Op den Inhalt sprangen

MiniMax H3 Reference to Video LoRA Trainer

Integréieren

Modell-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"

Dës Ufro: 30,00 $ 30.000 API-Kreditter Op dëser Säit ausféieren

API-Schlëssel kréien
MiniMax Training Referenzinput1–60 s

LoRA-Trainer fir referenzgesteiert Videoe mat engem Warmstart vun enger fréierer LoRA

MiniMax · Datei

Äin éischt Resultat kënnt hei hin

Baut hei drënner eng Ufro a féiert se mat Ärem API-Schlëssel aus. Output gëtt an eis Späicherung kopéiert, fir ëmmer oder 7 Deeg gratis gespäichert.

Eng Ufro erstellen

D'Kontrolle ginn aus dem Modellschema generéiert. De Code an de Präis aktualiséiere sech, wann s du se ännerst.

resolution Standard medium

Trainingsopléisung. Eng Erhéijung vun der Opléisung erhéicht d'Memoryufuerderungen.

aspect_ratio Standard 16:9

Wielt d'Trainings-Aspektverhältnis aus dem selwechte Set, deen iwwer d'MiniMax H3 API disponibel ass.

•obligatoresch

URL fir e ZIP mat Trainingsvideoe vu Motiver; Bild-nëmmen-Datasets a gemëschte Bild/Video-Trainingsarchiver ginn ofgeleent, dofir mussen d'Biller als Referenz-Sidecars geliwwert ginn. Optional Extras deelen de Basisnumm vum Clip: eng Caption wéi `clip01.txt` an zortéiert Referenzen vun `ref_1` bis `ref_4`, benannt `clip01.ref_1.<ext>` bis `clip01.ref_4.<ext>`; ouni Referenz-Sidecars liwwert e Frame aus dem Clip seng eege Referenz. `<ext>` bestëmmt d'Referenzmodalitéit: Biller (.png/.jpg/.jpeg), Audio (.wav/.mp3/.flac/.m4a/.ogg/.aac) oder Videoen (.mp4/.mov/.avi/.mkv/.webm), deenen hir Soundtracks och zu Audio-Referenze ginn. Trainingsclips ënnerstëtzen .mp4, .mov, .avi an .mkv; mindestens 10 Clips si recommandéiert, méi sinn erwënscht.

Standard 2000

Gesamtzuel vun Trainingsschrëtt.

Erweidert 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 Standard 32

LoRA-Adaptatiounsrang, bei deem méi héije Wäerter méi Kapazitéit géint méi héije Memoryverbrauch ofwiichten.

Standard

LoRA-Stil-Aktivéierungsphrase, déi beim Training um Ufank vun de Captions agefouert gëtt.

URL fir Warm-Start-Training mat enger .safetensors-LoRA, déi virdrun vun dësem Trainer erstallt gouf, gefollegt vun der Zuel vun zousätzleche number_of_steps-Trainingsschrëtt. Näischt ausser den Adapter-Gewiichter gëtt restauréiert: Optimisatioun a Learning-Rate-Planung fänken allebéid nei un.

Standard 0.0002

Léierquote fir d'Optimiséierung, déi e méigleche Geschwindegkeetsgewënn beim Training géint de Risiko vun Overfitting bei méi héije Wäerter ofwiicht.

Standard 73

Framezuel fir all Trainingssample; d'Deele duerch 17 muss e Rescht vu 5 erginn. Beispiller sinn 22, 39, 56, 73, 90, 107 an 124.

Standard 24

Zil-Video-Frame-Rate, gemooss a Frames pro Sekonn.

Standard 0.9

Setzt fest, wéi dacks d'Training Referenzbild-Conditioning géintiwwer onconditionéiertem Text-zu-Video-Audio-Training benotzt. Déi iwwereg Wahrscheinlechkeet geet un dat onconditionéiert Zil, fir stabil Prompt-nëmmen-Generatioun ze behalen.

Standard 30

Trigger fir d'Szenendeelung als Dauer a Sekonnen: nëmme Videoe méi laang wéi de Schwellwäert ginn gedeelt.

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

Dës Ufro ausféieren

Äre Schlëssel bleift an dësem Browser: e gëtt nëmmen un d'Doitong API geschéckt an nëmme gespäichert (localStorage), wann s du „Erënneren“ aktivéiers. En API-Schlëssel kréien

Iwwer MiniMax H3 Reference to Video LoRA Trainer

Trainéiert eng LoRA op engem ZIP mat Sujet-Videoclips, sou datt Referenzinputs d'Videogeneratioun steiere kënnen. `reference_conditioning_p` setzt fest, wéi dacks Referenze beim Training benotzt ginn, an `resume_from_lora_url` féiert vun enger virdru trainéierter LoRA weider. Och konfiguréierbar: `rank`, `number_of_steps`, `number_of_frames`, `frame_rate` an `aspect_ratio`. Gëtt Gewiichter an eng Konfiguratiounsdatei zréck.

