# H3 Max Reference to Video API

> ကိုးကားပုံများ၊ ဗီဒီယိုများနှင့် အသံကလစ်များကို အသုံးပြု၍ အကြောင်းအရာများ တသမတ်တည်းဖြစ်အောင် ထိန်းသိမ်းပေးသော H3 Max ဗီဒီယိုဖန်တီးမှု

ကိုးကားပစ္စည်းများဖြင့် လမ်းညွှန်ထားသော ဗီဒီယိုကို ဖန်တီးပေးသည်—ပုံ 9 ပုံအထိ၊ ဗီဒီယို 3 ခုနှင့် အသံကလစ် 3 ခု၊ ဖိုင်စုစုပေါင်း အများဆုံး 12 ခု။ ပရောမ့်တွင် ၎င်းတို့ကို Image 1၊ Video 1၊ Audio 1 စသည်ဖြင့် ရည်ညွှန်းသည်။ ရွေးချယ်နိုင်သော ပထမ၊ အလယ် (`middle_image_url` ကို `middle_frame_time` တွင်) နှင့် နောက်ဆုံးဖရိမ်များက အစ၊ အလယ်နှင့် အဆုံးကို သတ်မှတ်ပေးသည်။ `duration` သည် 0.92 မှ 15 စက္ကန့်အထိ ဖြစ်ပြီး `aspect_ratio` သည် adaptive ဖြစ်နိုင်သည်။

