# H3 Max Reference to Video API

> H3 Max ווידעא־גענעראַציע וואָס האלט סוביעקטן קאָנסיסטענט מיט רעפֿערענץ־בילדער, ווידעאָס און אַודיאָ־קליפּס

גענערירט ווידעא גיידירט דורך רעפֿערענץ־אַסעץ: ביז 9 בילדער, 3 ווידעאָס און 3 אַודיאָ־קליפּס, מיט לכל־היותר 12 פֿײַלן אינגאַנצן. דער פּראָמפּט רעפֿערט צו זיי ווי Image 1, Video 1, Audio 1 און אַזוי ווײַטער. אַפּשאַנאַלע ערשטע, מיטעלע (`middle_image_url` ביי `middle_frame_time`) און לעצטע ראַמען פֿאַרפעסטיקן אָנהייב, מיט און סוף. `duration` איז 0.92 ביז 15 סעקונדעס, און `aspect_ratio` קען זײַן adaptive.

- 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/yi/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 | ווידעא־גענערירונג־אנווײַזונגען מיט רעפֿערענצן אידענטיפֿיצירט לויט אַסעט־טיפּ און פּאָזיציע אין יעדן רעפֿערענץ־ליסטע, מיט לאַבעלס ווי Audio 1, Video 1, Image 1, Image 2 און ווײַטער. |
| `reference_image_urls` | `images` | array of image URL | no |  | ≤ 9 items | URL־ס פֿון סוביעקט־ אָדער סטיל־רעפֿערענץ־בילדער, מיט אַ געמיינזאַמער מאַקסימום פֿון 12 פֿײַלן צוזאַמען מיט אַלע ווידעא־ און אַודיאָ־רעפֿערענצן. אידענטיפֿיצירט די בילדער אינעם פּראָמפּט לויט ליסטע־פּאָזיציע מיט Image 1, Image 2 און ווײַטערע לאַבעלס. |
| `reference_video_urls` |  | array of video URL | no |  | ≤ 3 items | URL־ס פֿון באַוועגונג־ אָדער אַנדערע רעפֿערענץ־ווידעאָס, אידענטיפֿיצירט אינעם פּראָמפּט לויט ליסטע־פּאָזיציע מיט Video 1, Video 2 און ווײַטערע לאַבעלס. דער געמיינזאַמער לימיט פֿאַר בילד־, ווידעא־ און אַודיאָ־רעפֿערענצן איז 12 פֿײַלן; יעדער ווידעא־קליפּ מוז געדויערן 2–15 סעקונדעס און אינגאַנצן נישט מער ווי 15 סעקונדעס. |
| `reference_audio_urls` |  | array of audio URL | no |  | ≤ 3 items | צושטעלט רעפֿערענץ־אַודיאָ ווי URL־ס און אידענטיפֿיצירט די קליפּס אינעם פּראָמפּט מיט Audio 1, Audio 2 און ווײַטערע לאַבעלס. יעדער קליפּ מוז זײַן 2–15 סעקונדעס לאַנג, מיט נישט מער ווי 15 סעקונדעס אַודיאָ אינגאַנצן. יעדע פֿון די בילד־, ווידעא־ און אַודיאָ־רעפֿערענץ־טיפּן קען ווערן צוגעשטעלט אַליין אָדער צוזאַמען, אונטער אַ געמיינזאַמער מאַקסימום פֿון 12 פֿײַלן. |
| `image_url` | `image` | string (image URL) \| null | no |  | ≥ 1 characters | אָפּציאָנאַלע בילד־URL וואָס דעפֿינירט דעם פּינקטלעכן אָנהייב־ראַם און באַשטימט דעם רעזולטאַט־קאַנוואַס. רעפֿערענץ־אַסעטן האַלטן די קאָנסיסטענץ פֿונעם סוביעקט. |
| `middle_image_url` |  | string (image URL) \| null | no |  | ≥ 1 characters | אָפּציאָנאַלע גיידנדיקע בילד פֿאַר middle_frame_time, בנימצא נאָר מיט געבוירן 480P אָדער 768P גענערירונג און ווען סײַ אַן אָנהייב־בילד סײַ אַן סוף־בילד ווערן צוגעשטעלט. |
| `middle_frame_time` |  | number \| null | no |  | > 0, < 15 | צײַט פֿון מיטל־בילד־פּלייסמענט, ניצלעך נאָר מיט middle_image_url און באַגרענעצט צו פּאָזיציעס שטרענג אינעווייניק צווישן די ערשטע און לעצטע רעמס פֿונעם געבעטן ווידעא. צושטעלט סעקונדעס זינט אָנהייב; דער ווערט ווערט געראַונדעט צום נענסטן 24 fps ראַם. |
