Przejdź do treści

H3 Max Reference to Video

Integracja

Identyfikator modelu 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"

Pliki takie jak przykład: 0,40 $ 400 kredytów API · ≈ 42,19 ₽ Twoje pliki są mierzone przed uruchomieniem Uruchom na tej stronie

Uzyskaj klucz API
MiniMax Materiał referencyjny na wideo Dane referencyjne0,92–15 sdo 1080P #stylized#transform#typography

Generowanie wideo H3 Max zachowującego spójność obiektów dzięki obrazom, filmom i klipom audio referencyjnym

Utworzone w Doitong

Publiczne prace utworzone za pomocą Hailuo 03 New Turbo przez społeczność Doitong. Użyj ponownie promptu jednym kliknięciem.

Pokazane publiczne prace: 16
Close-up shot of a striking model with piercing eyes and flawless skin, a white snake elegantly c... Wideo

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... Wideo

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... Wideo

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... Wideo

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... Wideo

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 ... Wideo

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... Wideo

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...

Wideo

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....

Zbuduj żądanie

Elementy sterujące są generowane ze schematu modelu. Kod i cena aktualizują się podczas ich zmiany.

•wymagane 88 / 50000

Instrukcje generowania wideo z odwołaniami identyfikowanymi według typu zasobu i pozycji na odpowiedniej liście, z etykietami takimi jak Audio 1, Video 1, Image 1, Image 2 itd.

•wymagane

Intensywność przepisywania promptu przed generowaniem: 'quality' tworzy bogatszy prompt przez maksymalnie około 30 s, natomiast 'balanced' zwraca wynik mniej więcej po sekundzie. Wybierz 'disabled', aby pominąć rozwijanie promptu.

resolution domyślnie 768P

Wybór rozdzielczości generowania: 1080P wymaga utajonego ulepszenia materiału wygenerowanego natywnie w 768P zamiast natywnego generowania w wybranej rozdzielczości.

aspect_ratio domyślnie adaptive

Proporcje obrazu wideo wynikowego.

domyślnie 5

Żądany czas trwania w sekundach, pozwalający na rzeczywistą długość wideo do około 0.7 s większą od żądanej.

Zaawansowane 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
Upuść plik lub · do 9

Adresy obrazów referencyjnych obiektu lub stylu, współdzielące limit 12 plików ze wszystkimi odwołaniami do wideo i audio. W promptcie identyfikuj te obrazy według pozycji na liście, używając Image 1, Image 2 i kolejnych etykiet.

Upuść plik lub · do 3

Adresy referencyjnych wideo ruchu lub innych elementów, identyfikowane w promptcie według pozycji na liście za pomocą Video 1, Video 2 i kolejnych etykiet. Wspólny limit dla odwołań do obrazów, wideo i audio wynosi 12 plików; każdy klip wideo musi trwać 2–15 sekund, a łącznie nie więcej niż 15 sekund.

Upuść plik lub · do 3

Podaj referencyjne audio jako adresy i identyfikuj klipy w promptcie za pomocą Audio 1, Audio 2 i kolejnych etykiet. Każdy klip musi trwać 2–15 sekund, a łączny czas audio nie może przekraczać 15 sekund. Każdy z typów odwołań — obraz, wideo i audio — można podać osobno lub łącznie, przy wspólnym limicie 12 plików.

image_url
Upuść plik lub

Opcjonalny adres obrazu określającego dokładną klatkę początkową i płótno wyniku. Zasoby referencyjne zachowują spójność obiektu.

Upuść plik lub

Opcjonalny obraz prowadzący dla middle_frame_time, dostępny tylko przy natywnym generowaniu 480P lub 768P oraz po podaniu zarówno obrazu początkowego, jak i końcowego.

end_image_url
Upuść plik lub

Opcjonalny adres obrazu końcowego, który ustala dokładną klatkę końcową wideo na dostarczony obraz.

Czas umieszczenia obrazu środkowego, możliwy do użycia tylko z middle_image_url i ograniczony do pozycji ściśle między pierwszą a ostatnią klatką żądanego wideo. Podaj sekundy od początku; wartość jest zaokrąglana do najbliższej klatki przy 24 fps.

Ziarno losowego generowania; jeśli nie zostanie podane, zostanie wybrane losowo.

Lista referencji podawana zamiast reference_*_urls, nigdy razem z nimi. Kolejność między modalnościami ma znaczenie, dlatego jest zachowywana podczas całego przetwarzania.

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

Uruchom to żądanie

Klucz pozostaje w tej przeglądarce: jest wysyłany tylko do Doitong API i zapisywany (localStorage) tylko po zaznaczeniu opcji Zapamiętaj. Uzyskaj klucz API

Informacje o H3 Max Reference to Video

Generuje wideo na podstawie zasobów referencyjnych: maksymalnie 9 obrazów, 3 filmów i 3 klipów audio, łącznie nie więcej niż 12 plików. Prompt odwołuje się do nich jako Image 1, Video 1, Audio 1 itd. Opcjonalne pierwsza, środkowa (`middle_image_url` przy `middle_frame_time`) i ostatnia klatka przypinają początek, środek i koniec. `duration` wynosi od 0.92 do 15 sekund, a `aspect_ratio` może być adaptive.

