# H3 Max Reference to Video API

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

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.

- 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/fa/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 | 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_urls` | `images` | array of image URL | no |  | ≤ 9 items | 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_urls` |  | array of video URL | no |  | ≤ 3 items | 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_urls` |  | array of audio URL | no |  | ≤ 3 items | 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` | `image` | string (image URL) \| null | no |  | ≥ 1 characters | URL تصویر اختیاری که فریم آغازین دقیق و بوم خروجی را تعیین می‌کند. دارایی‌های مرجع سازگاری سوژه را حفظ می‌کنند. |
| `middle_image_url` |  | string (image URL) \| null | no |  | ≥ 1 characters | 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_time` |  | number \| null | no |  | > 0, < 15 | 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_url` | `end_image` | string (image URL) \| null | no |  | ≥ 1 characters | URL تصویر پایانی اختیاری که فریم پایانی دقیق ویدیو را روی تصویر ارائه‌شده ثابت می‌کند. |
| `duration` |  | number | no | `5` | 0.92 – 15 | مدت درخواست‌شده برحسب ثانیه؛ طول واقعی ویدیو می‌تواند تقریباً تا 0.7 s بیشتر از آن باشد. |
| `resolution` |  | enum (string) | no | `768P` | `480P`, `768P`, `1080P` | انتخاب وضوح تولید: 1080P به پالایش نهفتهٔ محتوای تولیدشده به‌صورت بومی در 768P نیاز دارد، نه تولید بومی در وضوح انتخاب‌شده. |
| `seed` |  | integer \| null | no |  |  | Seed برای تولید تصادفی؛ در صورت حذف، یک مقدار به‌صورت تصادفی انتخاب می‌شود. |
| `enable_safety_checker` |  | boolean | no | `true` |  | فعال‌سازی بررسی‌کننده ایمنی؛ true بررسی را فعال می‌کند. |
| `prompt_expansion_mode` |  | string | yes | `balanced` |  | 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_ratio` |  | enum (string) | no | `adaptive` | `adaptive`, `21:9`, `16:9`, `4:3`, `1:1`, `3:4`, `9:16` | نسبت تصویر ویدیوی خروجی. |
| `reference_conditions` |  | array of object {type, url} | no |  | ≤ 12 items | 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[].type` |  | enum (string) | yes |  | `image`, `video`, `audio` | حالت ارجاع؛ ترتیب بین حالت‌ها در فهرست معنا دارد. |
| `reference_conditions[].url` |  | string | yes |  | ≥ 1 characters | URL رسانهٔ ارجاعی. |

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} | ویدیوی تولیدشده توسط مدل. |
| `expanded_prompt` | string \| null | پرامپت 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` | integer | Seed پایه برای بازتولید نتیجهٔ تولیدشده. |
| `timings` | object \| null | اندازه‌گیری‌های 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. |

## 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