# H3 Max Reference to Video API

> H3-Max-Videogenerierung mit konsistenten Motiven anhand von Referenzbildern, -videos und Audioclips

Generiert Videos anhand von Referenzmaterial: bis zu 9 Bilder, 3 Videos und 3 Audioclips, insgesamt höchstens 12 Dateien. Der Prompt verweist darauf als Image 1, Video 1, Audio 1 usw. Optionale erste, mittlere (`middle_image_url` bei `middle_frame_time`) und letzte Bilder legen Anfang, Mitte und Ende fest. `duration` beträgt 0.92 bis 15 Sekunden, und `aspect_ratio` kann adaptiv sein.

- Model id: `minimax/h3-max/reference-to-video`
- Made by: MiniMax
- Category: Reference to Video
- Output: video
- Price per second of your output video: from $0.05 / second of output video (cheapest run $0.05 (50 API credits))
- Run: `POST https://api.doitong.ru/v1/run/minimax/h3-max/reference-to-video`
- Quote: `POST https://api.doitong.ru/v1/quote/minimax/h3-max/reference-to-video`
- Docs page: https://doitong.com/de/developers/models/minimax/h3-max/reference-to-video

## Pricing

Price: **from $0.05 / second of output video** (the lowest tier; the quote prices your exact input). Price per second of your output video: the input files are measured before the run (length, resolution, frame rate). The quote measures the same files and is exactly what the run charges.

Price by tier:

- 480P: $0.05 / second of output video
- 768P: $0.08 / second of output video
- 1080P: $0.16 / second of output video

The full example input below costs $0.40 = 400 API credits (5 s output video × $0.08 (768P)).

Prices are the upstream price in USD, paid from the API balance in API credits (1000 API credits = 1 USD). `POST https://api.doitong.ru/v1/quote/minimax/h3-max/reference-to-video` with the same JSON body returns the exact price for that input; the quote is exactly what a run charges. Invalid input is never charged and failed or canceled requests are refunded automatically.

## Input parameters

Send either the canonical name or the native field name (not both). Canonical names are the same across models.

