رفتن به محتوا

H3 Max Reference to Video

یکپارچه‌سازی

شناسه مدل 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.com/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.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

فایل‌هایی مانند نمونه: ⁨‎$۰٫۴۰⁩ ۴۰۰ اعتبار API فایل‌های شما پیش از اجرا اندازه‌گیری می‌شوند اجرای آن در این صفحه

دریافت کلید API
MiniMax مرجع به ویدیو ورودی‌های مرجع۰٫۹۲–۱۵ ثانیهحداکثر 1080P #stylized#transform#typography

تولید ویدئوی H3 Max با حفظ ثبات سوژه‌ها با استفاده از تصاویر، ویدئوها و کلیپ‌های صوتی مرجع

ساخته‌شده در Doitong

آثار عمومی ساخته‌شده با Hailuo 03 New Turbo توسط جامعه Doitong. یک پرامپت را با یک کلیک دوباره استفاده کنید.

آثار عمومی نمایش‌داده‌شده: 16
Close-up shot of a striking model with piercing eyes and flawless skin, a white snake elegantly c... ویدیو

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... ویدیو

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... ویدیو

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... ویدیو

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... ویدیو

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 ... ویدیو

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... ویدیو

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...

Мрачная комната для допросов, тесная и давящая. Одна резкая лампа под потолком бросает конус холо... ویدیو

Мрачная комната для допросов, тесная и давящая. Одна резкая лампа под потолком бросает конус холодного света на металлический стол, вокруг густые тени. Виновный подозреваемый сидит в наручниках по одну сторону стола: потеет, нервно бегает глазами, тяжело дышит, избегает взгляда. Напротив —...

ساخت درخواست

کنترل‌ها از شِمای مدل تولید می‌شوند. با تغییر آن‌ها، کد و قیمت به‌روزرسانی می‌شوند.

•الزامی 88 / 50000

دستورهای تولید ویدیو با ارجاع‌هایی که بر اساس نوع دارایی و موقعیت در هر فهرست ارجاع مشخص شده‌اند؛ با برچسب‌هایی مانند Audio 1، Video 1، Image 1، Image 2 و موارد بعدی.

•الزامی

میزان تلاش برای بازنویسی پرامپت پیش از تولید: 'quality' پرامپتی غنی‌تر را در حدود 30s ایجاد می‌کند، درحالی‌که 'balanced' تقریباً در یک ثانیه پاسخ می‌دهد. برای حذف گسترش پرامپت، 'disabled' را انتخاب کنید.

resolution پیش‌فرض 768P

انتخاب وضوح تولید: 1080P به پالایش نهفتهٔ محتوای تولیدشده به‌صورت بومی در 768P نیاز دارد، نه تولید بومی در وضوح انتخاب‌شده.

aspect_ratio پیش‌فرض adaptive

نسبت تصویر ویدیوی خروجی.

پیش‌فرض 5

مدت درخواست‌شده برحسب ثانیه؛ طول واقعی ویدیو می‌تواند تقریباً تا 0.7 s بیشتر از آن باشد.

پیشرفته 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
یک فایل بیندازید، یا · حداکثر 9

URL تصاویر ارجاعی سوژه یا سبک، با سقف مشترک 12 فایل همراه با همهٔ ارجاع‌های ویدیو و صوت. این تصاویر را در پرامپت با موقعیت فهرست و با استفاده از Image 1، Image 2 و برچسب‌های بعدی مشخص کنید.

یک فایل بیندازید، یا · حداکثر 3

URL ویدیوهای ارجاعی حرکتی یا دیگر ارجاع‌ها که در پرامپت با موقعیت فهرست و با استفاده از Video 1، Video 2 و برچسب‌های بعدی مشخص می‌شوند. سهمیهٔ مشترک برای ارجاع‌های تصویر، ویدیو و صوت 12 فایل است؛ هر کلیپ ویدیو باید 2–15 ثانیه باشد و مجموع آن‌ها از 15 ثانیه بیشتر نشود.

یک فایل بیندازید، یا · حداکثر 3

صوت ارجاعی را به‌صورت URL ارائه کنید و کلیپ‌ها را در پرامپت با Audio 1، Audio 2 و برچسب‌های بعدی مشخص کنید. هر کلیپ باید 2–15 ثانیه باشد و مجموع صوت‌ها از 15 ثانیه بیشتر نشود. هر نوع ارجاع تصویر، ویدیو و صوت را می‌توان به‌تنهایی یا ترکیبی ارائه کرد، مشروط به سقف مشترک 12 فایل.

image_url
یک فایل بیندازید، یا

URL تصویر اختیاری که فریم آغازین دقیق و بوم خروجی را تعیین می‌کند. دارایی‌های مرجع سازگاری سوژه را حفظ می‌کنند.

