MiniMax H3 Text to Video LoRA Trainer

ပေါင်းစည်းရန်

မော်ဒယ် id minimax/h3/t2v/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/t2v/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"

const API = "https://vit.doitong.com/api/v1";
const headers = {
  "Authorization": "Bearer " + process.env.DOITONG_API_KEY,
  "Content-Type": "application/json",
};

// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/minimax/h3/t2v/trainer?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "training_data_url": "https://example.com/your-file.zip"
  }),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);

// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
  res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
  request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");

import os
import requests

API = "https://vit.doitong.com/api/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "training_data_url": "https://example.com/your-file.zip",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/minimax/h3/t2v/trainer", params={"wait": 20}, json=payload, headers=headers)
request = r.json()
if not r.ok:
    raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"])

# Not finished yet: long-poll until it is
while request["status"] in ("queued", "running"):
    request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json()
if request["status"] != "succeeded":
    raise RuntimeError(request["error"])
print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"])

# 1. Connect once (Claude Code; Cursor, VS Code, Claude Desktop: https://doitong.com/my/developers/docs/mcp)
claude mcp add --transport http doitong-models https://vit.doitong.com/api/v1/mcp \
  --header "Authorization: Bearer $DOITONG_API_KEY"

# 2. Your agent calls the "run" tool with:
{
  "model_id": "minimax/h3/t2v/trainer",
  "input": {
    "training_data_url": "https://example.com/your-file.zip"
  }
}

Doitong API မှတစ်ဆင့် MiniMax H3 Text to Video LoRA Trainer မော်ဒယ် (minimax/h3/t2v/trainer) ကို ခေါ်ယူပါ။ အေးဂျင့်များအတွက် စာရွက်စာတမ်းများ: https://doitong.com/my/developers/models/minimax/h3/t2v/trainer.md

POST https://vit.doitong.com/api/v1/run/minimax/h3/t2v/trainer?wait=20
Authorization: Bearer $DOITONG_API_KEY
Content-Type: application/json

{
  "training_data_url": "https://example.com/your-file.zip"
}

Response status သည် "queued" သို့မဟုတ် "running" ဖြစ်ပါက "succeeded" ဖြစ်သည်အထိ GET https://vit.doitong.com/api/v1/requests/REQUEST_ID?wait=20 ဖြင့် poll လုပ်ပါ။ ဖိုင်များသည် outputs[].url တွင် ရှိသည်။ လုပ်ဆောင်မီ အတိအကျစျေးနှုန်းရရန် တူညီသော body ဖြင့် POST https://vit.doitong.com/api/v1/quote/minimax/h3/t2v/trainer ကို အသုံးပြုပါ။

ဤတောင်းဆိုချက်: ၁၀.၀၀ $ ၁၀,၀၀၀ API ခရက်ဒစ် ဤစာမျက်နှာတွင် လုပ်ဆောင်ရန်

API ကီး ရယူရန်

MiniMax လေ့ကျင့်ခြင်း ၁–၆၀ s #utility#editing

အသံပါသော စာသားသီးသန့် ဗီဒီယိုဖန်တီးမှုအတွက် LoRA လေ့ကျင့်ကိရိယာ၊ အဓိကဖရိမ် ထိန်းညှိသတ်မှတ်မှု မပါရှိ

OpenAPI Markdown

MiniMax · ဖိုင်

သင့်ပထမဆုံးရလဒ် ဤနေရာတွင် ပေါ်လာမည်

အောက်တွင် တောင်းဆိုချက်တစ်ခု တည်ဆောက်ပြီး သင့် API ကီးဖြင့် လုပ်ဆောင်ပါ။ ထွက်ရလဒ်များကို ကျွန်ုပ်တို့၏ သိုလှောင်မှုသို့ ကူးယူပြီး အမြဲတမ်း သို့မဟုတ် ၇ ရက် အခမဲ့ သိမ်းထားသည်။

တောင်းဆိုမှုတစ်ခု တည်ဆောက်ရန်

စျေးနှုန်း

အတိအကျ စျေးနှုန်း

အဆင့်တစ်ဆင့်လျှင် ၀.၀၀၅ $

အဆင့်တစ်ဆင့်လျှင် ၅ API ခရက်ဒစ်

ဤတောင်းဆိုချက်: အဆင့် ၂,၀၀၀ ဆင့် × ၀.၀၀၅ $ ၁၀.၀၀ $ ၁၀,၀၀၀ API ခရက်ဒစ်

လုပ်ဆောင်ရန် · ၁၀.၀၀ $

အောင်မြင်မှသာ ကောက်ခံပြီး မအောင်မြင်ပါက အလိုအလျောက် ပြန်အမ်းပေးသည်။

number_of_steps မူလ 2000

လေ့ကျင့်မှုအဆင့်တစ်ဆင့်လျှင် ကောက်ခံသည်။

စျေးနှုန်းတွက်ချက်ရန် Endpoint: POST /quote/{id}

တောင်းဆိုမှုတစ်ခု တည်ဆောက်ရန်

ထိန်းချုပ်မှုများကို မော်ဒယ် schema မှ အလိုအလျောက်ဖန်တီးသည်။ ၎င်းတို့ကို ပြောင်းလဲသည်နှင့် code နှင့် စျေးနှုန်းတို့လည်း ပြောင်းလဲမည်။

