跳转到内容

H3 Max Reference to Video

集成

模型 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"

与示例类似的文件: $0.40 400 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 参考图生视频 参考输入0.92–15 秒最高 1080P #stylized#transform#typography

使用参考图像、视频和音频片段保持主体一致的 H3 Max 视频生成

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

视频生成指令,按资源类型和每个参考列表中的位置标识参考项,使用 Audio 1、Video 1、Image 1、Image 2 等标签。

•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。

aspect_ratio 默认 adaptive

输出视频的宽高比。

默认 5

请求的时长(秒),实际视频长度最多可超出该请求约 0.7 秒。

高级 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
拖放文件,或 · 最多 9 个

主体或风格参考图像 URL,与所有视频和音频参考共用最多 12 个文件的限制。在提示词中按列表位置使用 Image 1、Image 2 及后续标签标识这些图像。

拖放文件,或 · 最多 3 个

动作或其他参考视频 URL,在提示词中按列表位置使用 Video 1、Video 2 及后续标签标识。图像、视频和音频参考共用最多 12 个文件;每个视频片段必须持续 2–15 秒,总时长不超过 15 秒。

拖放文件,或 · 最多 3 个

以 URL 提供参考音频,并在提示词中使用 Audio 1、Audio 2 及后续标签标识片段。每个片段必须为 2–15 秒,总音频时长不超过 15 秒。图像、视频和音频参考类型均可单独提供或组合提供,但共用最多 12 个文件的限制。

image_url
拖放文件,或

可选的图像 URL,用于定义精确的开头帧并决定输出画布。参考资源会保持主体一致性。

拖放文件,或

可选的 middle_frame_time 引导图像,仅适用于原生 480P 或 768P 生成,且必须同时提供起始图像和结束图像。

end_image_url
拖放文件,或

可选的末帧图像 URL,用于将视频的精确结束帧固定为所提供的图像。

中间图像的放置时间,仅可与 middle_image_url 一起使用,并且必须严格位于所请求视频的首帧和末帧之间。请输入从开始起经过的秒数;该值会四舍五入到最接近的 24 fps 帧。

随机生成的种子;省略时会随机选择。

作为 reference_*_urls 替代项提供的参考列表,不得与其同时使用。跨模态的排序具有含义,因此会在整个处理过程中保持该顺序。

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

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 Reference to Video

根据参考素材生成视频:最多 9 张图像、3 个视频和 3 个音频片段,总文件数最多为 12 个。提示词中可使用 Image 1、Video 1、Audio 1 等名称引用它们。可选的首帧、中间帧(`middle_image_url` 位于 `middle_frame_time`)和末帧可固定开头、中段和结尾。`duration` 为 0.92 到 15 秒,`aspect_ratio` 可设为 adaptive。

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
视频生成指令,按资源类型和每个参考列表中的位置标识参考项,使用 Audio 1、Video 1、Image 1、Image 2 等标签。
reference_image_urls可选 images
类型url[] · image
≤ 9 个项目
主体或风格参考图像 URL,与所有视频和音频参考共用最多 12 个文件的限制。在提示词中按列表位置使用 Image 1、Image 2 及后续标签标识这些图像。
reference_video_urls可选
类型url[] · video
≤ 3 个项目
动作或其他参考视频 URL,在提示词中按列表位置使用 Video 1、Video 2 及后续标签标识。图像、视频和音频参考共用最多 12 个文件;每个视频片段必须持续 2–15 秒,总时长不超过 15 秒。
reference_audio_urls可选
类型url[] · audio
≤ 3 个项目
以 URL 提供参考音频,并在提示词中使用 Audio 1、Audio 2 及后续标签标识片段。每个片段必须为 2–15 秒,总音频时长不超过 15 秒。图像、视频和音频参考类型均可单独提供或组合提供,但共用最多 12 个文件的限制。
image_url可选 image
类型url · image
可选的图像 URL,用于定义精确的开头帧并决定输出画布。参考资源会保持主体一致性。
middle_image_url可选
类型url · image
可选的 middle_frame_time 引导图像,仅适用于原生 480P 或 768P 生成,且必须同时提供起始图像和结束图像。
middle_frame_time可选
类型number | null
> 0< 15
中间图像的放置时间,仅可与 middle_image_url 一起使用,并且必须严格位于所请求视频的首帧和末帧之间。请输入从开始起经过的秒数;该值会四舍五入到最接近的 24 fps 帧。
end_image_url可选 end_image
类型url · image
可选的末帧图像 URL,用于将视频的精确结束帧固定为所提供的图像。
duration可选
类型number
默认值5
0.92 – 15
请求的时长(秒),实际视频长度最多可超出该请求约 0.7 秒。
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。
aspect_ratio可选
类型enum
默认值adaptive
adaptive21:916:94:31:13:49:16
输出视频的宽高比。
reference_conditions可选
类型object[]
≤ 12 个项目
作为 reference_*_urls 替代项提供的参考列表,不得与其同时使用。跨模态的排序具有含义,因此会在整个处理过程中保持该顺序。
reference_conditions[].type必填
类型enum
imagevideoaudio
参考项的模态;列表中跨模态的排序具有含义。
reference_conditions[].url必填
类型string
≥ 1 characters
参考媒体的 URL。
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/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"
  }
}
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。
seed
integer用于复现生成结果的基础种子。
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:参考图生视频

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