创建视频生成任务

提交一条视频生成任务。通过 content 数组传入多模态输入（文本 / 图片 / 视频 / 音频），支持文生视频、图生视频（首帧 / 尾帧）与参考生视频。

POSThttps://api.maosika.com/v2/video_generation

三种场景

场景content 里放什么
文生视频text
图生视频（首帧 / 尾帧）text + image_url (first_frame / last_frame)
参考生视频text + reference_image ≤9 / reference_video ≤3 / reference_audio ≤3

图生视频与参考生视频互斥：first_frame / last_frame 不能与 reference_* 同时出现（两套权重不可混用，官方同样如此），同时传会返回 400。

请求头

Authorizationstring必填

Bearer API Key，见「鉴权」。

Content-Typestring必填

固定 application/json。

可选值: application/json

请求体

modelstring必填

模型名，推荐 MiniMax-H3-Max；MiniMax-H3 也可（同一套权重），响应里回显你发的名字。

可选值: MiniMax-H3-Max, MiniMax-H3

contentobject[]必填

多模态输入数组。必须包含至少一个非空 text 项（提示词），其余按 type + role 区分。

typestring必填

项的类型。

可选值: text, image_url, video_url, audio_url

textstring

提示词正文（type=text），多段会按换行拼接，总长 ≤ 7000 字符。

image_url.urlstring

图片地址：https URL 或 data:image/…;base64 数据 URI。JPG / PNG / WEBP / HEIC / HEIF，≤ 30MB，边长 256–5760，宽高比 0.4–2.5。

video_url.urlstring

参考视频地址（type=video_url，role=reference_video）：MP4 / MOV，≤ 50MB，每段 2–15 秒，合计 ≤ 15 秒，最多 3 段。

audio_url.urlstring

参考音频地址（type=audio_url，role=reference_audio）：WAV / MP3，≤ 15MB，每段 2–15 秒，合计 ≤ 15 秒，最多 3 段。

rolestring

素材扮演的角色。图片不写 role 时按 reference_image 处理；first_frame / last_frame 各最多 1 张；reference_image 最多 9 张。

可选值: first_frame, last_frame, reference_image, reference_video, reference_audio

resolutionstring默认: 720P

输出分辨率：480P / 720P / 768P / 2K（2K 交付 2560×1440）。请求 1080P 会按 2K 交付并计费；720P 是我们多提供的档位。

可选值: 480P, 720P, 768P, 2K

durationinteger默认: 5

时长（整数秒）。可交付范围 5–30：4 按 5 出，按实际秒数计费。16–30 秒时 last_frame 会被忽略，参考图最多收 8 张、参考视频与参考音频各最多 2 段（超出的部分忽略），改动都会写进查询响应的 adjustments。

可选值: 4 – 30

ratiostring默认: adaptive

画幅。adaptive 跟随首帧（其次参考图）的宽高比落到最接近的固定档，纯文生时为 9:16。

可选值: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16, adaptive, 3:2, 2:3

callback_urlstring

状态回调地址。创建时会先做 challenge 握手（3 秒内原样回）；之后每次状态变化 POST 一次。见「回调通知」。

extra.prompt_expansion_modestring

官方 H3-Max 的提示词扩写档位；这里忽略。

素材限制

素材限制
图片JPG / PNG / WEBP / HEIC / HEIF；≤ 30MB；边长 256–5760 px；宽高比 0.4–2.5；首帧 + 尾帧各 ≤ 1，参考图 ≤ 9
参考视频MP4 / MOV（H.264 / H.265）；≤ 50MB；23.976–60 fps；每段 2–15 秒，合计 ≤ 15 秒；≤ 3 段
参考音频WAV / MP3；≤ 15MB；每段 2–15 秒，合计 ≤ 15 秒；≤ 3 段

素材 URL 必须是公网可访问的 https 地址（内网地址会被拒绝），或 base64 数据 URI；整个请求体 ≤ 64MB。mm_file:// 不支持。

提示词怎么写

  • 参考素材在提示词里按类型各自从 1 编号：<Picture 1>、<Video 1>、<Audio 1>，顺序就是 content 里出现的顺序。
  • 写画面、动作、镜头、光线与声音；不要写绝对秒数（「第 3 秒转身」这类模型不认）。
  • 中英文都可以；对英文提示词的理解最稳定。

响应

成功返回 {"task_id": "…"}（纯数字串）。参数不合法 400、Key 无效 401、余额不足 402、超过在飞上限或频率 429，信封见「错误码」。

Request
curl --request POST \
  --url https://api.maosika.com/v2/video_generation \
  --header 'Authorization: Bearer <your api key>' \
  --header 'Content-Type: application/json' \
  --data '{
  "model": "MiniMax-H3-Max",
  "content": [
    {
      "type": "text",
      "text": "A cat astronaut floating inside a space station, soft light, cinematic"
    }
  ],
  "resolution": "720P",
  "duration": 5,
  "ratio": "16:9"
}'
Response
{
  "task_id": "1789383217076969"
}

文档目录