resolution မူလ medium

လေ့ကျင့်ရေး ရုပ်ထွက်အရည်အသွေး။ ရုပ်ထွက်အရည်အသွေး မြှင့်တင်ခြင်းက မှတ်ဉာဏ်လိုအပ်ချက်ကို တိုးစေသည်။

aspect_ratio မူလ 16:9

MiniMax H3 API မှတစ်ဆင့် ရရှိနိုင်သော set တစ်ခုတည်းထဲမှ လေ့ကျင့်ရေး aspect ratio ကို ရွေးပါ။

training_data_url •လိုအပ်သည်

.mp4, .mov, .avi သို့မဟုတ် .mkv ဖော်မတ်ရှိ လေ့ကျင့်ရေးဗီဒီယိုများ ပါဝင်သော ZIP အတွက် URL၊ အနည်းဆုံး clip 10 ခုကို အကြံပြုပြီး ပိုများသောစုစည်းမှုများကို ပိုမိုသင့်လျော်သည်ဟု သတ်မှတ်သည်။ ပုံများကို လေ့ကျင့်ရေးမီဒီယာအဖြစ် အသုံးမပြုနိုင်ပါ။ ပုံသီးသန့် dataset များနှင့် လေ့ကျင့်ရေးပုံများကို ဗီဒီယိုများနှင့် ရောစပ်ထားသော archive များကို ပယ်ချမည်ဖြစ်သော်လည်း Endpoint အချို့တွင် ပုံများကို conditioning sidecar အဖြစ် ခွင့်ပြုသည်။ ရွေးချယ်နိုင်သော caption ဖိုင်များကို clip များနှင့်အတူ ထည့်နိုင်ပြီး text ဖိုင်တစ်ခုစီသည် ၎င်း၏ဗီဒီယို၏ base name ကို မျှဝေရမည်။

number_of_steps မူလ 2000

လေ့ကျင့်ရေးအဆင့် စုစုပေါင်းအရေအတွက်။

အဆင့်မြင့် 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 မူလ 32

LoRA adaptation rank။ ဆက်တင်မြင့်လာသည်နှင့် မှတ်ဉာဏ်သုံးစွဲမှု တိုးလာသော်လည်း စွမ်းရည်ပိုမိုမြင့်မားလာသည်။

trigger_phrase မူလ

လေ့ကျင့်ရေးအတွင်း caption များ၏ အစတွင် ထည့်သွင်းသည့် LoRA style activation စကားစု။

learning_rate မူလ 0.0002

Optimization learning rate။ တိုးမြှင့်သည့်အခါ လေ့ကျင့်မှုမြန်ဆန်လာနိုင်ခြင်းနှင့် overfitting ဖြစ်နိုင်ခြေတို့ကို ချိန်ညှိသည်။

number_of_frames မူလ 73

လေ့ကျင့်ရေးနမူနာတစ်ခုစီအတွက် ဖရိမ်အရေအတွက်။ 17 ဖြင့်စားသောအခါ အကြွင်း 5 ကျန်ရမည်။ ဥပမာများမှာ 22, 39, 56, 73, 90, 107 နှင့် 124 ဖြစ်သည်။

frame_rate မူလ 24

ပစ်မှတ်ဗီဒီယို ဖရိမ် rate၊ ဖရိမ်များ per စက္ကန့် ဖြင့် တိုင်းတာသည်။

first_frame_conditioning_p မူလ 0

ဤ route သည် text-to-video-audio ပေါ်တွင်သာ လေ့ကျင့်သောကြောင့် keyframe conditioning ကို 0 တွင် ပိတ်ထားရမည်။ keyframe conditioning အတွက် first-last-frame route သို့မဟုတ် image-to-video-audio route လိုအပ်သည်။

split_input_duration_threshold မူလ 30

စက္ကန့်ဖြင့် ဖော်ပြသော scene ခွဲခြားမှု အစပျိုးတန်ဖိုး။ သတ်မှတ်ချက်ထက် ပိုရှည်သော ဗီဒီယိုများကိုသာ ခွဲသည်။

POST /run/minimax/h3/t2v/trainer?wait=20 ကုန်ကျစရိတ် → ၁၀.၀၀ $

# 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/t2v/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"

const API = "https://vit.doitong.com/api/v1";
const headers = {
  "Authorization": "Bearer " + process.env.DOITONG_API_KEY,
  "Content-Type": "application/json",
};

// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/minimax/h3/t2v/trainer?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "training_data_url": "https://example.com/your-file.zip"
  }),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);

// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
  res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
  request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");

import os
import requests

API = "https://vit.doitong.com/api/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "training_data_url": "https://example.com/your-file.zip",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/minimax/h3/t2v/trainer", params={"wait": 20}, json=payload, headers=headers)
request = r.json()
if not r.ok:
    raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"])