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `prompt` |  | string | yes |  | 1 – 50000 characters | Anweisungen für die Video-Generierung mit Referenzen, die anhand von Medientyp und Position in jeder Referenzliste identifiziert werden, etwa Audio 1, Video 1, Image 1, Image 2 und folgende Bezeichnungen. |
| `reference_image_urls` | `images` | array of image URL | no |  | ≤ 9 items | URLs von Referenzbildern für Motiv oder Stil; zusammen mit allen Video- und Audioreferenzen maximal 12 Dateien. Identifiziere diese Bilder im Prompt anhand ihrer Listenposition mit Image 1, Image 2 und folgenden Bezeichnungen. |
| `reference_video_urls` |  | array of video URL | no |  | ≤ 3 items | URLs von Referenzvideos für Bewegung oder andere Eigenschaften, im Prompt anhand ihrer Listenposition mit Video 1, Video 2 und folgenden Bezeichnungen identifiziert. Das gemeinsame Kontingent für Bild-, Video- und Audioreferenzen beträgt 12 Dateien; Videoclips müssen jeweils 2–15 Sekunden lang sein und insgesamt höchstens 15 Sekunden umfassen. |
| `reference_audio_urls` |  | array of audio URL | no |  | ≤ 3 items | Stelle Referenzaudio als URLs bereit und identifiziere die Clips im Prompt mit Audio 1, Audio 2 und folgenden Bezeichnungen. Jeder Clip muss 2–15 Sekunden lang sein, insgesamt sind höchstens 15 Sekunden Audio zulässig. Bild-, Video- und Audioreferenzen können einzeln oder kombiniert bereitgestellt werden, unterliegen jedoch gemeinsam einem Maximum von 12 Dateien. |
| `image_url` | `image` | string (image URL) \| null | no |  | ≥ 1 characters | Optionale Bild-URL, die das exakte Start-Frame festlegt und die Ausgabe-Arbeitsfläche bestimmt. Referenz-Assets bewahren die Konsistenz des Motivs. |
| `middle_image_url` |  | string (image URL) \| null | no |  | ≥ 1 characters | Optionales Leitbild für middle_frame_time, nur bei nativer 480P- oder 768P-Generierung und bei bereitgestelltem Start- und Endbild verfügbar. |
| `middle_frame_time` |  | number \| null | no |  | > 0, < 15 | Zeitposition des mittleren Bildes, nur mit middle_image_url verwendbar und auf Positionen strikt innerhalb des ersten und letzten Frames des angeforderten Videos beschränkt. Gib die seit Beginn verstrichenen Sekunden an; der Wert wird auf das nächste Frame bei 24 fps gerundet. |
| `end_image_url` | `end_image` | string (image URL) \| null | no |  | ≥ 1 characters | Optionale URL für das letzte Bild, die das exakte End-Frame des Videos auf das bereitgestellte Bild festlegt. |
| `duration` |  | number | no | `5` | 0.92 – 15 | Angeforderte Dauer in Sekunden; die tatsächliche Videolänge kann bis zu etwa 0.7 s darüber liegen. |
| `resolution` |  | enum (string) | no | `768P` | `480P`, `768P`, `1080P` | Auswahl der Generierungsauflösung: Für 1080P ist eine latente Verfeinerung des nativ mit 768P generierten Materials erforderlich, statt einer nativen Generierung in der ausgewählten Auflösung. |
| `seed` |  | integer \| null | no |  |  | Seed für die zufällige Generierung; wenn nicht angegeben, wird zufällig einer ausgewählt. |
| `enable_safety_checker` |  | boolean | no | `true` |  | Aktivierung der Sicherheitsprüfung; true aktiviert die Prüfung. |
| `prompt_expansion_mode` |  | string | yes | `balanced` |  | Aufwand für die Prompt-Umschreibung vor der Generierung: 'quality' entwickelt über bis zu etwa 30 s einen ausführlicheren Prompt, während 'balanced' in ungefähr einer Sekunde zurückkehrt. Wähle 'disabled', um die Prompt-Erweiterung zu überspringen. |
| `aspect_ratio` |  | enum (string) | no | `adaptive` | `adaptive`, `21:9`, `16:9`, `4:3`, `1:1`, `3:4`, `9:16` | Seitenverhältnis des Ausgabevideos. |
| `reference_conditions` |  | array of object {type, url} | no |  | ≤ 12 items | Referenzliste als Alternative zu reference_*_urls, niemals zusammen mit diesen. Die Reihenfolge über die Modalitäten hinweg ist bedeutungstragend und wird während der gesamten Verarbeitung beibehalten. |
| `reference_conditions[].type` |  | enum (string) | yes |  | `image`, `video`, `audio` | Modalität der Referenz; die Reihenfolge der Modalitäten in der Liste ist bedeutungstragend. |
| `reference_conditions[].url` |  | string | yes |  | ≥ 1 characters | URL des Referenzmediums. |

File parameters (`images`, `reference_video_urls`, `reference_audio_urls`, `image`, `middle_image_url`, `end_image`) take a public `https://` URL, a `data:` URI up to 10 MB, or the `file_url` of an upload from `POST /files`.

## Example input

Required parameters only:

```json
{
  "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
  "prompt_expansion_mode": "balanced"
}
```

A fuller example:

```json
{
  "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
  "prompt_expansion_mode": "balanced"
}
```

## Run it

Set `DOITONG_API_KEY` to a key from https://doitong.com/developers/dashboard#keys. `?wait=20` returns the finished request in the same call when it is ready within 20 seconds; otherwise poll `GET /requests/{id}` (it also accepts `?wait=`), or pass `webhook_url`.

