Ir al contenido

H3 Max Reference to Video

Integrar

ID del modelo 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://api.doitong.ru/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://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Archivos como el ejemplo: 0,40 $ 400 créditos de API · ≈ 42,63 ₽ tus archivos se miden antes de la ejecución Ejecutar en esta página

Obtener clave de API
MiniMax Referencia a vídeo Entradas de referencia0,92–15 shasta 1080P #stylized#transform#typography

Generación de vídeo H3 Max que mantiene la coherencia de los sujetos mediante imágenes, vídeos y clips de audio de referencia

Creado en Doitong

Trabajos públicos creados con Hailuo 03 New Turbo por la comunidad de Doitong. Reutiliza un prompt con un solo clic.

Trabajos públicos mostrados: 16
Close-up shot of a striking model with piercing eyes and flawless skin, a white snake elegantly c... Vídeo

Close-up shot of a striking model with piercing eyes and flawless skin, a white snake elegantly coiled around her head and neck, its scales glistening in soft, diffused light. The camera gently zooms in, emphasizing the intricate texture of the snake’s scales and the model’s striking facial...

Animate the stickman drawings into a smooth dance animation. The simple black stick figure perfor... Vídeo

Animate the stickman drawings into a smooth dance animation. The simple black stick figure performs fun rhythmic dance moves — waving its arms, bending knees, jumping lightly, spinning, and swaying side to side in time with upbeat music. Keep the white background clean and minimal. The motion...

A hyper-realistic, cinematic transformation sequence of the man in the uploaded image, sitting in... Vídeo

A hyper-realistic, cinematic transformation sequence of the man in the uploaded image, sitting in meditation inside a traditional Japanese room. The atmosphere begins to tremble slightly as soft blue light flows around him. From the ground, thousands of magnetic nano-particles rise, shimmering...

A cinematic transformation video of the man. The scene begins with him standing naturally, then l... Vídeo

A cinematic transformation video of the man. The scene begins with him standing naturally, then looking down at his hands as glowing holographic projections appear around his body. Mechanical parts of the Iron Man armor start assembling piece by piece with smooth animation: chest plate forming,...

An ultra-epic anime cinematic of Luffy’s greatest enemy unleashing a terrifying blind rage, rampa... Vídeo

An ultra-epic anime cinematic of Luffy’s greatest enemy unleashing a terrifying blind rage, rampaging uncontrollably against nature itself. His gigantic body is surrounded by a storm of black and crimson energy, crackling with lightning that scorches the ground. His roar shakes the heavens,...

A fair-skinned red-haired woman with freckles tightly embraces a majestic white tiger with faint ... Vídeo

A fair-skinned red-haired woman with freckles tightly embraces a majestic white tiger with faint reddish stripes. They remain close, perfectly synchronized in stillness. The woman blinks slowly, slightly tilting her head with a serious and intense expression. The tiger breathes gently — its...

The snowboarder is riding across massive, fluffy white clouds as if they were snow-covered mounta... Vídeo

The snowboarder is riding across massive, fluffy white clouds as if they were snow-covered mountains, with dramatic lighting and deep shadows adding volume and realism. The background shows a stunning blue sky with scattered soft clouds and subtle light rays. crisp cinematic quality, vivid...

Vídeo

Используй это изображение как точный референс. Вертикальное реалистичное видео 9:16, тёплая кинематографичная ночная сцена в спальне. Полностью сохранить лица Ани и Павла, их внешность, причёски, одежду, освещение, кровать, панорамные окна и ночной город. Камера статичная, средний крупный план....

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan al modificarlos.

•obligatorio 88 / 50000

Instrucciones de generación de vídeo con referencias identificadas por tipo de recurso y posición dentro de cada lista de referencias, usando etiquetas como Audio 1, Video 1, Image 1, Image 2, etc.

•obligatorio

Esfuerzo de reescritura del prompt antes de la generación: 'quality' desarrolla un prompt más completo durante aproximadamente 30 s como máximo, mientras que 'balanced' responde en aproximadamente un segundo. Elige 'disabled' para omitir la ampliación del prompt.

resolution predeterminado 768P

Selección de resolución de generación: 1080P requiere un refinamiento latente del material generado de forma nativa a 768P, en lugar de una generación nativa con la resolución seleccionada.

aspect_ratio predeterminado adaptive

Relación de aspecto del vídeo de salida.

predeterminado 5

Duración solicitada en segundos, que permite una duración real del vídeo de hasta aproximadamente 0,7 s más que la solicitada.