| `end_image_url` | `end_image` | string (image URL) \| null | no |  | ≥ 1 characters | אָפּציאָנאַלע URL פֿונעם לעצטן בילד, וואָס פֿעסטיקט דעם פּינקטלעכן סוף־ראַם פֿונעם ווידעא צום צוגעשטעלטן בילד. |
| `duration` |  | number | no | `5` | 0.92 – 15 | געבעטן געדויער אין סעקונדעס, וואָס דערלויבט אַן עכטע ווידעא־לענג ביז בערך 0.7 s איבער דער בקשה. |
| `resolution` |  | enum (string) | no | `768P` | `480P`, `768P`, `1080P` | גענערירונג־רעזאָלוציע: 1080P דאַרף לאַטענטן־פֿײַנפֿאַרבעסערונג פֿון מאַטעריאַל, וואָס איז געבוירן גענערירט געוואָרן אין 768P, אַנשטאָט געבוירן גענערירונג אין דער אויסגעקליבענער רעזאָלוציע. |
| `seed` |  | integer \| null | no |  |  | זוימען פֿאַר צופֿעליקער גענערירונג; אויב עס ווערט נישט צוגעשטעלט, ווערט איינער צופֿעליק אויסגעקליבן. |
| `enable_safety_checker` |  | boolean | no | `true` |  | אַקטיוואַציע פון זיכערקייט־קאָנטראָלער; true דערמעגלעכט קאָנטראָל. |
| `prompt_expansion_mode` |  | string | yes | `balanced` |  | מי פֿאַר פּראָמפּט־איבערשרײַבונג פֿאַר דער גענערירונג: 'quality' אַנטוויקלט אַ רײַכערן פּראָמפּט אין ביז בערך 30s, בשעת 'balanced' קערט צוריק אין בערך אַ סעקונדע. קלײַבט 'disabled' צו לאָזן אויס פּראָמפּט־אויסברייטערונג. |
| `aspect_ratio` |  | enum (string) | no | `adaptive` | `adaptive`, `21:9`, `16:9`, `4:3`, `1:1`, `3:4`, `9:16` | אַספּעקט־ראַטיאָ פונעם רעזולטאַט־ווידעא. |
| `reference_conditions` |  | array of object {type, url} | no |  | ≤ 12 items | רעפֿערענץ־ליסטע צוגעשטעלט ווי אַן אַלטערנאַטיוו צו reference_*_urls, קיינמאָל צוזאַמען מיט זיי. די סדר צווישן מאָדאַליטעטן האָט באַטײַט, דערפֿאַר ווערט די סיקוואַנץ אָפּגעהיט בעת דער גאנצער פּראַסעסינג. |
| `reference_conditions[].type` |  | enum (string) | yes |  | `image`, `video`, `audio` | מאָדאַליטעט פֿונעם רעפֿערענץ; די סדר צווישן מאָדאַליטעטן אין דער ליסטע האָט באַטײַט. |
| `reference_conditions[].url` |  | string | yes |  | ≥ 1 characters | URL פֿון רעפֿערענץ־מעדיע. |

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} | ווידעא געשאַפֿן דורך דעם מאָדעל. |
| `expanded_prompt` | string \| null | פֿאַרן מאָדעל צוגעפּאַסטער אויסגעברייטערטער פּראָמפּט, אָדער null אויב קיין אויסגעברייטערטער טעקסט איז נישט פֿאַראַן. null ווערט גענוצט בײַ disabled אויסברייטערונג, ווען די אויסברייטערונג האָט גאָרנישט געענדערט, אָדער ווען דער מאָדעלס האָסטעד API האָט דאָס אינערלעך באַהאַנדלט. |
| `seed` | integer | באַזע־זוימען גענוצט צו רעפּראָדוצירן דעם גענערירטן רעזולטאַט. |
| `timings` | object \| null | צײַט־מעסטן אויסגעדריקט אין סעקונדעס, בנימצא נאָר אויף רוטעס וואָס מעלדן באַקענד־צײַטן; אַנדערש null. דער 'inference' איינטראָג מעסט ווי לאַנג DiT־דענויזינג האָט געדויערט אויפֿן GPU באַקענד. |

## 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