Op den Inhalt sprangen

H3 Max Reference to Video

Integréieren

Modell-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://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"

Dateie wéi am Beispill: 0,40 $ 400 API-Kreditter · ≈ 42,19 ₽ Är Dateie gi virun der Ausféierung gemooss Op dëser Säit ausféieren

API-Schlëssel kréien
MiniMax Referenz zu Video Referenzinput0,92–15 sbis zu 1080P #stylized#transform#typography

H3 Max Videogeneratioun, déi Sujete mat Referenzbiller, Videoen an Audioclips konsistent hält

Op Doitong erstallt

Ëffentlech Wierker, déi d'Doitong-Communautéit mat Hailuo 03 New Turbo erstallt huet. Benotz e Prompt mat engem Klick nach eng Kéier.

Ëffentlech Wierker ugewisen: 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....

Eng Ufro erstellen

D'Kontrolle ginn aus dem Modellschema generéiert. De Code an de Präis aktualiséiere sech, wann s du se ännerst.

•obligatoresch 88 / 50000

Instruktioune fir d'Video-Generatioun mat Referenzen, déi duerch Asset-Typ a Positioun an all Referenzlëscht identifizéiert ginn, mat Bezeechnunge wéi Audio 1, Video 1, Image 1, Image 2 an esou weider.

•obligatoresch

Opwand fir d'Prompt-Ëmschreiwe virun der Generatioun: 'quality' entwéckelt iwwer ongeféier 30s e méi detailléierte Prompt, wärend 'balanced' a ronn enger Sekonn zeréckgëtt. Wielt 'disabled', fir d'Prompt-Erweiderung ewechzeloossen.

resolution Standard 768P

Auswiel vun der Generatiounsopléisung: 1080P erfuerdert latent Verfeinerung vu Material, dat nativ bei 768P generéiert gouf, amplaz vun enger nativer Generatioun an der ausgewielter Opléisung.

aspect_ratio Standard adaptive

Aspektverhältnis vum Output-Video.

Standard 5

Ugefrote Dauer a Sekonnen; d'tatsächlech Video-Längt kann ongeféier 0.7 s doriwwer leien.

Erweidert 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
Fichier erofzéien, oder · bis zu 9

URLen vu Referenzbiller fir Motiv oder Stil, mat engem gemeinsame Maximum vun 12 Fichiere fir all Video- an Audio-Referenzen. Identifizéiert dës Biller am Prompt duerch d'Positioun an der Lëscht mat Image 1, Image 2 an de folgenden Bezeechnungen.

Fichier erofzéien, oder · bis zu 3

URLen vu Bewegungs- oder anere Referenzvideoen, identifizéiert am Prompt duerch hir Positioun an der Lëscht mat Video 1, Video 2 an de folgenden Bezeechnungen. De gemeinsame Kontingent fir Bild-, Video- an Audio-Referenze si 12 Fichieren; Video-Clips mussen all 2–15 Sekonnen daueren an zesummen net méi wéi 15 Sekonnen.

Fichier erofzéien, oder · bis zu 3

Gitt Referenz-Audio als URLen un an identifizéiert d'Clips am Prompt mat Audio 1, Audio 2 an de folgenden Bezeechnungen. All Clip muss 2–15 Sekonnen daueren, mat insgesamt maximal 15 Sekonnen Audio. Bild-, Video- an Audio-Referenze kënnen alleng oder kombinéiert geliwwert ginn, mat engem gemeinsame Maximum vun 12 Fichieren.

image_url
Fichier erofzéien, oder

Optional Bild-URL, déi de geneeë Start-Frame definéiert an den Output-Canvas bestëmmt. Referenz-Assets behalen d'Konsistenz vum Motiv.

Fichier erofzéien, oder

Optional Féierungsbild fir middle_frame_time, nëmme mat nativer 480P- oder 768P-Generatioun an nëmme wann e Start- an e Schlussbild geliwwert ginn.

end_image_url
Fichier erofzéien, oder

Optional URL vum Schlussbild, déi de geneeë Schluss-Frame vum Video op dat geliwwert Bild festleet.

Zäitpositioun vum mëttlere Bild, nëmme mat middle_image_url benotzbar an op Positiounen strikt tëscht dem éischten an dem leschte Frame vum ugefrote Video limitéiert. Gitt déi zënter dem Ufank vergaangen Zäit a Sekonnen un; de Wäert gëtt op den nooste 24-fps-Frame ofgerënnt.

Seed fir zoufälleg Generatioun; wann en ewechgelooss gëtt, gëtt en zoufälleg ausgewielt.

Referenzlëscht als Alternativ zu reference_*_urls, ni zesumme mat dësen. D'Reiefolleg iwwer d'Modalitéiten huet eng Bedeitung a gëtt während der ganzer Veraarbechtung erhale.

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

Dës Ufro ausféieren

Äre Schlëssel bleift an dësem Browser: e gëtt nëmmen un d'Doitong API geschéckt an nëmme gespäichert (localStorage), wann s du „Erënneren“ aktivéiers. En API-Schlëssel kréien

Iwwer H3 Max Reference to Video

Generéiert Video mat Referenzressourcen: bis zu 9 Biller, 3 Videoen an 3 Audioclips, mat maximal 12 Dateien am Ganzen. De Prompt bezitt sech op si als Image 1, Video 1, Audio 1 asw. Optional éischt, mëttel (`middle_image_url` bei `middle_frame_time`) a lescht Frames fixéieren den Ufank, d'Mëtt an d'Enn. `duration` ass 0.92 bis 15 Sekonnen, an `aspect_ratio` kann adaptiv sinn.

Parameteren

Schéck entweder den kanoneschen Numm oder den natierlechen Numm, net béid. Kanonesch Nimm

NummTyp StandardErlaabt Beschreiwung
promptobligatoresch
Typstring
≤ 50.000 Zeechen
Instruktioune fir d'Video-Generatioun mat Referenzen, déi duerch Asset-Typ a Positioun an all Referenzlëscht identifizéiert ginn, mat Bezeechnunge wéi Audio 1, Video 1, Image 1, Image 2 an esou weider.
reference_image_urlsoptional images
Typurl[] · image
≤ 9 Elementer
URLen vu Referenzbiller fir Motiv oder Stil, mat engem gemeinsame Maximum vun 12 Fichiere fir all Video- an Audio-Referenzen. Identifizéiert dës Biller am Prompt duerch d'Positioun an der Lëscht mat Image 1, Image 2 an de folgenden Bezeechnungen.
reference_video_urlsoptional
Typurl[] · video
≤ 3 Elementer
URLen vu Bewegungs- oder anere Referenzvideoen, identifizéiert am Prompt duerch hir Positioun an der Lëscht mat Video 1, Video 2 an de folgenden Bezeechnungen. De gemeinsame Kontingent fir Bild-, Video- an Audio-Referenze si 12 Fichieren; Video-Clips mussen all 2–15 Sekonnen daueren an zesummen net méi wéi 15 Sekonnen.
reference_audio_urlsoptional
Typurl[] · audio
≤ 3 Elementer
Gitt Referenz-Audio als URLen un an identifizéiert d'Clips am Prompt mat Audio 1, Audio 2 an de folgenden Bezeechnungen. All Clip muss 2–15 Sekonnen daueren, mat insgesamt maximal 15 Sekonnen Audio. Bild-, Video- an Audio-Referenze kënnen alleng oder kombinéiert geliwwert ginn, mat engem gemeinsame Maximum vun 12 Fichieren.
image_urloptional image
Typurl · image
Optional Bild-URL, déi de geneeë Start-Frame definéiert an den Output-Canvas bestëmmt. Referenz-Assets behalen d'Konsistenz vum Motiv.
middle_image_urloptional
Typurl · image
Optional Féierungsbild fir middle_frame_time, nëmme mat nativer 480P- oder 768P-Generatioun an nëmme wann e Start- an e Schlussbild geliwwert ginn.
middle_frame_timeoptional
Typnumber | null
> 0< 15
Zäitpositioun vum mëttlere Bild, nëmme mat middle_image_url benotzbar an op Positiounen strikt tëscht dem éischten an dem leschte Frame vum ugefrote Video limitéiert. Gitt déi zënter dem Ufank vergaangen Zäit a Sekonnen un; de Wäert gëtt op den nooste 24-fps-Frame ofgerënnt.
end_image_urloptional end_image
Typurl · image
Optional URL vum Schlussbild, déi de geneeë Schluss-Frame vum Video op dat geliwwert Bild festleet.
durationoptional
Typnumber
Standard5
0,92 – 15
Ugefrote Dauer a Sekonnen; d'tatsächlech Video-Längt kann ongeféier 0.7 s doriwwer leien.
resolutionoptional
Typenum
Standard768P
480P768P1080P
Auswiel vun der Generatiounsopléisung: 1080P erfuerdert latent Verfeinerung vu Material, dat nativ bei 768P generéiert gouf, amplaz vun enger nativer Generatioun an der ausgewielter Opléisung.
seedoptional
Typinteger | null
Seed fir zoufälleg Generatioun; wann en ewechgelooss gëtt, gëtt en zoufälleg ausgewielt.
enable_safety_checkeroptional
Typboolean
Standardtrue
Aktivéierung vun der Sécherheetskontroll; true aktivéiert d'Kontroll.
prompt_expansion_modeobligatoresch
Typstring
Standardbalanced
Opwand fir d'Prompt-Ëmschreiwe virun der Generatioun: 'quality' entwéckelt iwwer ongeféier 30s e méi detailléierte Prompt, wärend 'balanced' a ronn enger Sekonn zeréckgëtt. Wielt 'disabled', fir d'Prompt-Erweiderung ewechzeloossen.
aspect_ratiooptional
Typenum
Standardadaptive
adaptive21:916:94:31:13:49:16
Aspektverhältnis vum Output-Video.
reference_conditionsoptional
Typobject[]
≤ 12 Elementer
Referenzlëscht als Alternativ zu reference_*_urls, ni zesumme mat dësen. D'Reiefolleg iwwer d'Modalitéiten huet eng Bedeitung a gëtt während der ganzer Veraarbechtung erhale.
reference_conditions[].typeobligatoresch
Typenum
imagevideoaudio
Modalitéit vun der Referenz; d'Reiefolleg iwwer d'Modalitéiten an der Lëscht huet eng Bedeitung.
reference_conditions[].urlobligatoresch
Typstring
≥ 1 characters
URL vum Referenz-Medium.
obligatoresch Kanoneschen Numm, och akzeptéiert