Avanzado 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
Suelta un archivo o · hasta 9

URL de imágenes de referencia del sujeto o del estilo, con un máximo compartido de 12 archivos entre todas las referencias de vídeo y audio. Identifica estas imágenes en el prompt por su posición en la lista usando Image 1, Image 2 y las etiquetas siguientes.

Suelta un archivo o · hasta 3

URL de vídeos de referencia de movimiento u otros, identificados en el prompt por su posición en la lista mediante Video 1, Video 2 y las etiquetas siguientes. El límite compartido entre referencias de imagen, vídeo y audio es de 12 archivos; cada clip de vídeo debe durar 2–15 segundos y el total no puede superar los 15 segundos.

Suelta un archivo o · hasta 3

Proporciona el audio de referencia como URL e identifica los clips en el prompt usando Audio 1, Audio 2 y las etiquetas siguientes. Cada clip debe durar 2–15 segundos, con un máximo total de 15 segundos de audio. Cualquiera de los tipos de referencia de imagen, vídeo y audio puede proporcionarse por separado o combinado, sujeto a un máximo compartido de 12 archivos.

image_url
Suelta un archivo o

URL opcional de imagen que define el fotograma inicial exacto y determina el lienzo de salida. Los recursos de referencia mantienen la coherencia del sujeto.

Suelta un archivo o

Imagen guía opcional para middle_frame_time, disponible solo con generación nativa a 480P o 768P y cuando se proporcionan una imagen inicial y una final.

end_image_url
Suelta un archivo o

URL opcional de la imagen final que fija el fotograma final exacto del vídeo en la imagen proporcionada.

Tiempo de colocación de la imagen intermedia, utilizable solo con middle_image_url y restringido a posiciones estrictamente interiores al primer y último fotograma del vídeo solicitado. Proporciona los segundos transcurridos desde el inicio; el valor se redondea al fotograma más cercano a 24 fps.

Semilla para la generación aleatoria; si se omite, se elige una al azar.

Lista de referencias proporcionada como alternativa a reference_*_urls, nunca junto con ellas. El orden entre modalidades tiene significado, por lo que la secuencia se conserva durante todo el procesamiento.

POST /run/minimax/h3-max/reference-to-video?wait=20 presupuesto → 0,40 $
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/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://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Ejecutar esta solicitud

Tu clave permanece en este navegador: solo se envía a la Doitong API y solo se guarda en localStorage si marcas Recordar. Obtener una clave de API

Acerca de H3 Max Reference to Video

Genera vídeos guiados por recursos de referencia: hasta 9 imágenes, 3 vídeos y 3 clips de audio, con un máximo de 12 archivos en total. El prompt se refiere a ellos como Image 1, Video 1, Audio 1, etc. Los fotogramas inicial, intermedio opcional (`middle_image_url` en `middle_frame_time`) y final fijan el principio, el punto intermedio y el final. `duration` va de 0.92 a 15 segundos y `aspect_ratio` puede ser adaptativo.

