Tạo video MiniMax H3

Tạo video MiniMax H3 hoặc H3-Max từ văn bản, media tham chiếu hoặc khung hình đầu và cuối. Lưu id được trả về để kiểm tra tác vụ và tải xuống video đã hoàn tất. POST /v1/videos sử dụng multipart/form-data. Gửi các tùy chọn điều khiển dưới dạng trường biểu mẫu và lặp lại từng trường tham chiếu một lần cho mỗi đầu vào media.

Chọn một model

Đặt model thành một trong các ID model sau. Chọn kích thước request từ bảng model tương ứng trong Thiết lập thời lượng và kích thước.

ID model	Các mức độ phân giải
`minimax-h3`	`768P`, `2K`
`minimax-h3-max`	`480P`, `768P`

Chọn chế độ đầu vào

Cả hai model đều sử dụng các trường bên dưới. Đặt model thành ID model mà bạn đã chọn.

Mục tiêu	Trường bắt buộc	Trường tùy chọn
Chuyển văn bản thành video	`model`, `prompt`	`seconds`, `size`
Hình ảnh tham chiếu	`model`, `prompt`, một hoặc nhiều URL hoặc tệp `input_reference`	`seconds`, `size`
URL, data URI hoặc tệp video tham chiếu	`model`, `prompt`, một hoặc nhiều trường `reference_videos`	`seconds`, `size`
Âm thanh tham chiếu kèm hình ảnh	`model`, `prompt`, `input_reference`, một hoặc nhiều trường `reference_audios`	`seconds`, `size`
URL của khung hình đầu và cuối	`model`, `prompt`, `first_frame`	`last_frame`, `seconds`, `size`
Khung hình đầu và cuối đã tải lên	`model`, `prompt`, `first_frame` tệp	`last_frame` tệp, `seconds`, `size`

Các mẫu request H3-Max bao gồm chuyển văn bản thành video ở cả hai mức độ phân giải, hình ảnh tham chiếu, tham chiếu hình ảnh/video/âm thanh kết hợp, cùng khung hình đầu và cuối.

Sử dụng hình ảnh tham chiếu

Gửi hình ảnh tham chiếu qua input_reference dưới dạng URL HTTPS có thể truy cập công khai hoặc tệp đã tải lên. Với nhiều hình ảnh, hãy lặp lại trường theo thứ tự hình ảnh, với một URL hoặc tệp cho mỗi trường. Chỉ dùng toàn bộ URL hoặc toàn bộ tệp trong trường này. Gửi riêng từng URL thay vì kết hợp các URL thành một giá trị được phân tách bằng dấu phẩy. Bạn có thể gửi tối đa chín hình ảnh tham chiếu PNG hoặc JPEG, dù dùng URL hay tệp đã tải lên. Giữ mỗi hình ảnh đã tải lên ở mức 20 MiB hoặc thấp hơn. Trong Prompt, hãy mô tả các chi tiết trực quan mà video được tạo cần giữ lại.

Sử dụng video và audio tham chiếu

Gửi reference_videos và reference_audios dưới dạng giá trị văn bản multipart hoặc tệp đã tải lên, bằng các định dạng bên dưới. Lặp lại mỗi trường một lần cho mỗi đầu vào, chỉ sử dụng giá trị văn bản hoặc chỉ tệp trong trường đó. Không kết hợp các đầu vào thành một giá trị phân tách bằng dấu phẩy. Các trường khác nhau có thể dùng các loại đầu vào khác nhau, chẳng hạn như URL hình ảnh cùng với tệp audio đã tải lên. Để kết hợp các tham chiếu hình ảnh, video và audio, hãy gửi input_reference, reference_videos và reference_audios trong cùng một yêu cầu.