Fichierparameter akzeptéieren eng ëffentlech https:// URL, eng data: URI bis zu 10 MB oder de file_url vun engem Upload. Fichieren

Output

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"
  }
}
Är Fichieren, Är WielAll outputs[].url ass eng Kopie an eiser Späicherung: fir ëmmer gespäichert (bezuelbar pro GB-Mount) oder 7 Deeg gratis, jee no Ärer Kontastellung oder ?storage=.
D'selwecht Struktur bei all Modelltype, url, content_type, width, height an duration, fir Biller, Video an Audio gläichermoossen. output ass dem Modell säin eegent Resultatobjet.
Output-Felder
video
object {url, content_type, file_name, file_size}Video, deen d'Modell produzéiert huet.
expanded_prompt
string | nullErweiderten, fir d'Modell bereete Prompt oder null, wann keen erweideren Text disponibel ass. null gëllt bei deaktivéierter Erweiderung, wann d'Erweiderung näischt geännert huet oder wann d'Modell-API vum Hoster d'Erweiderung intern behandelt huet.
seed
integerBasis-Seed, dee benotzt gëtt, fir dat generéiert Resultat ze reproduzéieren.
timings
object | nullZäitmiessungen a Sekonnen, nëmmen op Routen disponibel, déi Backend-Zäiten mellen; soss null. Den 'inference'-Entrée moosst, wéi laang d'DiT-Denoising um GPU-Backend gedauert huet.

Méi Modeller: Referenz zu Video

Fir AI-Agenten: dës Säit als Markdown ass ënner https://doitong.com/lb/developers/models/minimax/h3-max/reference-to-video.md. All Modeller a Guiden: https://doitong.com/developers/llms.txt