Parámetros

Envía el nombre canónico o el nombre nativo, pero no ambos. Nombres canónicos

NombreTipo PredeterminadoPermitido Descripción
promptobligatorio
Tipostring
≤ 50.000 caracteres
Instrucciones de generación de vídeo con referencias identificadas por tipo de recurso y posición dentro de cada lista de referencias, usando etiquetas como Audio 1, Video 1, Image 1, Image 2, etc.
reference_image_urlsopcional images
Tipourl[] · image
≤ 9 elementos
URL de imágenes de referencia del sujeto o del estilo, con un máximo compartido de 12 archivos entre todas las referencias de vídeo y audio. Identifica estas imágenes en el prompt por su posición en la lista usando Image 1, Image 2 y las etiquetas siguientes.
reference_video_urlsopcional
Tipourl[] · video
≤ 3 elementos
URL de vídeos de referencia de movimiento u otros, identificados en el prompt por su posición en la lista mediante Video 1, Video 2 y las etiquetas siguientes. El límite compartido entre referencias de imagen, vídeo y audio es de 12 archivos; cada clip de vídeo debe durar 2–15 segundos y el total no puede superar los 15 segundos.
reference_audio_urlsopcional
Tipourl[] · audio
≤ 3 elementos
Proporciona el audio de referencia como URL e identifica los clips en el prompt usando Audio 1, Audio 2 y las etiquetas siguientes. Cada clip debe durar 2–15 segundos, con un máximo total de 15 segundos de audio. Cualquiera de los tipos de referencia de imagen, vídeo y audio puede proporcionarse por separado o combinado, sujeto a un máximo compartido de 12 archivos.
image_urlopcional image
Tipourl · image
URL opcional de imagen que define el fotograma inicial exacto y determina el lienzo de salida. Los recursos de referencia mantienen la coherencia del sujeto.
middle_image_urlopcional
Tipourl · image
Imagen guía opcional para middle_frame_time, disponible solo con generación nativa a 480P o 768P y cuando se proporcionan una imagen inicial y una final.
middle_frame_timeopcional
Tiponumber | null
> 0< 15
Tiempo de colocación de la imagen intermedia, utilizable solo con middle_image_url y restringido a posiciones estrictamente interiores al primer y último fotograma del vídeo solicitado. Proporciona los segundos transcurridos desde el inicio; el valor se redondea al fotograma más cercano a 24 fps.
end_image_urlopcional end_image
Tipourl · image
URL opcional de la imagen final que fija el fotograma final exacto del vídeo en la imagen proporcionada.
durationopcional
Tiponumber
Predeterminado5
0,92 – 15
Duración solicitada en segundos, que permite una duración real del vídeo de hasta aproximadamente 0,7 s más que la solicitada.
resolutionopcional
Tipoenum
Predeterminado768P
480P768P1080P
Selección de resolución de generación: 1080P requiere un refinamiento latente del material generado de forma nativa a 768P, en lugar de una generación nativa con la resolución seleccionada.
seedopcional
Tipointeger | null
Semilla para la generación aleatoria; si se omite, se elige una al azar.
enable_safety_checkeropcional
Tipoboolean
Predeterminadotrue
Activación del comprobador de seguridad; true activa la comprobación.
prompt_expansion_modeobligatorio
Tipostring
Predeterminadobalanced
Esfuerzo de reescritura del prompt antes de la generación: 'quality' desarrolla un prompt más completo durante aproximadamente 30 s como máximo, mientras que 'balanced' responde en aproximadamente un segundo. Elige 'disabled' para omitir la ampliación del prompt.
aspect_ratioopcional
Tipoenum
Predeterminadoadaptive
adaptive21:916:94:31:13:49:16
Relación de aspecto del vídeo de salida.
reference_conditionsopcional
Tipoobject[]
≤ 12 elementos
Lista de referencias proporcionada como alternativa a reference_*_urls, nunca junto con ellas. El orden entre modalidades tiene significado, por lo que la secuencia se conserva durante todo el procesamiento.
reference_conditions[].typeobligatorio
Tipoenum
imagevideoaudio
Modalidad de la referencia; el orden entre modalidades de la lista tiene significado.
reference_conditions[].urlobligatorio
Tipostring
≥ 1 characters
URL del recurso multimedia de referencia.
obligatorio Nombre canónico, también aceptado

Los parámetros de archivo aceptan una URL pública https://, un URI data: de hasta 10 MB o el file_url de una subida. Archivos

Salida

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://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: conservada para siempre (con pago por GB-mes) o 7 días gratis, según la configuración de tu cuenta o ?storage=.
La misma estructura en todos los modelostype, url, content_type, width, height y duration, tanto para imágenes como para vídeo y audio. output es el objeto de resultado propio del modelo.
Campos de salida
video
object {url, content_type, file_name, file_size}Vídeo producido por el modelo.
expanded_prompt
string | nullPrompt ampliado listo para el modelo, o null si no hay texto ampliado disponible. Los casos null corresponden a la ampliación desactivada, a una ampliación que no produjo cambios y a una ampliación gestionada internamente por la API alojada del modelo.
seed
integerSemilla base usada para reproducir el resultado generado.
timings
object | nullMediciones de tiempo expresadas en segundos, disponibles solo en rutas que notifican los tiempos del backend; en caso contrario, null. La entrada 'inference' mide cuánto tardó la eliminación de ruido DiT en el backend de GPU.

Más modelos: Referencia a vídeo

Para agentes de IA: esta página en Markdown está en https://doitong.com/es-ES/developers/models/minimax/h3-max/reference-to-video.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt