কনটেন্টে যান

MiniMax H3 Image to Video Audio LoRA Trainer

ইন্টিগ্রেট করুন

মডেল id minimax/h3/i2v/trainer
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://vit.doitong.com/api/v1/run/minimax/h3/i2v/trainer?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "training_data_url": "https://example.com/your-file.zip"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://vit.doitong.com/api/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

এই অনুরোধ: ২০.০০$ ২০,০০০ API ক্রেডিট এই পেজে চালান

API কী পান
MiniMax প্রশিক্ষণ ১–৬০ s #utility#editing

ভিডিও ক্লিপ থেকে অডিওসহ প্রথম-ফ্রেম image-to-video শেখানোর LoRA ট্রেইনার

MiniMax · ফাইল

আপনার প্রথম ফলাফল এখানে আসবে

নিচে একটি রিকোয়েস্ট তৈরি করে আপনার API কী দিয়ে চালান। আউটপুট আমাদের স্টোরেজে কপি করা হয়, চিরকাল বা বিনামূল্যে ৭ দিন পর্যন্ত রাখা হয়।

একটি অনুরোধ তৈরি করুন

মডেল স্কিমা থেকে কন্ট্রোল তৈরি করা হয়। এগুলো পরিবর্তন করলে কোড ও মূল্য আপডেট হয়।

resolution ডিফল্ট medium

প্রশিক্ষণ রেজোলিউশন। রেজোলিউশন বাড়ালে মেমরির প্রয়োজনীয়তা বাড়ে।

aspect_ratio ডিফল্ট 16:9

MiniMax H3 API-এর মাধ্যমে উপলভ্য একই সেট থেকে প্রশিক্ষণের অ্যাসপেক্ট রেশিও বেছে নিন।

•আবশ্যক

.mp4, .mov, .avi বা .mkv ফরম্যাটের প্রশিক্ষণ ভিডিওসহ একটি ZIP-এর URL; অন্তত 10টি ক্লিপ প্রস্তাবিত, এবং বড় সংগ্রহ বেশি উপযোগী। ছবি প্রশিক্ষণ মিডিয়া হতে পারে না: শুধু ছবি থাকা ডেটাসেট এবং প্রশিক্ষণের ছবি ও ভিডিও মেশানো আর্কাইভ প্রত্যাখ্যাত হয়, যদিও কিছু এন্ডপয়েন্টে conditioning sidecar হিসেবে ছবি অনুমোদিত। ঐচ্ছিক caption ফাইল ক্লিপগুলোর সঙ্গে থাকতে পারে, যেখানে প্রতিটি টেক্সট ফাইল তার ভিডিওর base name শেয়ার করে।

ডিফল্ট 2000

প্রশিক্ষণ ধাপের মোট সংখ্যা।

অ্যাডভান্সড rank · trigger_phrase · learning_rate · number_of_frames · frame_rate · first_frame_conditioning_p · split_input_duration_threshold · auto_scale_input · split_input_into_scenes · debug_dataset · strict_dataset
rank ডিফল্ট 32

LoRA অ্যাডাপ্টেশনের র‍্যাঙ্ক, সেটিং বাড়লে বেশি মেমরি ব্যবহারের বিনিময়ে বেশি সক্ষমতা দেয়।

ডিফল্ট

LoRA স্টাইল সক্রিয়করণ বাক্যাংশ, প্রশিক্ষণের সময় ক্যাপশনের শুরুতে যোগ করা হয়।

ডিফল্ট 0.0002

Optimization learning rate, যা বাড়ালে training দ্রুত হওয়ার সম্ভাবনা এবং overfitting-এর ঝুঁকির মধ্যে ভারসাম্য বজায় রাখে।

ডিফল্ট 73

প্রতিটি প্রশিক্ষণ নমুনার ফ্রেম সংখ্যা; এটিকে 17 দিয়ে ভাগ করলে অবশিষ্ট 5 হতে হবে। উদাহরণ: 22, 39, 56, 73, 90, 107 এবং 124।

ডিফল্ট 24

লক্ষ্য ভিডিও ফ্রেম রেট, প্রতি সেকেন্ডে ফ্রেম সংখ্যায় পরিমাপ করা হয়।

ডিফল্ট 0.5

Training-এ first-frame conditioning কত ঘন ঘন ব্যবহার করা হয় তা বাড়িয়ে image-to-video performance উন্নত করে; এই মানটি সেই probability নির্ধারণ করে।

ডিফল্ট 30

সেকেন্ডে প্রকাশ করা সিন-বিভাজনের ট্রিগার: কেবল সীমার চেয়ে দীর্ঘ ভিডিও বিভক্ত হয়।

