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 video Entradas de referencia0.92–15 shasta 1080P #stylized#transform#typography

Generación de video H3 Max que mantiene la coherencia de los sujetos mediante imágenes, videos 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 clic.

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

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... Video

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... Video

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... Video

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... Video

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 ... Video

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... Video

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...

Video

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 conforme los cambias.

•obligatorio 88 / 50000

Instrucciones de generación de video con referencias identificadas por tipo de recurso y posición dentro de cada lista de referencias, mediante 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, mientras que 'balanced' responde en aproximadamente un segundo. Elige 'disabled' para omitir la expansión del prompt.

resolution predeterminado 768P

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

aspect_ratio predeterminado adaptive

Relación de aspecto del video de salida.

predeterminado 5

Duración solicitada en segundos, permitiendo una duración real del video de hasta aproximadamente 0.7 s más que la solicitud.

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

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

Suelta un archivo o · hasta 3

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

Suelta un archivo o · hasta 3

Proporciona el audio de referencia como URLs e identifica los clips en el prompt mediante Audio 1, Audio 2 y las etiquetas posteriores. Cada clip debe durar 2–15 segundos, con un máximo total de 15 segundos de audio. Cualquiera de los tipos de referencia de imagen, video 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 en 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 video a la imagen proporcionada.

Tiempo de colocación de la imagen intermedia, utilizable solo con middle_image_url y limitado a posiciones estrictamente dentro del primer y último fotograma del video solicitado. Proporciona los segundos transcurridos desde el inicio; el valor se redondea al fotograma más cercano de 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 es significativo, por lo que se conserva durante todo el procesamiento.

POST /run/minimax/h3-max/reference-to-video?wait=20 cotización → $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 se guarda en localStorage únicamente si marcas Recordar. Obtener una clave de API

Acerca de H3 Max Reference to Video

Genera video guiado por recursos de referencia: hasta 9 imágenes, 3 videos 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 primeros, intermedios (`middle_image_url` en `middle_frame_time`) y últimos fotogramas opcionales fijan el inicio, el centro y el final. `duration` va de 0.92 a 15 segundos, y `aspect_ratio` puede ser adaptive.

Parámetros

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

NombreTipo PredeterminadoPermitido Descripción
promptobligatorio
Tipostring
≤ 50,000 caracteres
Instrucciones de generación de video con referencias identificadas por tipo de recurso y posición dentro de cada lista de referencias, mediante etiquetas como Audio 1, Video 1, Image 1, Image 2, etc.
reference_image_urlsopcional images
Tipourl[] · image
≤ 9 elementos
URLs de imágenes de referencia del sujeto o estilo, con un máximo compartido de 12 archivos entre todas las referencias de video y audio. Identifica estas imágenes en el prompt mediante su posición en la lista usando Image 1, Image 2 y las etiquetas posteriores.
reference_video_urlsopcional
Tipourl[] · video
≤ 3 elementos
URLs de videos de referencia de movimiento u otros, identificados en el prompt por su posición en la lista mediante Video 1, Video 2 y las etiquetas posteriores. El límite compartido entre referencias de imagen, video y audio es de 12 archivos; cada clip de video debe durar 2–15 segundos y el total no debe superar 15 segundos.
reference_audio_urlsopcional
Tipourl[] · audio
≤ 3 elementos
Proporciona el audio de referencia como URLs e identifica los clips en el prompt mediante Audio 1, Audio 2 y las etiquetas posteriores. Cada clip debe durar 2–15 segundos, con un máximo total de 15 segundos de audio. Cualquiera de los tipos de referencia de imagen, video 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 en 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 limitado a posiciones estrictamente dentro del primer y último fotograma del video solicitado. Proporciona los segundos transcurridos desde el inicio; el valor se redondea al fotograma más cercano de 24 fps.
end_image_urlopcional end_image
Tipourl · image
URL opcional de la imagen final que fija el fotograma final exacto del video a la imagen proporcionada.
durationopcional
Tiponumber
Predeterminado5
0.92 – 15
Duración solicitada en segundos, permitiendo una duración real del video de hasta aproximadamente 0.7 s más que la solicitud.
resolutionopcional
Tipoenum
Predeterminado768P
480P768P1080P
Selección de resolución de generación: 1080P requiere un refinamiento latente del material generado de forma nativa en 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, mientras que 'balanced' responde en aproximadamente un segundo. Elige 'disabled' para omitir la expansión del prompt.
aspect_ratioopcional
Tipoenum
Predeterminadoadaptive
adaptive21:916:94:31:13:49:16
Relación de aspecto del video de salida.
reference_conditionsopcional
Tipoobject[]
≤ 12 elementos
Lista de referencias proporcionada como alternativa a reference_*_urls, nunca junto con ellas. El orden entre modalidades es significativo, por lo que se conserva durante todo el procesamiento.
reference_conditions[].typeobligatorio
Tipoenum
imagevideoaudio
Modalidad de la referencia; el orden entre modalidades en la lista es significativo.
reference_conditions[].urlobligatorio
Tipostring
≥ 1 characters
URL del medio 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 carga. 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: se conserva para siempre (con cobro 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 video y audio. output es el objeto de resultado propio del modelo.
Campos de salida
video
object {url, content_type, file_name, file_size}Video producido por el modelo.
expanded_prompt
string | nullPrompt expandido listo para el modelo, o null si no hay texto expandido disponible. Los casos null son la expansión deshabilitada, la expansión que no produjo cambios y la expansión 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 informan los tiempos del backend; de lo contrario, null. La entrada 'inference' mide cuánto tardó la eliminación de ruido DiT en el backend de GPU.

Más modelos: Referencia a video

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