- 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/my/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 | ရည်ညွှန်းစာရင်းတစ်ခုစီအတွင်းရှိ asset အမျိုးအစားနှင့် နေရာဖြင့် ခွဲခြားသတ်မှတ်ထားသော ရည်ညွှန်းချက်များပါဝင်သည့် ဗီဒီယိုဖန်တီးမှု ညွှန်ကြားချက်များ။ Audio 1, Video 1, Image 1, Image 2 စသည့် label များကို အသုံးပြုသည်။ |
| `reference_image_urls` | `images` | array of image URL | no |  | ≤ 9 items | အကြောင်းအရာ သို့မဟုတ် စတိုင်ရည်ညွှန်းပုံ URL များ။ ဗီဒီယိုနှင့် အသံရည်ညွှန်းချက်များအားလုံးနှင့်အတူ ဖိုင် 12 ခုအများဆုံး ကန့်သတ်ချက်ကို မျှဝေသည်။ ဤပုံများကို ပရောမ့်ထဲတွင် စာရင်းနေရာအလိုက် Image 1, Image 2 နှင့် နောက်ဆက်တွဲ label များဖြင့် ခွဲခြားသတ်မှတ်ပါ။ |
| `reference_video_urls` |  | array of video URL | no |  | ≤ 3 items | ပရောမ့်ထဲတွင် စာရင်းနေရာအလိုက် Video 1, Video 2 နှင့် နောက်ဆက်တွဲ label များဖြင့် ခွဲခြားသတ်မှတ်ထားသော လှုပ်ရှားမှု သို့မဟုတ် အခြားရည်ညွှန်းဗီဒီယို URL များ။ ပုံ၊ ဗီဒီယိုနှင့် အသံရည်ညွှန်းချက်များအတွက် မျှဝေကန့်သတ်ချက်မှာ ဖိုင် 12 ခုဖြစ်သည်။ ဗီဒီယိုကလစ်တစ်ခုစီသည် 2–15 စက္ကန့်ကြာရမည်ဖြစ်ပြီး စုစုပေါင်း 15 စက္ကန့်ထက် မပိုရပါ။ |
| `reference_audio_urls` |  | array of audio URL | no |  | ≤ 3 items | ရည်ညွှန်းအသံကို URL များအဖြစ် ပေးပြီး ပရောမ့်ထဲတွင် Audio 1, Audio 2 နှင့် နောက်ဆက်တွဲ label များဖြင့် ကလစ်များကို ခွဲခြားသတ်မှတ်ပါ။ ကလစ်တစ်ခုစီသည် 2–15 စက္ကန့်ကြာရမည်ဖြစ်ပြီး အသံစုစုပေါင်း 15 စက္ကန့်ထက် မပိုရပါ။ ပုံ၊ ဗီဒီယိုနှင့် အသံရည်ညွှန်းအမျိုးအစားများကို တစ်မျိုးတည်း သို့မဟုတ် ပေါင်းစပ်၍ ပေးနိုင်ပြီး ဖိုင် 12 ခုအများဆုံး မျှဝေကန့်သတ်ချက်အောက်တွင် ရှိရမည်။ |
| `image_url` | `image` | string (image URL) \| null | no |  | ≥ 1 characters | အတိအကျ အစဖရိမ်ကို သတ်မှတ်ပြီး ထွက်ရလဒ် canvas ကို ဆုံးဖြတ်ပေးသည့် ရွေးချယ်နိုင်သော ပုံ URL။ ရည်ညွှန်း asset များသည် အကြောင်းအရာတစ်သမတ်တည်းဖြစ်မှုကို ထိန်းသိမ်းသည်။ |
| `middle_image_url` |  | string (image URL) \| null | no |  | ≥ 1 characters | middle_frame_time အတွက် ရွေးချယ်နိုင်သော လမ်းညွှန်ပုံ။ native 480P သို့မဟုတ် 768P ဖန်တီးမှုနှင့် အစပုံ၊ အဆုံးပုံ နှစ်ခုစလုံး ပေးထားသည့်အခါတွင်သာ ရရှိနိုင်သည်။ |
| `middle_frame_time` |  | number \| null | no |  | > 0, < 15 | အလယ်ပုံထားရှိမည့်အချိန်။ middle_image_url နှင့်သာ အသုံးပြုနိုင်ပြီး တောင်းဆိုထားသော ဗီဒီယို၏ ပထမနှင့် နောက်ဆုံးဖရိမ်များအတွင်း အတိအကျမဟုတ်သော နေရာများတွင်သာ သတ်မှတ်နိုင်သည်။ အစမှ ကုန်ဆုံးသွားသော စက္ကန့်များကို ပေးပါ။ တန်ဖိုးကို အနီးဆုံး 24 fps ဖရိမ်သို့ လှည့်ပတ်ပြောင်းသည်။ |
| `end_image_url` | `end_image` | string (image URL) \| null | no |  | ≥ 1 characters | ပေးထားသောပုံအတိုင်း ဗီဒီယို၏ အတိအကျအဆုံးဖရိမ်ကို သတ်မှတ်ပေးသည့် ရွေးချယ်နိုင်သော နောက်ဆုံးပုံ URL။ |
| `duration` |  | number | no | `5` | 0.92 – 15 | တောင်းဆိုထားသော ကြာချိန်ကို စက္ကန့်ဖြင့် သတ်မှတ်သည်။ ထိုတောင်းဆိုချက်ထက် ခန့်မှန်းခြေ 0.7 s အထိ ပိုရှည်သော အမှန်တကယ် ဗီဒီယိုအရှည်ကို ခွင့်ပြုသည်။ |
| `resolution` |  | enum (string) | no | `768P` | `480P`, `768P`, `1080P` | ဖန်တီးမှု ရုပ်ထွက်အရည်အသွေး ရွေးချယ်မှု။ 1080P သည် ရွေးချယ်ထားသော ရုပ်ထွက်အရည်အသွေးတွင် native ဖန်တီးခြင်းမဟုတ်ဘဲ 768P ဖြင့် native ဖန်တီးထားသော အကြောင်းအရာကို latent refinement လုပ်ရန် လိုအပ်သည်။ |
| `seed` |  | integer \| null | no |  |  | ကျပန်းဖန်တီးမှုအတွက် seed။ မပေးထားပါက ကျပန်းရွေးချယ်သည်။ |
| `enable_safety_checker` |  | boolean | no | `true` |  | လုံခြုံရေးစစ်ဆေးမှု ဖွင့်ခြင်း၊ true သည် စစ်ဆေးမှုကို ဖွင့်ပေးသည်။ |
| `prompt_expansion_mode` |  | string | yes | `balanced` |  | ဖန်တီးမီ ပရောမ့်ပြန်လည်ရေးသားမှု အားထုတ်မှု။ 'quality' သည် ခန့်မှန်းခြေအားဖြင့် 30s အထိ အသေးစိတ်သော ပရောမ့်ကို ပြင်ဆင်ပြီး 'balanced' သည် ခန့်မှန်းခြေအားဖြင့် တစ်စက္ကန့်အတွင်း ပြန်ပေးသည်။ ပရောမ့်ချဲ့ထွင်မှုကို မသုံးရန် 'disabled' ကို ရွေးပါ။ |
| `aspect_ratio` |  | enum (string) | no | `adaptive` | `adaptive`, `21:9`, `16:9`, `4:3`, `1:1`, `3:4`, `9:16` | ထွက်ရလဒ်ဗီဒီယို၏ aspect ratio။ |
| `reference_conditions` |  | array of object {type, url} | no |  | ≤ 12 items | reference_*_urls အစားထိုးအဖြစ် ပေးရသော ရည်ညွှန်းစာရင်း။ ၎င်းတို့နှင့်အတူ တစ်ပြိုင်နက် မသုံးရပါ။ modality များအကြား အစီအစဉ်သည် အဓိပ္ပာယ်ရှိသောကြောင့် လုပ်ဆောင်မှုတစ်လျှောက် အစီအစဉ်ကို ထိန်းသိမ်းထားသည်။ |
| `reference_conditions[].type` |  | enum (string) | yes |  | `image`, `video`, `audio` | ရည်ညွှန်းချက်၏ modality။ စာရင်းအတွင်း modality များအကြား အစီအစဉ်သည် အဓိပ္ပာယ်ရှိသည်။ |
| `reference_conditions[].url` |  | string | yes |  | ≥ 1 characters | ရည်ညွှန်းမီဒီယာ၏ URL။ |

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} | မော်ဒယ်က ထုတ်လုပ်သည့် ဗီဒီယို။ |
| `expanded_prompt` | string \| null | မော်ဒယ်အတွက် အသင့်ပြင်ထားသော ချဲ့ထွင်ပရောမ့်၊ သို့မဟုတ် ချဲ့ထွင်ထားသော စာသားမရှိပါက null။ expansion ပိတ်ထားခြင်း၊ ပြောင်းလဲမှုမဖြစ်စေသော expansion နှင့် မော်ဒယ်၏ hosted API အတွင်း ကိုင်တွယ်ထားသော expansion များတွင် null ဖြစ်သည်။ |
| `seed` | integer | ဖန်တီးထားသော ရလဒ်ကို ပြန်လည်ထုတ်လုပ်ရန် အသုံးပြုသည့် အခြေခံ seed။ |
| `timings` | object \| null | စက္ကန့်ဖြင့် ဖော်ပြထားသော အချိန်တိုင်းတာချက်များဖြစ်ပြီး backend အချိန်တိုင်းတာချက်များကို အစီရင်ခံသည့် လမ်းကြောင်းများတွင်သာ ရရှိနိုင်သည်။ မဟုတ်ပါက null ဖြစ်သည်။ 'inference' entry သည် GPU backend တွင် DiT denoising လုပ်ရန် ကြာချိန်ကို တိုင်းတာသည်။ |

## 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