কনটেন্টে যান

MiniMax H3 Reference to Video LoRA Trainer

ইন্টিগ্রেট করুন

মডেল id minimax/h3/ref2va/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/ref2va/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: ৩০.০০$ ৩০,০০০ API ক্রেডিট এই পেজে চালান

API কী পান
MiniMax প্রশিক্ষণ রেফারেন্স ইনপুট১–৬০ s

রেফারেন্স-নির্ভর ভিডিওর জন্য LoRA trainer, আগের LoRA থেকে উষ্ণ সূচনা-সহ

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

বিষয়বস্তুর প্রশিক্ষণ ভিডিওসহ ZIP-এর URL; শুধু ছবি থাকা ডেটাসেট এবং ছবি/ভিডিও মেশানো প্রশিক্ষণ আর্কাইভ প্রত্যাখ্যাত হয়, তাই ছবিগুলোকে reference sidecar হিসেবে দিতে হবে। ঐচ্ছিক অতিরিক্ত ফাইলগুলো প্রতিটি ক্লিপের base name শেয়ার করে: `clip01.txt`-এর মতো caption এবং `ref_1` থেকে `ref_4` পর্যন্ত ক্রমযুক্ত reference, যেগুলোর নাম `clip01.ref_1.<ext>` থেকে `clip01.ref_4.<ext>`; reference sidecar না থাকলে ক্লিপের একটি ফ্রেম নিজস্ব reference হিসেবে ব্যবহৃত হয়। `<ext>` reference modality নির্ধারণ করে: ছবি (.png/.jpg/.jpeg), অডিও (.wav/.mp3/.flac/.m4a/.ogg/.aac) অথবা ভিডিও (.mp4/.mov/.avi/.mkv/.webm), যেগুলোর soundtrack-ও অডিও reference হয়। প্রশিক্ষণ ক্লিপে .mp4, .mov, .avi এবং .mkv সমর্থিত; অন্তত 10টি ক্লিপ রাখুন, বেশি হলে ভালো।

ডিফল্ট 2000

প্রশিক্ষণ ধাপের মোট সংখ্যা।

অ্যাডভান্সড rank · trigger_phrase · resume_from_lora_url · learning_rate · number_of_frames · frame_rate · reference_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।

এই trainer-এর মাধ্যমে আগে তৈরি করা .safetensors LoRA দিয়ে warm-start প্রশিক্ষণের URL, এরপর number_of_steps অতিরিক্ত প্রশিক্ষণ ধাপ। adapter weights ছাড়া আর কিছু পুনরুদ্ধার করা হয় না: optimization এবং learning-rate scheduling দুটিই নতুন করে শুরু 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 0.9

প্রশিক্ষণে reference-image conditioning এবং unconditioned text-to-video-audio training-এর মধ্যে কত ঘন ঘন ব্যবহার হবে তা নির্ধারণ করুন। স্থিতিশীল prompt-only জেনারেশন বজায় রাখতে অবশিষ্ট সম্ভাবনা unconditioned objective-এ যায়।

ডিফল্ট 30

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

POST /run/minimax/h3/ref2va/trainer?wait=20 মূল্য → ৩০.০০$
# 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/ref2va/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 Reference to Video LoRA Trainer সম্পর্কে

বিষয়ের ভিডিও ক্লিপের একটি zip থেকে একটি LoRA প্রশিক্ষণ দেয়, যাতে রেফারেন্স ইনপুট ভিডিও জেনারেশন নিয়ন্ত্রণ করতে পারে। প্রশিক্ষণের সময় কত ঘন ঘন রেফারেন্স ব্যবহার হবে তা `reference_conditioning_p` নির্ধারণ করে, এবং `resume_from_lora_url` আগে প্রশিক্ষিত একটি LoRA থেকে কাজ চালিয়ে যায়। এছাড়াও কনফিগার করা যায়: `rank`, `number_of_steps`, `number_of_frames`, `frame_rate` এবং `aspect_ratio`। ওয়েটস ও একটি config ফাইল ফেরত দেয়।

প্যারামিটার

নামধরন ডিফল্টঅনুমোদিত বিবরণ
training_data_urlআবশ্যক
ধরনstring
বিষয়বস্তুর প্রশিক্ষণ ভিডিওসহ ZIP-এর URL; শুধু ছবি থাকা ডেটাসেট এবং ছবি/ভিডিও মেশানো প্রশিক্ষণ আর্কাইভ প্রত্যাখ্যাত হয়, তাই ছবিগুলোকে reference sidecar হিসেবে দিতে হবে। ঐচ্ছিক অতিরিক্ত ফাইলগুলো প্রতিটি ক্লিপের base name শেয়ার করে: `clip01.txt`-এর মতো caption এবং `ref_1` থেকে `ref_4` পর্যন্ত ক্রমযুক্ত reference, যেগুলোর নাম `clip01.ref_1.<ext>` থেকে `clip01.ref_4.<ext>`; reference sidecar না থাকলে ক্লিপের একটি ফ্রেম নিজস্ব reference হিসেবে ব্যবহৃত হয়। `<ext>` reference modality নির্ধারণ করে: ছবি (.png/.jpg/.jpeg), অডিও (.wav/.mp3/.flac/.m4a/.ogg/.aac) অথবা ভিডিও (.mp4/.mov/.avi/.mkv/.webm), যেগুলোর soundtrack-ও অডিও reference হয়। প্রশিক্ষণ ক্লিপে .mp4, .mov, .avi এবং .mkv সমর্থিত; অন্তত 10টি ক্লিপ রাখুন, বেশি হলে ভালো।
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।
reference_conditioning_pঐচ্ছিক
ধরনnumber
ডিফল্ট0.9
০ – ১
প্রশিক্ষণে reference-image conditioning এবং unconditioned text-to-video-audio training-এর মধ্যে কত ঘন ঘন ব্যবহার হবে তা নির্ধারণ করুন। স্থিতিশীল prompt-only জেনারেশন বজায় রাখতে অবশিষ্ট সম্ভাবনা unconditioned objective-এ যায়।
resume_from_lora_urlঐচ্ছিক
ধরনstring | null
এই trainer-এর মাধ্যমে আগে তৈরি করা .safetensors LoRA দিয়ে warm-start প্রশিক্ষণের URL, এরপর number_of_steps অতিরিক্ত প্রশিক্ষণ ধাপ। adapter weights ছাড়া আর কিছু পুনরুদ্ধার করা হয় না: optimization এবং learning-rate scheduling দুটিই নতুন করে শুরু হয়।
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 সময়সীমার চেয়ে দীর্ঘ ভিডিওতে scene splitting সক্রিয় করুন; বিভক্ত যেকোনো ক্লিপের reference sidecar বাদ দেওয়া হয়।
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
পূর্ণ প্রশিক্ষণে যাওয়ার আগে প্রিপ্রসেসিং পরীক্ষা করতে একটি আর্কাইভ ডাউনলোড করার বিকল্প। এটি সক্রিয় থাকলে trainer প্রক্রিয়াজাত ডেটাসেট প্যাকেজ করে, যাতে caption, reference ছবি, ভিডিও এবং ছবি সঠিক কি না তা হাতে পরীক্ষা করতে পারেন।
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 reference sidecar এবং পড়া যায় না এমন অডিওযুক্ত ভিডিও প্রত্যাখ্যাত হয়; ওই fallback-গুলো ব্যবহার করা যায় না।
আবশ্যক

আউটপুট

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/h3/ref2va/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": 30000,
    "usd": "30.00",
    "charged": 30000,
    "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/ref2va/trainer.md. সব মডেল ও গাইড: https://doitong.com/developers/llms.txt