सामग्री पर जाएँ

MiniMax H3 Reference to Video LoRA Trainer

इंटीग्रेट करें

मॉडल 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"

यह अनुरोध: $30.00 30,000 API क्रेडिट इसे इस पेज पर चलाएँ

API कुंजी प्राप्त करें
MiniMax ट्रेनिंग रेफ़रेंस इनपुट1–60 s

रेफ़रेंस-कंडीशंड वीडियो के लिए LoRA ट्रेनर, पहले के LoRA से वॉर्म स्टार्ट के साथ

MiniMax · फ़ाइल

आपका पहला परिणाम यहाँ आएगा

नीचे एक अनुरोध बनाएँ और उसे अपनी API कुंजी से चलाएँ। आउटपुट हमारे स्टोरेज में कॉपी किए जाते हैं और हमेशा के लिए या 7 दिन तक मुफ़्त में रखे जाते हैं।

अनुरोध बनाएँ

कंट्रोल मॉडल स्कीमा से जनरेट होते हैं। इन्हें बदलने पर कोड और कीमत अपडेट होती है।

resolution डिफ़ॉल्ट medium

प्रशिक्षण रिज़ॉल्यूशन। रिज़ॉल्यूशन बढ़ाने पर मेमोरी की आवश्यकता बढ़ती है।

aspect_ratio डिफ़ॉल्ट 16:9

MiniMax H3 API के माध्यम से उपलब्ध उसी सेट में से प्रशिक्षण आस्पेक्ट रेशियो चुनें।

•आवश्यक

विषय प्रशिक्षण वीडियो वाली ZIP का URL; केवल-इमेज डेटासेट और मिश्रित इमेज/वीडियो प्रशिक्षण आर्काइव अस्वीकार किए जाते हैं, इसलिए इमेज को reference sidecar के रूप में देना होगा। वैकल्पिक अतिरिक्त फ़ाइलों का base name प्रत्येक क्लिप के समान होता है: `clip01.txt` जैसा caption और `ref_1` से `ref_4` तक क्रमित references, जिनके नाम `clip01.ref_1.<ext>` से `clip01.ref_4.<ext>` तक होते हैं; reference sidecar न होने पर क्लिप का एक फ़्रेम स्वयं का reference प्रदान करता है। `<ext>` reference modality निर्धारित करता है: इमेज (.png/.jpg/.jpeg), ऑडियो (.wav/.mp3/.flac/.m4a/.ogg/.aac) या वीडियो (.mp4/.mov/.avi/.mkv/.webm), जिनके soundtracks भी ऑडियो references बन जाते हैं। प्रशिक्षण क्लिप .mp4, .mov, .avi और .mkv को सपोर्ट करती हैं; कम से कम 10 क्लिप रखें, अधिक क्लिप बेहतर हैं।

डिफ़ॉल्ट 2000

प्रशिक्षण चरणों की कुल संख्या।

उन्नत 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 डिफ़ॉल्ट 32

LoRA अनुकूलन रैंक, सेटिंग बढ़ने पर अधिक मेमोरी खपत के बदले अधिक क्षमता देता है।

डिफ़ॉल्ट

LoRA शैली सक्रियण वाक्यांश, प्रशिक्षण के दौरान कैप्शन की शुरुआत में डाला जाता है।

इस trainer द्वारा पहले बनाए गए .safetensors LoRA के साथ warm-start training के लिए URL, जिसके बाद number_of_steps अतिरिक्त प्रशिक्षण चरण आते हैं। Adapter weights के अलावा कुछ भी restore नहीं किया जाता: optimization और learning-rate scheduling दोनों नए सिरे से शुरू होते हैं।

डिफ़ॉल्ट 0.0002

Optimization learning rate, जो बढ़ाने पर training में संभावित speedup और overfitting के जोखिम के बीच संतुलन बनाता है।

डिफ़ॉल्ट 73

प्रत्येक प्रशिक्षण नमूने के लिए फ़्रेम संख्या; इसे 17 से विभाजित करने पर शेषफल 5 होना चाहिए। उदाहरणों में 22, 39, 56, 73, 90, 107 और 124 शामिल हैं।

डिफ़ॉल्ट 24

लक्षित वीडियो फ़्रेम दर, फ़्रेम प्रति सेकंड में मापी गई।

डिफ़ॉल्ट 0.9

निर्धारित करें कि प्रशिक्षण में reference-image conditioning और unconditioned text-to-video-audio training का उपयोग कितनी बार होता है। शेष प्रायिकता unconditioned objective को मिलती है, ताकि स्थिर prompt-only निर्माण बनी रहे।