یک فایل بیندازید، یا

تصویر راهنمای اختیاری برای middle_frame_time که فقط با تولید بومی 480P یا 768P و با ارائهٔ تصویر آغازین و پایانی در دسترس است.

end_image_url
یک فایل بیندازید، یا

URL تصویر پایانی اختیاری که فریم پایانی دقیق ویدیو را روی تصویر ارائه‌شده ثابت می‌کند.

زمان قرارگیری تصویر میانی، که فقط با middle_image_url قابل استفاده است و به موقعیت‌هایی درون فریم نخست و پایانی ویدیوی درخواست‌شده محدود می‌شود. ثانیه‌های سپری‌شده از آغاز را ارائه کنید؛ مقدار به نزدیک‌ترین فریم 24 fps گرد می‌شود.

Seed برای تولید تصادفی؛ در صورت حذف، یک مقدار به‌صورت تصادفی انتخاب می‌شود.

فهرست ارجاعی که جایگزین reference_*_urls است و هرگز نباید همراه آن‌ها ارائه شود. ترتیب بین حالت‌ها معنا دارد، بنابراین توالی در سراسر پردازش حفظ می‌شود.

POST /run/minimax/h3-max/reference-to-video?wait=20 قیمت → ⁨‎$۰٫۴۰⁩
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/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.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

اجرای این درخواست

کلید شما در این مرورگر باقی می‌ماند: فقط به Doitong API ارسال می‌شود و فقط در صورت فعال‌کردن گزینه «یادآوری»، در localStorage ذخیره می‌شود. دریافت کلید API

درباره H3 Max Reference to Video

با استفاده از دارایی‌های مرجع ویدیو تولید می‌کند: حداکثر 9 تصویر، 3 ویدیو و 3 کلیپ صوتی، با مجموع حداکثر 12 فایل. پرامپت به آن‌ها با نام‌های Image 1، Video 1، Audio 1 و مانند آن اشاره می‌کند. فریم‌های اول، میانی (`middle_image_url` در `middle_frame_time`) و آخر اختیاری، شروع، میانه و پایان را ثابت می‌کنند. `duration` از 0.92 تا 15 ثانیه است و `aspect_ratio` می‌تواند adaptive باشد.