Parameteren

NummTyp StandardErlaabt Beschreiwung
training_data_urlobligatoresch
Typstring
URL fir e ZIP mat Trainingsvideoe vu Motiver; Bild-nëmmen-Datasets a gemëschte Bild/Video-Trainingsarchiver ginn ofgeleent, dofir mussen d'Biller als Referenz-Sidecars geliwwert ginn. Optional Extras deelen de Basisnumm vum Clip: eng Caption wéi `clip01.txt` an zortéiert Referenzen vun `ref_1` bis `ref_4`, benannt `clip01.ref_1.<ext>` bis `clip01.ref_4.<ext>`; ouni Referenz-Sidecars liwwert e Frame aus dem Clip seng eege Referenz. `<ext>` bestëmmt d'Referenzmodalitéit: Biller (.png/.jpg/.jpeg), Audio (.wav/.mp3/.flac/.m4a/.ogg/.aac) oder Videoen (.mp4/.mov/.avi/.mkv/.webm), deenen hir Soundtracks och zu Audio-Referenze ginn. Trainingsclips ënnerstëtzen .mp4, .mov, .avi an .mkv; mindestens 10 Clips si recommandéiert, méi sinn erwënscht.
rankoptional
Typenum
Standard32
8163264128
LoRA-Adaptatiounsrang, bei deem méi héije Wäerter méi Kapazitéit géint méi héije Memoryverbrauch ofwiichten.
number_of_stepsoptional
Typinteger
Standard2000
1 – 15.000
Gesamtzuel vun Trainingsschrëtt.
learning_rateoptional
Typnumber
Standard0.0002
0,000001 – 1
Léierquote fir d'Optimiséierung, déi e méigleche Geschwindegkeetsgewënn beim Training géint de Risiko vun Overfitting bei méi héije Wäerter ofwiicht.
number_of_framesoptional
Typinteger
Standard73
22 – 124
Framezuel fir all Trainingssample; d'Deele duerch 17 muss e Rescht vu 5 erginn. Beispiller sinn 22, 39, 56, 73, 90, 107 an 124.
frame_rateoptional
Typinteger
Standard24
8 – 60
Zil-Video-Frame-Rate, gemooss a Frames pro Sekonn.
resolutionoptional
Typenum
Standardmedium
lowmediumhigh
Trainingsopléisung. Eng Erhéijung vun der Opléisung erhéicht d'Memoryufuerderungen.
aspect_ratiooptional
Typenum
Standard16:9
21:916:94:31:13:49:16
Wielt d'Trainings-Aspektverhältnis aus dem selwechte Set, deen iwwer d'MiniMax H3 API disponibel ass.
trigger_phraseoptional
Typstring
Standard
LoRA-Stil-Aktivéierungsphrase, déi beim Training um Ufank vun de Captions agefouert gëtt.
reference_conditioning_poptional
Typnumber
Standard0.9
0 – 1
Setzt fest, wéi dacks d'Training Referenzbild-Conditioning géintiwwer onconditionéiertem Text-zu-Video-Audio-Training benotzt. Déi iwwereg Wahrscheinlechkeet geet un dat onconditionéiert Zil, fir stabil Prompt-nëmmen-Generatioun ze behalen.
resume_from_lora_urloptional
Typstring | null
URL fir Warm-Start-Training mat enger .safetensors-LoRA, déi virdrun vun dësem Trainer erstallt gouf, gefollegt vun der Zuel vun zousätzleche number_of_steps-Trainingsschrëtt. Näischt ausser den Adapter-Gewiichter gëtt restauréiert: Optimisatioun a Learning-Rate-Planung fänken allebéid nei un.
auto_scale_inputoptional
Typboolean
Standardfalse
Ob d'Zil-fps an d'Framezuel duerch automatesch Videoskaléierung ugepasst ginn; true aktivéiert dës Upassung.
split_input_into_scenesoptional
Typboolean
Standardtrue
Szenenopdeelung fir Videoe méi laang wéi e Dauergrenzwäert aktivéieren; Referenz-Sidecars ginn aus all opgedeelte Clips verworf.
split_input_duration_thresholdoptional
Typnumber
Standard30
1 – 60
Trigger fir d'Szenendeelung als Dauer a Sekonnen: nëmme Videoe méi laang wéi de Schwellwäert ginn gedeelt.
debug_datasetoptional
Typboolean
Standardfalse
Optioun fir en Archiv erofzelueden, fir d'Virveraarbechtung virum komplette Training ze kontrolléieren. Wann aktivéiert, packt den Trainer den veraarbechten Dataset, fir datt Dir Captions, Referenzbiller, Videoen a Biller manuell op Korrektheet iwwerpréiwe kënnt.
strict_datasetoptional
Typboolean
Standardfalse
Streng Behandlung vu Virveraarbechtungsproblemer, déi soss protokolléiert a mam dokumentéierte Fallback geléist géife ginn. Wann aktivéiert, ginn Captions, déi e eidele Prompt brauchen, fehlend Referenz-Sidecars a Videoe mat onliesbarem Audio ofgeleent amplaz dës Fallbacks z'erlaben.
obligatoresch

Output

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"
  }
}
Är Fichieren, Är WielAll outputs[].url ass eng Kopie an eiser Späicherung: fir ëmmer gespäichert (bezuelbar pro GB-Mount) oder 7 Deeg gratis, jee no Ärer Kontastellung oder ?storage=.
D'selwecht Struktur bei all Modelltype, url, content_type, width, height an duration, fir Biller, Video an Audio gläichermoossen. output ass dem Modell säin eegent Resultatobjet.
Output-Felder
lora_file
object {url, content_type, file_name, file_size}URL fir trainéiert LoRA-Gewiichter am .safetensors-Format.
config_file
object {url, content_type, file_name, file_size}Konfiguratioun fir d'Ariichtung vum Inferenz-Endpunkts.
debug_dataset
object {url, content_type, file_name, file_size} | nullNëmme fir Ufroe mat aktivéiertem `debug_dataset` disponibel; dësen erofluedbaren Archiv enthält d'Trainingsdaten no der Virveraarbechtung.

Méi Modeller: Training

Fir AI-Agenten: dës Säit als Markdown ass ënner https://doitong.com/lb/developers/models/minimax/h3/ref2va/trainer.md. All Modeller a Guiden: https://doitong.com/developers/llms.txt