डिफ़ॉल्ट 30

दृश्य-विभाजन ट्रिगर, सेकंड में अवधि के रूप में व्यक्त: केवल सीमा से लंबे वीडियो विभाजित किए जाते हैं।

POST /run/minimax/h3/ref2va/trainer?wait=20 कोटेशन → $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"

यह अनुरोध चलाएँ

आपकी key इसी ब्राउज़र में रहती है: इसे केवल Doitong API को भेजा जाता है और केवल तभी (localStorage) में सेव किया जाता है जब आप Remember चुनते हैं। API कुंजी प्राप्त करें

MiniMax H3 Reference to Video LoRA Trainer के बारे में

विषय की वीडियो क्लिप वाली zip पर LoRA को प्रशिक्षित करता है, ताकि रेफ़रेंस इनपुट वीडियो निर्माण को निर्देशित कर सकें। `reference_conditioning_p` तय करता है कि प्रशिक्षण के दौरान रेफ़रेंस कितनी बार उपयोग किए जाएँ, और `resume_from_lora_url` पहले से प्रशिक्षित LoRA से जारी रखता है। `rank`, `number_of_steps`, `number_of_frames`, `frame_rate` और `aspect_ratio` भी कॉन्फ़िगर किए जा सकते हैं। वेट और एक config फ़ाइल लौटाता है।

पैरामीटर

नामप्रकार डिफ़ॉल्टअनुमत विवरण
training_data_urlआवश्यक
प्रकारstring
विषय प्रशिक्षण वीडियो वाली ZIP का URL; केवल-इमेज डेटासेट और मिश्रित इमेज/वीडियो प्रशिक्षण आर्काइव अस्वीकार किए जाते हैं, इसलिए इमेज को reference sidecar के रूप में देना होगा। वैकल्पिक अतिरिक्त फ़ाइलों का base name प्रत्येक क्लिप के समान होता है: `clip01.txt` जैसा caption और `ref_1` से `ref_4` तक क्रमित references, जिनके नाम `clip01.ref_1.<ext>` से `clip01.ref_4.<ext>` तक होते हैं; reference sidecar न होने पर क्लिप का एक फ़्रेम स्वयं का reference प्रदान करता है। `<ext>` reference modality निर्धारित करता है: इमेज (.png/.jpg/.jpeg), ऑडियो (.wav/.mp3/.flac/.m4a/.ogg/.aac) या वीडियो (.mp4/.mov/.avi/.mkv/.webm), जिनके soundtracks भी ऑडियो references बन जाते हैं। प्रशिक्षण क्लिप .mp4, .mov, .avi और .mkv को सपोर्ट करती हैं; कम से कम 10 क्लिप रखें, अधिक क्लिप बेहतर हैं।
rankवैकल्पिक
प्रकारenum
डिफ़ॉल्ट32
8163264128
LoRA अनुकूलन रैंक, सेटिंग बढ़ने पर अधिक मेमोरी खपत के बदले अधिक क्षमता देता है।
number_of_stepsवैकल्पिक
प्रकारinteger
डिफ़ॉल्ट2000
1 – 15,000
प्रशिक्षण चरणों की कुल संख्या।
learning_rateवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट0.0002
0.000001 – 1
Optimization learning rate, जो बढ़ाने पर training में संभावित speedup और overfitting के जोखिम के बीच संतुलन बनाता है।
number_of_framesवैकल्पिक
प्रकारinteger
डिफ़ॉल्ट73
22 – 124
प्रत्येक प्रशिक्षण नमूने के लिए फ़्रेम संख्या; इसे 17 से विभाजित करने पर शेषफल 5 होना चाहिए। उदाहरणों में 22, 39, 56, 73, 90, 107 और 124 शामिल हैं।
frame_rateवैकल्पिक
प्रकारinteger
डिफ़ॉल्ट24
8 – 60
लक्षित वीडियो फ़्रेम दर, फ़्रेम प्रति सेकंड में मापी गई।
resolutionवैकल्पिक
प्रकारenum
डिफ़ॉल्टmedium
lowmediumhigh
प्रशिक्षण रिज़ॉल्यूशन। रिज़ॉल्यूशन बढ़ाने पर मेमोरी की आवश्यकता बढ़ती है।
aspect_ratioवैकल्पिक
प्रकारenum
डिफ़ॉल्ट16:9
21:916:94:31:13:49:16
MiniMax H3 API के माध्यम से उपलब्ध उसी सेट में से प्रशिक्षण आस्पेक्ट रेशियो चुनें।
trigger_phraseवैकल्पिक
प्रकारstring
डिफ़ॉल्ट
LoRA शैली सक्रियण वाक्यांश, प्रशिक्षण के दौरान कैप्शन की शुरुआत में डाला जाता है।
reference_conditioning_pवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट0.9
0 – 1
निर्धारित करें कि प्रशिक्षण में reference-image conditioning और unconditioned text-to-video-audio training का उपयोग कितनी बार होता है। शेष प्रायिकता unconditioned objective को मिलती है, ताकि स्थिर prompt-only निर्माण बनी रहे।
resume_from_lora_urlवैकल्पिक
प्रकारstring | null
इस trainer द्वारा पहले बनाए गए .safetensors LoRA के साथ warm-start training के लिए URL, जिसके बाद number_of_steps अतिरिक्त प्रशिक्षण चरण आते हैं। Adapter weights के अलावा कुछ भी restore नहीं किया जाता: optimization और learning-rate scheduling दोनों नए सिरे से शुरू होते हैं।
auto_scale_inputवैकल्पिक
प्रकारboolean
डिफ़ॉल्टfalse
क्या लक्ष्य fps और फ़्रेम संख्या स्वचालित वीडियो स्केलिंग के माध्यम से मिलाई जाती है; true यह समायोजन सक्षम करता है।
split_input_into_scenesवैकल्पिक
प्रकारboolean
डिफ़ॉल्टtrue
निर्धारित अवधि सीमा से अधिक लंबे वीडियो के लिए scene splitting सक्षम करें; split की गई क्लिप से reference sidecar हटा दिए जाते हैं।
split_input_duration_thresholdवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट30
1 – 60
दृश्य-विभाजन ट्रिगर, सेकंड में अवधि के रूप में व्यक्त: केवल सीमा से लंबे वीडियो विभाजित किए जाते हैं।
debug_datasetवैकल्पिक
प्रकारboolean
डिफ़ॉल्टfalse
पूरा प्रशिक्षण शुरू करने से पहले प्रीप्रोसेसिंग की जाँच के लिए आर्काइव डाउनलोड करने का विकल्प। इसे सक्षम करने पर, ट्रेनर प्रोसेस किए गए डेटासेट को पैकेज करता है, ताकि आप कैप्शन, संदर्भ इमेज, वीडियो और इमेज की शुद्धता मैन्युअल रूप से जाँच सकें।
strict_datasetवैकल्पिक
प्रकारboolean
डिफ़ॉल्टfalse
प्रीप्रोसेसिंग समस्याओं का सख्त प्रबंधन, जिन्हें अन्यथा लॉग करके दस्तावेज़ीकृत fallback के अनुसार हल किया जाता। इसे सक्षम करने पर blank प्रॉम्प्ट की आवश्यकता वाले captions, अनुपलब्ध reference sidecars और अपठनीय ऑडियो वाले वीडियो अस्वीकार हो जाते हैं, बजाय उन fallbacks की अनुमति देने के।
आवश्यक

आउटपुट

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"
  }
}
आपकी फ़ाइलें, आपकी पसंदहर outputs[].url हमारे स्टोरेज में एक कॉपी है: हमेशा के लिए (प्रति GB-माह भुगतान) या 7 दिन तक मुफ़्त में, आपके अकाउंट की सेटिंग या ?storage= के अनुसार।
हर मॉडल पर एक जैसा आकारइमेज, वीडियो और ऑडियो सभी के लिए type, url, content_type, width, height और duration। output मॉडल का अपना परिणाम ऑब्जेक्ट है।
आउटपुट के फ़ील्ड
lora_file
object {url, content_type, file_name, file_size}.safetensors फ़ॉर्मैट में प्रशिक्षित LoRA वेट का URL।
config_file
object {url, content_type, file_name, file_size}इन्फ़रेंस एंडपॉइंट सेटअप का कॉन्फ़िगरेशन।
debug_dataset
object {url, content_type, file_name, file_size} | null`debug_dataset` सक्षम वाले अनुरोधों के लिए ही उपलब्ध, यह डाउनलोड किया जा सकने वाला आर्काइव प्रीप्रोसेसिंग के बाद का प्रशिक्षण डेटा रखता है।

और मॉडल: ट्रेनिंग

AI एजेंट के लिए: इस पेज का Markdown यहाँ है https://doitong.com/hi/developers/models/minimax/h3/ref2va/trainer.md. सभी मॉडल और गाइड: https://doitong.com/developers/llms.txt