پارامترها

نام استاندارد یا نام بومی را ارسال کنید، نه هر دو. نام‌های استاندارد

نامنوع پیش‌فرضمجاز توضیحات
promptالزامی
نوعstring
≤ ۵۰٬۰۰۰ نویسه
دستورهای تولید ویدیو با ارجاع‌هایی که بر اساس نوع دارایی و موقعیت در هر فهرست ارجاع مشخص شده‌اند؛ با برچسب‌هایی مانند Audio 1، Video 1، Image 1، Image 2 و موارد بعدی.
reference_image_urlsاختیاری images
نوعurl[] · image
≤ ۹ مورد
URL تصاویر ارجاعی سوژه یا سبک، با سقف مشترک 12 فایل همراه با همهٔ ارجاع‌های ویدیو و صوت. این تصاویر را در پرامپت با موقعیت فهرست و با استفاده از Image 1، Image 2 و برچسب‌های بعدی مشخص کنید.
reference_video_urlsاختیاری
نوعurl[] · video
≤ ۳ مورد
URL ویدیوهای ارجاعی حرکتی یا دیگر ارجاع‌ها که در پرامپت با موقعیت فهرست و با استفاده از Video 1، Video 2 و برچسب‌های بعدی مشخص می‌شوند. سهمیهٔ مشترک برای ارجاع‌های تصویر، ویدیو و صوت 12 فایل است؛ هر کلیپ ویدیو باید 2–15 ثانیه باشد و مجموع آن‌ها از 15 ثانیه بیشتر نشود.
reference_audio_urlsاختیاری
نوعurl[] · audio
≤ ۳ مورد
صوت ارجاعی را به‌صورت URL ارائه کنید و کلیپ‌ها را در پرامپت با Audio 1، Audio 2 و برچسب‌های بعدی مشخص کنید. هر کلیپ باید 2–15 ثانیه باشد و مجموع صوت‌ها از 15 ثانیه بیشتر نشود. هر نوع ارجاع تصویر، ویدیو و صوت را می‌توان به‌تنهایی یا ترکیبی ارائه کرد، مشروط به سقف مشترک 12 فایل.
image_urlاختیاری image
نوعurl · image
URL تصویر اختیاری که فریم آغازین دقیق و بوم خروجی را تعیین می‌کند. دارایی‌های مرجع سازگاری سوژه را حفظ می‌کنند.
middle_image_urlاختیاری
نوعurl · image
تصویر راهنمای اختیاری برای middle_frame_time که فقط با تولید بومی 480P یا 768P و با ارائهٔ تصویر آغازین و پایانی در دسترس است.
middle_frame_timeاختیاری
نوعnumber | null
> ۰< ۱۵
زمان قرارگیری تصویر میانی، که فقط با middle_image_url قابل استفاده است و به موقعیت‌هایی درون فریم نخست و پایانی ویدیوی درخواست‌شده محدود می‌شود. ثانیه‌های سپری‌شده از آغاز را ارائه کنید؛ مقدار به نزدیک‌ترین فریم 24 fps گرد می‌شود.
end_image_urlاختیاری end_image
نوعurl · image
URL تصویر پایانی اختیاری که فریم پایانی دقیق ویدیو را روی تصویر ارائه‌شده ثابت می‌کند.
durationاختیاری
نوعnumber
پیش‌فرض5
۰٫۹۲ – ۱۵
مدت درخواست‌شده برحسب ثانیه؛ طول واقعی ویدیو می‌تواند تقریباً تا 0.7 s بیشتر از آن باشد.
resolutionاختیاری
نوعenum
پیش‌فرض768P
480P768P1080P
انتخاب وضوح تولید: 1080P به پالایش نهفتهٔ محتوای تولیدشده به‌صورت بومی در 768P نیاز دارد، نه تولید بومی در وضوح انتخاب‌شده.
seedاختیاری
نوعinteger | null
Seed برای تولید تصادفی؛ در صورت حذف، یک مقدار به‌صورت تصادفی انتخاب می‌شود.
enable_safety_checkerاختیاری
نوعboolean
پیش‌فرضtrue
فعال‌سازی بررسی‌کننده ایمنی؛ true بررسی را فعال می‌کند.
prompt_expansion_modeالزامی
نوعstring
پیش‌فرضbalanced
میزان تلاش برای بازنویسی پرامپت پیش از تولید: 'quality' پرامپتی غنی‌تر را در حدود 30s ایجاد می‌کند، درحالی‌که 'balanced' تقریباً در یک ثانیه پاسخ می‌دهد. برای حذف گسترش پرامپت، 'disabled' را انتخاب کنید.
aspect_ratioاختیاری
نوعenum
پیش‌فرضadaptive
adaptive21:916:94:31:13:49:16
نسبت تصویر ویدیوی خروجی.
reference_conditionsاختیاری
نوعobject[]
≤ ۱۲ مورد
فهرست ارجاعی که جایگزین reference_*_urls است و هرگز نباید همراه آن‌ها ارائه شود. ترتیب بین حالت‌ها معنا دارد، بنابراین توالی در سراسر پردازش حفظ می‌شود.
reference_conditions[].typeالزامی
نوعenum
imagevideoaudio
حالت ارجاع؛ ترتیب بین حالت‌ها در فهرست معنا دارد.
reference_conditions[].urlالزامی
نوعstring
≥ 1 characters
URL رسانهٔ ارجاعی.
الزامی نام استاندارد، همچنین پذیرفته می‌شود

پارامترهای فایل یک URL عمومی https://، یک URI از نوع data: تا سقف 10 MB، یا file_url یک فایل بارگذاری‌شده را می‌پذیرند. فایل‌ها

خروجی

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.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
فایل‌های شما، انتخاب شماهر outputs[].url کپی‌ای در فضای ذخیره‌سازی ماست: برای همیشه (با هزینه به‌ازای هر GB-ماه) یا به‌مدت ۷ روز رایگان، بر اساس تنظیم حساب شما یا ?storage=.
ساختار یکسان در همه مدل‌هاtype، url، content_type، width، height و duration برای تصاویر، ویدیو و صدا یکسان هستند. output شیء نتیجه اختصاصی مدل است.
فیلدهای خروجی
video
object {url, content_type, file_name, file_size}ویدیوی تولیدشده توسط مدل.
expanded_prompt
string | nullپرامپت گسترش‌یافتهٔ آمادهٔ مدل، یا null اگر متن گسترش‌یافته‌ای موجود نباشد. موارد null شامل گسترش غیرفعال، گسترشی که تغییری ایجاد نکرده، و گسترشی است که به‌صورت داخلی توسط API میزبانی‌شدهٔ مدل پردازش شده است.
seed
integerSeed پایه برای بازتولید نتیجهٔ تولیدشده.
timings
object | nullاندازه‌گیری‌های زمان‌بندی برحسب ثانیه که فقط در مسیرهای گزارش‌دهندهٔ زمان‌های backend موجودند؛ در غیر این صورت null هستند. ورودی 'inference' مدت زمان حذف نویز DiT را در backend پردازندهٔ گرافیکی اندازه‌گیری می‌کند.

مدل‌های بیشتر: مرجع به ویدیو

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/minimax/h3-max/reference-to-video.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt