Μετάβαση στο περιεχόμενο

MiniMax H3 Reference to Video LoRA Trainer

Ενσωμάτωση

id μοντέλου 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"

Αυτό το αίτημα: 30,00 $ 30.000 πιστώσεις API Εκτέλεση σε αυτήν τη σελίδα

Λήψη κλειδιού API
MiniMax Εκπαίδευση Είσοδοι αναφοράς1–60 s

Εκπαιδευτής LoRA για βίντεο με συνθήκη αναφοράς, με θερμή εκκίνηση από προηγούμενο LoRA

MiniMax · Αρχείο

Το πρώτο σας αποτέλεσμα θα εμφανιστεί εδώ

Δημιουργήστε ένα αίτημα παρακάτω και εκτελέστε το με το κλειδί API σας. Οι έξοδοι αντιγράφονται στην αποθήκευσή μας και διατηρούνται για πάντα ή 7 ημέρες δωρεάν.

Δημιουργία αιτήματος

Τα στοιχεία ελέγχου δημιουργούνται από το σχήμα του μοντέλου. Ο κώδικας και η τιμή ενημερώνονται καθώς τα αλλάζετε.

resolution προεπιλογή medium

Ανάλυση εκπαίδευσης. Η αύξηση της ανάλυσης αυξάνει τις απαιτήσεις μνήμης.

aspect_ratio προεπιλογή 16:9

Επιλέξτε την αναλογία διαστάσεων εκπαίδευσης από το ίδιο σύνολο που διατίθεται μέσω του MiniMax H3 API.

•απαιτείται

URL για ZIP βίντεο εκπαίδευσης θέματος· σύνολα δεδομένων μόνο με εικόνες και αρχεία εκπαίδευσης που συνδυάζουν εικόνες και βίντεο απορρίπτονται, επομένως οι εικόνες πρέπει να παρέχονται ως sidecars αναφοράς. Προαιρετικά πρόσθετα μοιράζονται το βασικό όνομα κάθε αποσπάσματος: λεζάντα όπως `clip01.txt` και διατεταγμένες αναφορές από `ref_1` έως `ref_4`, με ονόματα `clip01.ref_1.<ext>` έως `clip01.ref_4.<ext>`· χωρίς sidecars αναφοράς, ένα καρέ του αποσπάσματος παρέχει τη δική του αναφορά. Το `<ext>` καθορίζει το modality αναφοράς: εικόνες (.png/.jpg/.jpeg), ήχος (.wav/.mp3/.flac/.m4a/.ogg/.aac) ή βίντεο (.mp4/.mov/.avi/.mkv/.webm), των οποίων τα soundtracks γίνονται επίσης αναφορές ήχου. Τα αποσπάσματα εκπαίδευσης υποστηρίζουν .mp4, .mov, .avi και .mkv· στοχεύστε σε τουλάχιστον 10 αποσπάσματα, με περισσότερα να προτιμώνται.

προεπιλογή 2000

Συνολικός αριθμός βημάτων εκπαίδευσης.

Για προχωρημένους 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 προεπιλογή 32

Τάξη προσαρμογής LoRA, που ανταλλάσσει αυξημένη κατανάλωση μνήμης με μεγαλύτερη χωρητικότητα καθώς αυξάνεται η ρύθμιση.

προεπιλογή

Φράση ενεργοποίησης στυλ LoRA, που εισάγεται στην αρχή των λεζαντών κατά την εκπαίδευση.

URL για warm-start training με ένα .safetensors LoRA που δημιουργήθηκε προηγουμένως από αυτόν τον trainer, ακολουθούμενο από number_of_steps επιπλέον βήματα εκπαίδευσης. Δεν αποκαθίσταται τίποτα εκτός από τα βάρη του adapter: τόσο η βελτιστοποίηση όσο και ο προγραμματισμός learning rate ξεκινούν ξανά.

προεπιλογή 0.0002

Ρυθμός εκμάθησης βελτιστοποίησης, που εξισορροπεί πιθανή επιτάχυνση της εκπαίδευσης με τον κίνδυνο υπερπροσαρμογής όταν αυξάνεται.

προεπιλογή 73

Αριθμός καρέ για κάθε δείγμα εκπαίδευσης· η διαίρεσή του με 17 πρέπει να αφήνει υπόλοιπο 5. Παραδείγματα είναι 22, 39, 56, 73, 90, 107 και 124.

προεπιλογή 24

Ρυθμός καρέ βίντεο-στόχου, μετρημένος σε καρέ ανά δευτερόλεπτο.

προεπιλογή 0.9

Καθορίστε πόσο συχνά η εκπαίδευση χρησιμοποιεί conditioning με εικόνα αναφοράς έναντι unconditioned text-to-video-audio training. Η υπόλοιπη πιθανότητα αφορά τον unconditioned στόχο, ώστε να διατηρείται σταθερή παραγωγή μόνο από prompt.

προεπιλογή 30

Έναυσμα διαχωρισμού σκηνών, εκφρασμένο ως διάρκεια σε δευτερόλεπτα: διαχωρίζονται μόνο βίντεο που υπερβαίνουν το όριο.

POST /run/minimax/h3/ref2va/trainer?wait=20 προσφορά → 30,00 $
# 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"

Εκτέλεση αυτού του αιτήματος

Το κλειδί σας παραμένει σε αυτό το πρόγραμμα περιήγησης: αποστέλλεται μόνο στο Doitong API και αποθηκεύεται (localStorage) μόνο αν ενεργοποιήσετε την επιλογή «Να απομνημονεύεται». Λήψη κλειδιού API

Σχετικά με το MiniMax H3 Reference to Video LoRA Trainer

Εκπαιδεύει LoRA σε zip με κλιπ βίντεο θεμάτων, ώστε οι είσοδοι αναφοράς να καθοδηγούν την παραγωγή βίντεο. Το `reference_conditioning_p` ορίζει πόσο συχνά χρησιμοποιούνται οι αναφορές κατά την εκπαίδευση και το `resume_from_lora_url` συνεχίζει από προηγουμένως εκπαιδευμένο LoRA. Ρυθμίζονται επίσης τα `rank`, `number_of_steps`, `number_of_frames`, `frame_rate` και `aspect_ratio`. Επιστρέφει βάρη και αρχείο config.

Παράμετροι

ΌνομαΤύπος ΠροεπιλογήΕπιτρεπόμενο Περιγραφή
training_data_urlαπαιτείται
Τύποςstring
URL για ZIP βίντεο εκπαίδευσης θέματος· σύνολα δεδομένων μόνο με εικόνες και αρχεία εκπαίδευσης που συνδυάζουν εικόνες και βίντεο απορρίπτονται, επομένως οι εικόνες πρέπει να παρέχονται ως sidecars αναφοράς. Προαιρετικά πρόσθετα μοιράζονται το βασικό όνομα κάθε αποσπάσματος: λεζάντα όπως `clip01.txt` και διατεταγμένες αναφορές από `ref_1` έως `ref_4`, με ονόματα `clip01.ref_1.<ext>` έως `clip01.ref_4.<ext>`· χωρίς sidecars αναφοράς, ένα καρέ του αποσπάσματος παρέχει τη δική του αναφορά. Το `<ext>` καθορίζει το modality αναφοράς: εικόνες (.png/.jpg/.jpeg), ήχος (.wav/.mp3/.flac/.m4a/.ogg/.aac) ή βίντεο (.mp4/.mov/.avi/.mkv/.webm), των οποίων τα soundtracks γίνονται επίσης αναφορές ήχου. Τα αποσπάσματα εκπαίδευσης υποστηρίζουν .mp4, .mov, .avi και .mkv· στοχεύστε σε τουλάχιστον 10 αποσπάσματα, με περισσότερα να προτιμώνται.
rankπροαιρετικό
Τύποςenum
Προεπιλογή32
8163264128
Τάξη προσαρμογής LoRA, που ανταλλάσσει αυξημένη κατανάλωση μνήμης με μεγαλύτερη χωρητικότητα καθώς αυξάνεται η ρύθμιση.
number_of_stepsπροαιρετικό
Τύποςinteger
Προεπιλογή2000
1 – 15.000
Συνολικός αριθμός βημάτων εκπαίδευσης.
learning_rateπροαιρετικό
Τύποςnumber
Προεπιλογή0.0002
0,000001 – 1
Ρυθμός εκμάθησης βελτιστοποίησης, που εξισορροπεί πιθανή επιτάχυνση της εκπαίδευσης με τον κίνδυνο υπερπροσαρμογής όταν αυξάνεται.
number_of_framesπροαιρετικό
Τύποςinteger
Προεπιλογή73
22 – 124
Αριθμός καρέ για κάθε δείγμα εκπαίδευσης· η διαίρεσή του με 17 πρέπει να αφήνει υπόλοιπο 5. Παραδείγματα είναι 22, 39, 56, 73, 90, 107 και 124.
frame_rateπροαιρετικό
Τύποςinteger
Προεπιλογή24
8 – 60
Ρυθμός καρέ βίντεο-στόχου, μετρημένος σε καρέ ανά δευτερόλεπτο.
resolutionπροαιρετικό
Τύποςenum
Προεπιλογήmedium
lowmediumhigh
Ανάλυση εκπαίδευσης. Η αύξηση της ανάλυσης αυξάνει τις απαιτήσεις μνήμης.
aspect_ratioπροαιρετικό
Τύποςenum
Προεπιλογή16:9
21:916:94:31:13:49:16
Επιλέξτε την αναλογία διαστάσεων εκπαίδευσης από το ίδιο σύνολο που διατίθεται μέσω του MiniMax H3 API.
trigger_phraseπροαιρετικό
Τύποςstring
Προεπιλογή
Φράση ενεργοποίησης στυλ LoRA, που εισάγεται στην αρχή των λεζαντών κατά την εκπαίδευση.
reference_conditioning_pπροαιρετικό
Τύποςnumber
Προεπιλογή0.9
0 – 1
Καθορίστε πόσο συχνά η εκπαίδευση χρησιμοποιεί conditioning με εικόνα αναφοράς έναντι unconditioned text-to-video-audio training. Η υπόλοιπη πιθανότητα αφορά τον unconditioned στόχο, ώστε να διατηρείται σταθερή παραγωγή μόνο από prompt.
resume_from_lora_urlπροαιρετικό
Τύποςstring | null
URL για warm-start training με ένα .safetensors LoRA που δημιουργήθηκε προηγουμένως από αυτόν τον trainer, ακολουθούμενο από number_of_steps επιπλέον βήματα εκπαίδευσης. Δεν αποκαθίσταται τίποτα εκτός από τα βάρη του adapter: τόσο η βελτιστοποίηση όσο και ο προγραμματισμός learning rate ξεκινούν ξανά.
auto_scale_inputπροαιρετικό
Τύποςboolean
Προεπιλογήfalse
Καθορίζει αν ο στόχος fps και ο αριθμός καρέ ταιριάζουν μέσω αυτόματης κλιμάκωσης βίντεο· true ενεργοποιεί αυτήν την προσαρμογή.
split_input_into_scenesπροαιρετικό
Τύποςboolean
Προεπιλογήtrue
Ενεργοποίηση διαχωρισμού σκηνών για βίντεο μεγαλύτερα από ένα όριο διάρκειας, με απόρριψη των sidecars αναφοράς από τυχόν αποσπάσματα που διαχωρίζονται.
split_input_duration_thresholdπροαιρετικό
Τύποςnumber
Προεπιλογή30
1 – 60
Έναυσμα διαχωρισμού σκηνών, εκφρασμένο ως διάρκεια σε δευτερόλεπτα: διαχωρίζονται μόνο βίντεο που υπερβαίνουν το όριο.
debug_datasetπροαιρετικό
Τύποςboolean
Προεπιλογήfalse
Επιλογή λήψης αρχείου για έλεγχο της προεπεξεργασίας πριν από την πλήρη εκπαίδευση. Όταν είναι ενεργοποιημένη, ο trainer συσκευάζει το επεξεργασμένο σύνολο δεδομένων ώστε να μπορείτε να ελέγξετε χειροκίνητα λεζάντες, εικόνες αναφοράς, βίντεο και εικόνες.
strict_datasetπροαιρετικό
Τύποςboolean
Προεπιλογήfalse
Αυστηρός χειρισμός προβλημάτων προεπεξεργασίας που διαφορετικά θα καταγράφονταν και θα επιλύονταν με το τεκμηριωμένο fallback. Η ενεργοποίησή του απορρίπτει λεζάντες που χρειάζονται κενά prompt, sidecars αναφοράς που λείπουν και βίντεο με μη αναγνώσιμο ήχο, αντί να επιτρέπει αυτά τα fallback.
απαιτείται

Έξοδος

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"
  }
}
Τα αρχεία σας, η επιλογή σαςΚάθε outputs[].url είναι ένα αντίγραφο στην αποθήκευσή μας: διατηρείται για πάντα (χρέωση ανά GB-μήνα) ή 7 ημέρες δωρεάν, σύμφωνα με τη ρύθμιση του λογαριασμού σας ή ?storage=.
Ίδια μορφή σε κάθε μοντέλοtype, url, content_type, width, height και duration, τόσο για εικόνες όσο και για βίντεο και ήχο. Το output είναι το αντικείμενο αποτελέσματος του ίδιου του μοντέλου.
Πεδία εξόδου
lora_file
object {url, content_type, file_name, file_size}URL για εκπαιδευμένα βάρη LoRA σε μορφή .safetensors.
config_file
object {url, content_type, file_name, file_size}Διαμόρφωση για τη ρύθμιση του τελικού σημείου συμπερασματολογίας.
debug_dataset
object {url, content_type, file_name, file_size} | nullΔιαθέσιμο μόνο για αιτήματα με ενεργοποιημένο το `debug_dataset`, αυτό το αρχείο που μπορείτε να κατεβάσετε περιέχει τα δεδομένα εκπαίδευσης μετά την προεπεξεργασία.

Περισσότερα μοντέλα: Εκπαίδευση

Για πράκτορες AI: αυτή η σελίδα σε Markdown βρίσκεται στη διεύθυνση https://doitong.com/el/developers/models/minimax/h3/ref2va/trainer.md. Όλα τα μοντέλα και οι οδηγοί: https://doitong.com/developers/llms.txt