Trường	Đầu vào	Định dạng
`reference_videos`	URL MP4 HTTPS trực tiếp, có thể truy cập công khai hoặc tệp MP4 đã tải lên	MP4 với video H.264; bản âm thanh AAC là tùy chọn
`reference_videos`	URI dữ liệu Base64 hoàn chỉnh trong một trường văn bản	`data:video/mp4;base64,<BASE64_MP4>`
`reference_audios`	URL MP3 HTTPS trực tiếp, có thể truy cập công khai hoặc tệp MP3 đã tải lên	MP3

Chỉ gửi tối đa 12 đầu vào tham chiếu tổng cộng, bao gồm không quá ba video và ba đoạn audio. Mỗi video hoặc đoạn audio phải dài từ 2–15 giây. Tổng thời lượng video và tổng thời lượng audio đều phải không quá 15 giây. Ghép audio tham chiếu với ít nhất một hình ảnh thông qua input_reference. Mô tả chuyển động, thời điểm hoặc âm thanh mà video được tạo cần tuân theo. Giữ mỗi MP4 đã tải lên ở mức không quá 50 MiB và mỗi MP3 đã tải lên ở mức không quá 15 MiB. Một MiB là 1024 × 1024 byte. Các mẫu yêu cầu ở đầu trang này hiển thị URL MP4, URI dữ liệu MP4 và URL MP3 được ghép với một hình ảnh.

Tải video tham chiếu lên

Tải tệp MP4 lên để định hướng cấu trúc cảnh quay và chuyển động:

curl \
  https://api.cometapi.com/v1/videos \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  --form-string 'model=minimax-h3' \
  --form-string 'prompt=Follow the uploaded reference video shot structure and motion. No text.' \
  --form-string 'seconds=5' \
  --form-string 'size=1344x768' \
  --form 'reference_videos=@/path/to/reference.mp4;type=video/mp4'

Tải audio tham chiếu lên cùng với một hình ảnh

Ghép URL hình ảnh tham chiếu với tệp MP3 đã tải lên:

curl \
  https://api.cometapi.com/v1/videos \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  --form-string 'model=minimax-h3' \
  --form-string 'prompt=Animate the reference image and synchronize the motion with the uploaded reference audio. No text.' \
  --form-string 'seconds=5' \
  --form-string 'size=1344x768' \
  --form-string 'input_reference=https://your-image-host/reference.png' \
  --form 'reference_audios=@/path/to/reference.mp3;type=audio/mpeg'

Đặt khung hình đầu tiên và cuối cùng

Gửi first_frame cho hình ảnh mở đầu và tùy chọn một last_frame cho hình ảnh kết thúc. Mỗi trường chấp nhận một URL PNG HTTPS trực tiếp, có thể truy cập công khai hoặc một tệp PNG đã tải lên. Giữ mỗi PNG đã tải lên ở mức không quá 20 MiB (20 × 1024 × 1024 byte). Không kết hợp các trường khung hình với các trường hình ảnh, video hoặc audio tham chiếu. Hãy dùng một yêu cầu riêng để tạo nội dung dựa trên khung hình. Với đầu vào khung hình, size chọn cấp độ độ phân giải. Dịch vụ có thể chuẩn hóa kích thước đầu ra cuối cùng dựa trên các khung hình được cung cấp. Tiếp tục gửi size ở dạng WxH.

Lưu id được trả về. Thăm dò tác vụ cho đến khi status là completed hoặc failed. Khi tác vụ hoàn tất, hãy tải xuống nội dung video.

Thiết lập thời lượng và kích thước

Đối với cả hai model, hãy đặt seconds thành một số nguyên từ 5 đến 15. Giá trị mặc định là 5 giây. Chọn độ phân giải và tỷ lệ khung hình từ bảng dành cho model của bạn, sau đó gửi giá trị tương ứng Kích thước yêu cầu dưới dạng size theo định dạng WxH. Đối với các yêu cầu văn bản và phương tiện tham chiếu, size chọn cấp độ phân giải và tỷ lệ khung hình. Dịch vụ có thể chuẩn hóa kích thước đầu ra cuối cùng dựa trên kích thước được yêu cầu và phương tiện tham chiếu được cung cấp.

Kích thước cho `minimax-h3`

Sử dụng các kích thước yêu cầu này với model=minimax-h3:

Độ phân giải	Tỷ lệ khung hình	Kích thước yêu cầu
`768P`	`21:9`	`1536x672`
`768P`	`16:9`	`1344x768`
`768P`	`4:3`	`1024x768`
`768P`	`1:1`	`768x768`
`768P`	`3:4`	`768x1024`
`768P`	`9:16`	`768x1344`
`2K`	`21:9`	`2912x1280`
`2K`	`16:9`	`2544x1456`
`2K`	`4:3`	`1920x1440`
`2K`	`1:1`	`1440x1440`
`2K`	`3:4`	`1440x1920`
`2K`	`9:16`	`1440x2560`

Kích thước cho `minimax-h3-max`

Sử dụng các kích thước yêu cầu này với model=minimax-h3-max:

Độ phân giải	Tỷ lệ khung hình	Kích thước yêu cầu
`480P`	`21:9`	`1120x480`
`480P`	`16:9`	`864x480`
`480P`	`4:3`	`640x480`
`480P`	`1:1`	`480x480`
`480P`	`3:4`	`480x640`
`480P`	`9:16`	`480x864`
`768P`	`21:9`	`1792x768`
`768P`	`16:9`	`1360x768`
`768P`	`4:3`	`1024x768`
`768P`	`1:1`	`768x768`
`768P`	`3:4`	`768x1024`
`768P`	`9:16`	`768x1360`

Luồng tác vụ

Tạo tác vụ

Gửi yêu cầu biểu mẫu multipart và lưu trữ id được trả về.

Thăm dò tác vụ

Gọi Truy xuất video MiniMax H3 cho đến khi status là completed hoặc failed.

Tải xuống kết quả

Khi tác vụ ở trạng thái completed, hãy gọi Tải xuống nội dung video MiniMax H3 để lưu tệp MP4.

Ủy quyền

Authorization

string

header

bắt buộc

Bearer authentication. Use your CometAPI API key.

Nội dung

multipart/form-data

model

enum<string>

mặc định:minimax-h3

bắt buộc

Model ID for the video task. Use minimax-h3 for 768P or 2K, or minimax-h3-max for 480P or 768P. Choose size from the matching model table.

Tùy chọn có sẵn:

minimax-h3,

minimax-h3-max

prompt

string

mặc định:A paper boat glides across a still pond, daylight, locked camera, no text.

bắt buộc

Text that describes the scene, motion, camera behavior, and visual details that the video should preserve.

Minimum string length: 1

seconds

integer

mặc định:5

Requested clip duration in whole seconds. Use an integer from 5 through 15. The default is 5.

Phạm vi bắt buộc: 5 <= x <= 15

size

string

Requested size in WxH form. For text and reference-media requests, size selects the resolution tier and framing aspect ratio. With first or last frames, size selects the resolution tier. Use the matching model table: minimax-h3 uses 768P or 2K; minimax-h3-max uses 480P or 768P. For example, use 1344x768 for H3 at 768P, 864x480 for H3-Max at 480P, or 1360x768 for H3-Max at 768P. The service can normalize the final output dimensions.

Pattern: ^[1-9][0-9]*x[1-9][0-9]*$

Ví dụ:

"1536x672"

"1344x768"

"1024x768"

"768x768"

"768x1024"

"768x1344"

"2912x1280"

"2544x1456"

"1920x1440"

"1440x1440"

"1440x1920"

"1440x2560"

"1120x480"

"864x480"

"640x480"

"480x480"

"480x640"

"480x864"

"1792x768"

"1360x768"

"768x1360"

input_reference

PNG or JPEG reference images. Repeat input_reference with one publicly accessible HTTPS image URL or uploaded image file per field. Send up to nine reference images, whether you use URLs or uploaded files. Use all URLs or all files within this field. Do not combine URLs into a comma-separated value. Keep each uploaded image at or below 20 MiB. Do not combine this field with first_frame or last_frame. Across images, videos, and audio, send at most 12 reference inputs. Each reference video or audio clip must be 2–15 seconds; keep the combined video duration and combined audio duration at or below 15 seconds each. Submit images in the order you want to reference them in the prompt.

Pattern: ^https://

reference_videos

(string<uri> | file)[]

Reference video inputs. Repeat reference_videos with a direct publicly accessible HTTPS MP4 URL or an uploaded MP4 file. Use only text values or only files within this field. Each uploaded file can be up to 50 MiB. Send no more than three video inputs. A complete data:video/mp4;base64,... URI is also accepted as a text value. Use MP4 with H.264 video; an AAC audio track is optional. Do not combine this field with first_frame or last_frame. Across images, videos, and audio, send at most 12 reference inputs. Each reference video or audio clip must be 2–15 seconds; keep the combined video duration and combined audio duration at or below 15 seconds each.