### curl

```bash
# 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"
```

### JavaScript

```javascript
const API = "https://api.doitong.ru/v1";
const headers = {
  "Authorization": "Bearer " + process.env.DOITONG_API_KEY,
  "Content-Type": "application/json",
};

// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/minimax/h3-max/reference-to-video?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "prompt_expansion_mode": "balanced"
  }),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);

// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
  res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
  request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");
```

### Python

```python
import os
import requests

API = "https://api.doitong.ru/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "prompt_expansion_mode": "balanced",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/minimax/h3-max/reference-to-video", params={"wait": 20}, json=payload, headers=headers)
request = r.json()
if not r.ok:
    raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"])

# Not finished yet: long-poll until it is
while request["status"] in ("queued", "running"):
    request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json()
if request["status"] != "succeeded":
    raise RuntimeError(request["error"])
print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"])
```

### MCP

The MCP server at `https://api.doitong.ru/v1/mcp` exposes the tools `search_models`, `get_model`, `quote`, `run`, `get_request`, `cancel_request`, `list_requests`, `create_upload` and `get_account`. A `run` call for this model:

```json
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "minimax/h3-max/reference-to-video",
      "input": {
        "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
        "prompt_expansion_mode": "balanced"
      },
      "wait_seconds": 20
    }
  }
}
```

## Response

Every call returns a request object. `status` is one of `queued`, `running`, `succeeded`, `failed`, `canceled`. `outputs` lists the generated files with URLs on our storage (kept forever, or 7 days with `?storage=temporary`; `storage` says which); `output` is the model's own result object with the same URLs.

```json
{
  "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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `video` | object {url, content_type, file_name, file_size} | Vom Modell erzeugtes Video. |
| `expanded_prompt` | string \| null | Für das Modell erweiterter Prompt oder null, wenn kein erweiterter Text verfügbar ist. null tritt bei deaktivierter Erweiterung, unveränderter Erweiterung und intern von der gehosteten API des Modells verarbeiteter Erweiterung auf. |
| `seed` | integer | Basis-Seed zur Reproduktion des generierten Ergebnisses. |
| `timings` | object \| null | Zeitmessungen in Sekunden, nur auf Routen verfügbar, die Backend-Zeitmessungen melden; andernfalls null. Der Eintrag 'inference' misst, wie lange die DiT-Entrauschung auf dem GPU-Backend gedauert hat. |

## Related models

- [MiniMax H3 Max Text to Video](https://doitong.com/developers/models/minimax/h3-max/text-to-video.md) (`minimax/h3-max/text-to-video`): from $0.0325 / second of output video
- [H3 Max Camera Controls](https://doitong.com/developers/models/minimax/h3-max/camera-controls.md) (`minimax/h3-max/camera-controls`): from $0.0325 / second
- [H3 Max Image to Video](https://doitong.com/developers/models/minimax/h3-max/image-to-video.md) (`minimax/h3-max/image-to-video`): from $0.0325 / second of output video
- [H3 Max](https://doitong.com/developers/models/minimax/h3-max/insert-video.md) (`minimax/h3-max/insert-video`): from $0.05 / second
- [H3 Max Extend Video](https://doitong.com/developers/models/minimax/h3-max/extend-video.md) (`minimax/h3-max/extend-video`): from $0.05 / second of output video
- [H3 Max Recast](https://doitong.com/developers/models/minimax/h3-max/recast.md) (`minimax/h3-max/recast`): from $0.30 / second of input video
- [H3 Max Reframe](https://doitong.com/developers/models/minimax/h3-max/reframe-video.md) (`minimax/h3-max/reframe-video`): from $0.05 / second of input video
- [H3 Max Relight](https://doitong.com/developers/models/minimax/h3-max/relight.md) (`minimax/h3-max/relight`): from $0.05 / second of input video

## Links

- HTML page: https://doitong.com/developers/models/minimax/h3-max/reference-to-video
- All models and guides for AI agents: https://doitong.com/developers/llms.txt
- OpenAPI 3.1 with this model's typed request body: https://doitong.com/developers/openapi.json?model=minimax/h3-max/reference-to-video
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.ru/v1/models/minimax/h3-max/reference-to-video