POST /run/minimax/h3/i2v/trainer?wait=20 মূল্য → ২০.০০$
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://vit.doitong.com/api/v1/run/minimax/h3/i2v/trainer?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "training_data_url": "https://example.com/your-file.zip"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://vit.doitong.com/api/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

এই অনুরোধ চালান

আপনার key এই ব্রাউজারেই থাকে: এটি শুধু Doitong API-তে পাঠানো হয় এবং Remember টিক দিলে কেবল localStorage-এ সংরক্ষিত হয়। একটি API কী পান

MiniMax H3 Image to Video Audio LoRA Trainer সম্পর্কে

`training_data_url`-এ থাকা ভিডিও ক্লিপের একটি zip থেকে একটি LoRA প্রশিক্ষণ দেয়, প্রথম-ফ্রেম কন্ডিশনিং ব্যবহার করে যাতে একটি স্থির ছবি ভিডিওতে অ্যানিমেট হতে পারে। ডেটাসেটে শুধু ভিডিও থাকতে হবে। সেটিংসের মধ্যে রয়েছে 8 থেকে 128-এর `rank`, সর্বোচ্চ 15000-এর `number_of_steps`, 22 থেকে 124-এর `number_of_frames`, 8 থেকে 60-এর `frame_rate` এবং একটি `trigger_phrase`। LoRA ওয়েটস ও একটি config ফাইল আউটপুট করে।

প্যারামিটার

নামধরন ডিফল্টঅনুমোদিত বিবরণ
training_data_urlআবশ্যক
ধরনstring
.mp4, .mov, .avi বা .mkv ফরম্যাটের প্রশিক্ষণ ভিডিওসহ একটি ZIP-এর URL; অন্তত 10টি ক্লিপ প্রস্তাবিত, এবং বড় সংগ্রহ বেশি উপযোগী। ছবি প্রশিক্ষণ মিডিয়া হতে পারে না: শুধু ছবি থাকা ডেটাসেট এবং প্রশিক্ষণের ছবি ও ভিডিও মেশানো আর্কাইভ প্রত্যাখ্যাত হয়, যদিও কিছু এন্ডপয়েন্টে conditioning sidecar হিসেবে ছবি অনুমোদিত। ঐচ্ছিক caption ফাইল ক্লিপগুলোর সঙ্গে থাকতে পারে, যেখানে প্রতিটি টেক্সট ফাইল তার ভিডিওর base name শেয়ার করে।
rankঐচ্ছিক
ধরনenum
ডিফল্ট32
8163264128
LoRA অ্যাডাপ্টেশনের র‍্যাঙ্ক, সেটিং বাড়লে বেশি মেমরি ব্যবহারের বিনিময়ে বেশি সক্ষমতা দেয়।
number_of_stepsঐচ্ছিক
ধরনinteger
ডিফল্ট2000
১ – ১৫,০০০
প্রশিক্ষণ ধাপের মোট সংখ্যা।
learning_rateঐচ্ছিক
ধরনnumber
ডিফল্ট0.0002
০.০০০০০১ – ১
Optimization learning rate, যা বাড়ালে training দ্রুত হওয়ার সম্ভাবনা এবং overfitting-এর ঝুঁকির মধ্যে ভারসাম্য বজায় রাখে।
number_of_framesঐচ্ছিক
ধরনinteger
ডিফল্ট73
২২ – ১২৪
প্রতিটি প্রশিক্ষণ নমুনার ফ্রেম সংখ্যা; এটিকে 17 দিয়ে ভাগ করলে অবশিষ্ট 5 হতে হবে। উদাহরণ: 22, 39, 56, 73, 90, 107 এবং 124।
frame_rateঐচ্ছিক
ধরনinteger
ডিফল্ট24
৮ – ৬০
লক্ষ্য ভিডিও ফ্রেম রেট, প্রতি সেকেন্ডে ফ্রেম সংখ্যায় পরিমাপ করা হয়।
resolutionঐচ্ছিক
ধরনenum
ডিফল্টmedium
lowmediumhigh
প্রশিক্ষণ রেজোলিউশন। রেজোলিউশন বাড়ালে মেমরির প্রয়োজনীয়তা বাড়ে।
aspect_ratioঐচ্ছিক
ধরনenum
ডিফল্ট16:9
21:916:94:31:13:49:16
MiniMax H3 API-এর মাধ্যমে উপলভ্য একই সেট থেকে প্রশিক্ষণের অ্যাসপেক্ট রেশিও বেছে নিন।
trigger_phraseঐচ্ছিক
ধরনstring
ডিফল্ট
LoRA স্টাইল সক্রিয়করণ বাক্যাংশ, প্রশিক্ষণের সময় ক্যাপশনের শুরুতে যোগ করা হয়।
first_frame_conditioning_pঐচ্ছিক
ধরনnumber
ডিফল্ট0.5
০ – ১
Training-এ first-frame conditioning কত ঘন ঘন ব্যবহার করা হয় তা বাড়িয়ে image-to-video performance উন্নত করে; এই মানটি সেই probability নির্ধারণ করে।
auto_scale_inputঐচ্ছিক
ধরনboolean
ডিফল্টfalse
স্বয়ংক্রিয় ভিডিও স্কেলিংয়ের মাধ্যমে লক্ষ্য fps ও ফ্রেম সংখ্যা মিলবে কি না; true এই সমন্বয় সক্রিয় করে।
split_input_into_scenesঐচ্ছিক
ধরনboolean
ডিফল্টtrue
নির্দিষ্ট সময়সীমা অতিক্রম করা ভিডিওগুলোর জন্য দৃশ্য বিভাজন; true হলে সক্রিয়।
split_input_duration_thresholdঐচ্ছিক
ধরনnumber
ডিফল্ট30
১ – ৬০
সেকেন্ডে প্রকাশ করা সিন-বিভাজনের ট্রিগার: কেবল সীমার চেয়ে দীর্ঘ ভিডিও বিভক্ত হয়।
debug_datasetঐচ্ছিক
ধরনboolean
ডিফল্টfalse
সম্পূর্ণ প্রশিক্ষণ চালানোর আগে ভিডিও, ছবি ও ক্যাপশন পরীক্ষা করার প্রিপ্রসেসিং পরিদর্শন মোড। সক্রিয় করলে ট্রেইনার প্রক্রিয়াকৃত প্রশিক্ষণ ডেটাসেট একটি ডাউনলোডযোগ্য আর্কাইভে ফেরত দেয়, যাতে ম্যানুয়ালি পর্যালোচনা করা যায়।
strict_datasetঐচ্ছিক
ধরনboolean
ডিফল্টfalse
প্রিপ্রসেসিংয়ের সমস্যাগুলো কঠোরভাবে পরিচালনা করুন, যেগুলো অন্যথায় লগ হয়ে নথিভুক্ত fallback ব্যবহার করে সমাধান করা হতো। এটি সক্রিয় করলে blank প্রম্পট প্রয়োজন এমন caption, অনুপস্থিত sidecar keyframe এবং পড়া যায় না এমন অডিওযুক্ত ভিডিও প্রত্যাখ্যাত হয়; যথাক্রমে blank প্রম্পট, একটি ক্লিপের ফ্রেম বা নীরবতা দিয়ে প্রতিস্থাপন করা হয় না।
আবশ্যক