Parametry

Wyślij nazwę kanoniczną albo natywną, nie obie. Nazwy kanoniczne

NazwaTyp DomyślneDozwolone Opis
promptwymagane
Typstring
≤ 50 000 znaków
Instrukcje generowania wideo z odwołaniami identyfikowanymi według typu zasobu i pozycji na odpowiedniej liście, z etykietami takimi jak Audio 1, Video 1, Image 1, Image 2 itd.
reference_image_urlsopcjonalne images
Typurl[] · image
≤ 9 elementów
Adresy obrazów referencyjnych obiektu lub stylu, współdzielące limit 12 plików ze wszystkimi odwołaniami do wideo i audio. W promptcie identyfikuj te obrazy według pozycji na liście, używając Image 1, Image 2 i kolejnych etykiet.
reference_video_urlsopcjonalne
Typurl[] · video
≤ 3 elementy
Adresy referencyjnych wideo ruchu lub innych elementów, identyfikowane w promptcie według pozycji na liście za pomocą Video 1, Video 2 i kolejnych etykiet. Wspólny limit dla odwołań do obrazów, wideo i audio wynosi 12 plików; każdy klip wideo musi trwać 2–15 sekund, a łącznie nie więcej niż 15 sekund.
reference_audio_urlsopcjonalne
Typurl[] · audio
≤ 3 elementy
Podaj referencyjne audio jako adresy i identyfikuj klipy w promptcie za pomocą Audio 1, Audio 2 i kolejnych etykiet. Każdy klip musi trwać 2–15 sekund, a łączny czas audio nie może przekraczać 15 sekund. Każdy z typów odwołań — obraz, wideo i audio — można podać osobno lub łącznie, przy wspólnym limicie 12 plików.
image_urlopcjonalne image
Typurl · image
Opcjonalny adres obrazu określającego dokładną klatkę początkową i płótno wyniku. Zasoby referencyjne zachowują spójność obiektu.
middle_image_urlopcjonalne
Typurl · image
Opcjonalny obraz prowadzący dla middle_frame_time, dostępny tylko przy natywnym generowaniu 480P lub 768P oraz po podaniu zarówno obrazu początkowego, jak i końcowego.
middle_frame_timeopcjonalne
Typnumber | null
> 0< 15
Czas umieszczenia obrazu środkowego, możliwy do użycia tylko z middle_image_url i ograniczony do pozycji ściśle między pierwszą a ostatnią klatką żądanego wideo. Podaj sekundy od początku; wartość jest zaokrąglana do najbliższej klatki przy 24 fps.
end_image_urlopcjonalne end_image
Typurl · image
Opcjonalny adres obrazu końcowego, który ustala dokładną klatkę końcową wideo na dostarczony obraz.
durationopcjonalne
Typnumber
Domyślne5
0,92 – 15
Żądany czas trwania w sekundach, pozwalający na rzeczywistą długość wideo do około 0.7 s większą od żądanej.
resolutionopcjonalne
Typenum
Domyślne768P
480P768P1080P
Wybór rozdzielczości generowania: 1080P wymaga utajonego ulepszenia materiału wygenerowanego natywnie w 768P zamiast natywnego generowania w wybranej rozdzielczości.
seedopcjonalne
Typinteger | null
Ziarno losowego generowania; jeśli nie zostanie podane, zostanie wybrane losowo.
enable_safety_checkeropcjonalne
Typboolean
Domyślnetrue
Aktywacja kontroli bezpieczeństwa; true włącza kontrolę.
prompt_expansion_modewymagane
Typstring
Domyślnebalanced
Intensywność przepisywania promptu przed generowaniem: 'quality' tworzy bogatszy prompt przez maksymalnie około 30 s, natomiast 'balanced' zwraca wynik mniej więcej po sekundzie. Wybierz 'disabled', aby pominąć rozwijanie promptu.
aspect_ratioopcjonalne
Typenum
Domyślneadaptive
adaptive21:916:94:31:13:49:16
Proporcje obrazu wideo wynikowego.
reference_conditionsopcjonalne
Typobject[]
≤ 12 elementów
Lista referencji podawana zamiast reference_*_urls, nigdy razem z nimi. Kolejność między modalnościami ma znaczenie, dlatego jest zachowywana podczas całego przetwarzania.
reference_conditions[].typewymagane
Typenum
imagevideoaudio
Modalność referencji; kolejność modalności na liście ma znaczenie.
reference_conditions[].urlwymagane
Typstring
≥ 1 characters
Adres referencyjnego nośnika.
wymagane Nazwa kanoniczna, również akceptowana

Parametry plików przyjmują publiczny URL https://, identyfikator URI data: do 10 MB albo file_url przesłanego pliku. Pliki

Wynik

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"
  }
}
Twoje pliki, Twój wybórKażdy outputs[].url to kopia w naszej przestrzeni dyskowej: przechowywana bezterminowo (opłata za GB-miesiąc) lub 7 dni bezpłatnie, zgodnie z ustawieniem konta lub ?storage=.
Taki sam format w każdym modelutype, url, content_type, width, height i duration — tak samo dla obrazów, filmów i dźwięku. output to własny obiekt wyniku modelu.
Pola wyniku
video
object {url, content_type, file_name, file_size}Wideo wygenerowane przez model.
expanded_prompt
string | nullRozwinięty prompt gotowy dla modelu lub null, jeśli nie ma dostępnego rozwiniętego tekstu. Przypadki null obejmują wyłączone rozwijanie, rozwinięcie bez zmian oraz rozwinięcie obsługiwane wewnętrznie przez hostowany interfejs API modelu.
seed
integerBazowe ziarno używane do odtworzenia wygenerowanego wyniku.
timings
object | nullPomiary czasu wyrażone w sekundach, dostępne tylko na trasach raportujących czasy backendu; w przeciwnym razie null. Wpis 'inference' mierzy czas odszumiania DiT na backendzie GPU.

Więcej modeli: Materiał referencyjny na wideo

Dla agentów AI: ta strona w formacie Markdown jest dostępna pod adresem https://doitong.com/pl/developers/models/minimax/h3-max/reference-to-video.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt