MiniMax H3 Max Reference to video: Vídeo multimodal em Models and API | RunComfy

curl --request POST \
  --url https://model-api.runcomfy.net/v1/models/minimax/minimax-h3-max/reference-to-video \
  --header "Content-Type: application/json" \
  --header "Authorization: Bearer <token>" \
  --data '{
    "prompt": "Image 1 is the near man; Image 2 is the far man. Keep both faces, hair, and jackets identical to their reference images. Dusk in an empty asphalt parking lot under soft sodium lights. They stand a few meters apart. The near man says flatly: \"So… you actually tried it?\" A beat of wind. The far man answers with a slow half-smile, warm and certain: \"Yeah. I love it.\" The near man exhales and shakes his head once, almost smiling. Static camera, medium wide. Native audio, lip-synced English dialogue, distant traffic hum, wind. No music, no subtitles, no camera movement, no text, no watermark.",
    "prompt_expansion_mode": "balanced",
    "reference_images": [
      "https://playgrounds-storage-public.runcomfy.net/tools/7453/media-files/ref-1.webp",
      "https://playgrounds-storage-public.runcomfy.net/tools/7453/media-files/ref-2.webp"
    ]
  }'

curl --request GET \
  --url https://model-api.runcomfy.net/v1/requests/{request_id}/status \
  --header "Authorization: Bearer <token>"

curl --request GET \
  --url https://model-api.runcomfy.net/v1/requests/{request_id}/result \
  --header "Authorization: Bearer <token>"

curl --request POST \
  --url https://model-api.runcomfy.net/v1/requests/{request_id}/cancel \
  --header "Authorization: Bearer <token>"

{
  "type": "object",
  "title": "Esquema de entrada",
  "required": [
    "prompt",
    "prompt_expansion_mode",
    "reference_images"
  ],
  "properties": {
    "prompt": {
      "title": "Prompt",
      "description": "Descreva a cena, o movimento, a câmera e o áudio. Consulte os ativos como Imagem 1, Imagem 2, Vídeo 1, Áudio 1 e diga o que cada referência fornece.",
      "type": "string",
      "default": "Image 1 is the near man; Image 2 is the far man. Keep both faces, hair, and jackets identical to their reference images. Dusk in an empty asphalt parking lot under soft sodium lights. They stand a few meters apart. The near man says flatly: \"So… you actually tried it?\" A beat of wind. The far man answers with a slow half-smile, warm and certain: \"Yeah. I love it.\" The near man exhales and shakes his head once, almost smiling. Static camera, medium wide. Native audio, lip-synced English dialogue, distant traffic hum, wind. No music, no subtitles, no camera movement, no text, no watermark."
    },
    "reference_images": {
      "title": "Imagens de referência",
      "description": "URLs de imagem de referência de assunto ou estilo, citados no prompt como Imagem 1, Imagem 2 e assim por diante. Combinado com vídeos e áudios, no máximo 12 arquivos de referência.",
      "type": "array",
      "default": [
        "https://playgrounds-storage-public.runcomfy.net/tools/7453/media-files/ref-1.webp",
        "https://playgrounds-storage-public.runcomfy.net/tools/7453/media-files/ref-2.webp"
      ],
      "items": {
        "type": "string",
        "format": "image_uri"
      },
      "maxItems": 12
    },
    "reference_videos": {
      "title": "Vídeos de referência",
      "description": "Clipes de referência de movimento (cerca de 2 a 15s cada; duração combinada de no máximo 15s), citados como Vídeo 1, Vídeo 2. Combinados com imagens e áudios, no máximo 12 arquivos de referência.",
      "type": "array",
      "items": {
        "type": "string",
        "format": "video_uri"
      },
      "maxItems": 12
    },
    "reference_audios": {
      "title": "Áudios de referência",
      "description": "Clipes opcionais de voz ou ambiente (cerca de 2 a 15 segundos cada; duração combinada de no máximo 15 segundos). Não pode ser a única referência; forneça pelo menos uma imagem ou vídeo com eles.",
      "type": "array",
      "items": {
        "type": "string",
        "format": "audio_uri"
      },
      "maxItems": 12
    },
    "aspect_ratio": {
      "title": "Proporção",
      "description": "Proporção de aspecto de saída. adaptive segue o enquadramento de referência quando possível.",
      "type": "string",
      "enum": [
        "adaptive",
        "21:9",
        "16:9",
        "4:3",
        "1:1",
        "3:4",
        "9:16"
      ],
      "default": "adaptive"
    },
    "resolution": {
      "title": "Resolução",
      "description": "Resolução de geração nativa. 480p é mais rápido/barato; 768p é o padrão mais nítido.",
      "type": "string",
      "enum": [
        "480p",
        "768p"
      ],
      "default": "768p"
    },
    "duration": {
      "title": "Duração",
      "description": "Duração do vídeo gerado em segundos (5-15).",
      "type": "integer",
      "minimum": 5,
      "maximum": 15,
      "default": 5
    },
    "prompt_expansion_mode": {
      "title": "Modo de expansão do prompt",
      "description": "Quanto esforço será gasto para reescrever o prompt antes da geração. balanced retorna rapidamente; quality gasta mais tempo em um prompt mais rico.",
      "type": "string",
      "enum": [
        "balanced",
        "quality"
      ],
      "default": "balanced"
    },
    "seed": {
      "title": "Seed",
      "description": "Semente fixa para resultados reproduzíveis. Use -1 para uma semente aleatória.",
      "type": "integer",
      "default": -1
    },
    "enable_safety_checker": {
      "title": "Ativar verificador de segurança",
      "description": "Se definido como verdadeiro, o verificador de segurança será habilitado.",
      "type": "boolean",
      "default": true
    }
  }
}