成的视频。
expanded_prompt
string | null供模型使用的扩展提示词;如果没有可用的扩展文本,则为 null。以下情况会返回 null:禁用扩展、扩展未产生变化,以及扩展由模型托管的 API 内部处理。
timings
object | null以秒表示的计时数据,仅在报告后端计时的路由上可用;否则为 null。'inference' 条目表示后端 GPU 执行 DiT 去噪所用的时间。

更多模型:图生视频

对于 AI 代理:此页面的 Markdown 版本位于 https://doitong.com/zh/developers/models/minimax/h3-max/image-to-video.md. 所有模型和指南: https://doitong.com/developers/llms.txt