আউটপুট

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/h3/i2v/trainer",
  "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": 20000,
    "usd": "20.00",
    "charged": 20000,
    "refunded": 0
  },
  "input": {
    "training_data_url": "https://example.com/your-file.zip"
  },
  "output": {
    "lora_file": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    },
    "config_file": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    },
    "debug_dataset": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "file",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_size": 1843200,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://vit.doitong.com/api/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://vit.doitong.com/api/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
আপনার ফাইল, আপনার পছন্দপ্রতিটি outputs[].url আমাদের স্টোরেজে একটি কপি: চিরকাল রাখা হয় (প্রতি GB-মাস অনুযায়ী অর্থপ্রদত্ত) অথবা অ্যাকাউন্ট সেটিংস বা ?storage= অনুযায়ী বিনামূল্যে ৭ দিন পর্যন্ত।
প্রতিটি মডেলে একই গঠনছবি, ভিডিও এবং অডিও—সব ক্ষেত্রেই type, url, content_type, width, height এবং duration। output হলো মডেলের নিজস্ব ফলাফল অবজেক্ট।
আউটপুটের ফিল্ড
lora_file
object {url, content_type, file_name, file_size}.safetensors ফরম্যাটে প্রশিক্ষিত LoRA ওজনের URL।
config_file
object {url, content_type, file_name, file_size}ইনফারেন্স এন্ডপয়েন্ট সেটআপের কনফিগারেশন।
debug_dataset
object {url, content_type, file_name, file_size} | null`debug_dataset` সক্রিয় থাকা রিকোয়েস্টের জন্যই উপলভ্য; এই ডাউনলোডযোগ্য আর্কাইভে প্রিপ্রসেসিংয়ের পরের প্রশিক্ষণ ডেটা থাকে।

আরও মডেল: প্রশিক্ষণ

AI এজেন্টদের জন্য: এই পৃষ্ঠাটি Markdown হিসেবে এখানে আছে https://doitong.com/bn/developers/models/minimax/h3/i2v/trainer.md. সব মডেল ও গাইড: https://doitong.com/developers/llms.txt