Required array length: 1 - 3 elements

Pattern: ^(https://|data:video/mp4;base64,)

Ví dụ:

"https://your-media-host/reference.mp4"

reference_audios

(string<uri> | file)[]

Reference audio inputs. Repeat reference_audios with a direct publicly accessible HTTPS MP3 URL or an uploaded MP3 file. Use only text values or only files within this field. Each uploaded file can be up to 15 MiB. Send no more than three audio inputs. Pair reference audio with at least one reference image. Do not combine this field with first_frame or last_frame. Across images, videos, and audio, send at most 12 reference inputs. Each reference video or audio clip must be 2–15 seconds; keep the combined video duration and combined audio duration at or below 15 seconds each.

Required array length: 1 - 3 elements

Pattern: ^https://

Ví dụ:

"https://your-media-host/reference.mp3"

first_frame

Opening frame input as one direct publicly accessible HTTPS PNG URL or one uploaded PNG file at or below 20 MiB (20 x 1024 x 1024 bytes). Do not combine frame fields with reference media fields.

Pattern: ^https://

Ví dụ:

"https://your-image-host/first-frame.png"

last_frame

Optional ending frame input, used with first_frame, as one direct publicly accessible HTTPS PNG URL or one uploaded PNG file at or below 20 MiB (20 x 1024 x 1024 bytes). Do not combine frame fields with reference media fields.

Pattern: ^https://

Ví dụ:

"https://your-image-host/last-frame.png"

Phản hồi

200 - application/json

Task created. Store the returned id and use it in retrieve and content requests.

string

bắt buộc

Task ID. Use this value as task_id in retrieve and content requests.

Ví dụ:

"<task_id>"

object

string

bắt buộc

Object type for the asynchronous video task.

Allowed value: "video"

model

enum<string>

bắt buộc

Model ID that the task uses.

Tùy chọn có sẵn:

minimax-h3,

minimax-h3-max

status

enum<string>

bắt buộc

Task lifecycle status. Poll until the value is completed or failed.

Tùy chọn có sẵn:

queued,

in_progress,

completed,

failed

progress

integer

bắt buộc

Task progress as a coarse percentage.

Phạm vi bắt buộc: 0 <= x <= 100

created_at

integer<int64>

bắt buộc

Task creation time as a Unix timestamp in seconds.

task_id

string

Compatibility alias for id. This field can be omitted from retrieve responses.

Ví dụ:

"<task_id>"

completed_at

integer<int64>

Unix timestamp returned by the platform. Use status, not this field, to decide when polling can stop.

expires_at

integer<int64>

Result expiration time as a Unix timestamp in seconds when the task provides one.

video_url

string<uri>

Video delivery URL. This field appears on completed tasks.

Ví dụ:

"https://your-media-host/result.mp4"

error

object

Failure details. This field appears when the task fails.

Show child attributes

Kiểm duyệt nội dung

Khóa API

Chọn một model

Chọn chế độ đầu vào

Sử dụng hình ảnh tham chiếu

Sử dụng video và audio tham chiếu

Tải video tham chiếu lên

Tải audio tham chiếu lên cùng với một hình ảnh

Đặt khung hình đầu tiên và cuối cùng

Thiết lập thời lượng và kích thước

Kích thước cho `minimax-h3`

Kích thước cho `minimax-h3-max`

Luồng tác vụ

Ủy quyền

Nội dung

Phản hồi

​Chọn một model

​Chọn chế độ đầu vào

​Sử dụng hình ảnh tham chiếu

​Sử dụng video và audio tham chiếu

​Tải video tham chiếu lên

​Tải audio tham chiếu lên cùng với một hình ảnh

​Đặt khung hình đầu tiên và cuối cùng

​Thiết lập thời lượng và kích thước

​Kích thước cho minimax-h3

​Kích thước cho minimax-h3-max

​Luồng tác vụ

Ủy quyền

Nội dung

Phản hồi

Chọn một model

Chọn chế độ đầu vào

Sử dụng hình ảnh tham chiếu

Sử dụng video và audio tham chiếu

Tải video tham chiếu lên

Tải audio tham chiếu lên cùng với một hình ảnh

Đặt khung hình đầu tiên và cuối cùng

Thiết lập thời lượng và kích thước

Kích thước cho `minimax-h3`

Kích thước cho `minimax-h3-max`

Luồng tác vụ