# Not finished yet: long-poll until it is
while request["status"] in ("queued", "running"):
    request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json()
if request["status"] != "succeeded":
    raise RuntimeError(request["error"])
print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"])

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "minimax/h3/t2v/trainer",
      "input": {
        "training_data_url": "https://example.com/your-file.zip"
      },
      "wait_seconds": 20
    }
  }
}

ဤတောင်းဆိုချက်ကို လုပ်ဆောင်ရန်

API ကီး

သင့် key သည် ဤဘရောက်ဇာထဲတွင်သာ ရှိမည်ဖြစ်ပြီး Doitong API သို့သာ ပို့မည်။ Remember ကို အမှန်ခြစ်ထားမှသာ (localStorage) တွင် သိမ်းမည်။ ဤဘရောက်ဇာတွင် မှတ်ထားရန် API ကီး ရယူရန်

MiniMax H3 Text to Video LoRA Trainer အကြောင်း

စာသားသီးသန့် ဗီဒီယိုဖန်တီးမှုအတွက် `training_data_url` ရှိ ဖော်ပြစာပါသော ဗီဒီယိုအပိုင်းများ၏ zip ဖိုင်မှ LoRA ကို လေ့ကျင့်သည်။ ပထမဖရိမ် ထိန်းညှိသတ်မှတ်မှုကို 0 တွင် ပုံသေထားသောကြောင့် အဓိကဖရိမ်လေ့ကျင့်မှုကို အခြားလေ့ကျင့်ကိရိယာများတွင် ပြုလုပ်သည်။ ပြင်ဆင်နိုင်သော ဆက်တင်များတွင် `rank`၊ `number_of_steps` (1 မှ 15000)၊ `learning_rate`၊ `number_of_frames`၊ `frame_rate`၊ `resolution` နှင့် `trigger_phrase` ပါဝင်သည်။

ပါရာမီတာများ

အမည်အမျိုးအစား မူလတန်ဖိုးခွင့်ပြုထားသည် ဖော်ပြချက်

training_data_urlလိုအပ်သည်

အမျိုးအစားstring

rankရွေးချယ်နိုင်သည်

အမျိုးအစားenum

မူလတန်ဖိုး32

8163264128

number_of_stepsရွေးချယ်နိုင်သည်

အမျိုးအစားinteger

မူလတန်ဖိုး2000

၁ – ၁၅,၀၀၀

လေ့ကျင့်ရေးအဆင့် စုစုပေါင်းအရေအတွက်။

learning_rateရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး0.0002

၀.၀၀၀၀၀၁ – ၁

number_of_framesရွေးချယ်နိုင်သည်

အမျိုးအစားinteger

မူလတန်ဖိုး73

၂၂ – ၁၂၄

frame_rateရွေးချယ်နိုင်သည်

အမျိုးအစားinteger

မူလတန်ဖိုး24

၈ – ၆၀

ပစ်မှတ်ဗီဒီယို ဖရိမ် rate၊ ဖရိမ်များ per စက္ကန့် ဖြင့် တိုင်းတာသည်။

resolutionရွေးချယ်နိုင်သည်

အမျိုးအစားenum

မူလတန်ဖိုးmedium

lowmediumhigh

aspect_ratioရွေးချယ်နိုင်သည်

အမျိုးအစားenum

မူလတန်ဖိုး16:9

21:916:94:31:13:49:16

trigger_phraseရွေးချယ်နိုင်သည်

အမျိုးအစားstring

မူလတန်ဖိုး

လေ့ကျင့်ရေးအတွင်း caption များ၏ အစတွင် ထည့်သွင်းသည့် LoRA style activation စကားစု။

first_frame_conditioning_pရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး0

၀ – ၀

auto_scale_inputရွေးချယ်နိုင်သည်

အမျိုးအစားboolean

မူလတန်ဖိုးfalse

အလိုအလျောက်ဗီဒီယို scaling ဖြင့် ရည်မှန်းထားသော fps နှင့် ဖရိမ်အရေအတွက်ကို ကိုက်ညီစေမည်၊ true သည် ဤချိန်ညှိမှုကို ဖွင့်ပေးသည်။

split_input_into_scenesရွေးချယ်နိုင်သည်

အမျိုးအစားboolean

မူလတန်ဖိုးtrue

ကြာချိန်သတ်မှတ်ချက်ထက် ကျော်လွန်သော ဗီဒီယိုများအတွက် အခန်းခွဲခြင်းကို true ဖြစ်သည့်အခါ ဖွင့်ပေးသည်။

split_input_duration_thresholdရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး30

၁ – ၆၀

debug_datasetရွေးချယ်နိုင်သည်

အမျိုးအစားboolean

မူလတန်ဖိုးfalse

လေ့ကျင့်ရေးအပြည့် မလုပ်ဆောင်မီ ဗီဒီယိုများ၊ ပုံများနှင့် caption များကို စစ်ဆေးရန် ကြိုတင်လုပ်ဆောင်မှု စစ်ဆေးရေးမုဒ်။ ဖွင့်ထားပါက trainer သည် လက်ဖြင့်စစ်ဆေးရန် ဒေါင်းလုဒ်လုပ်နိုင်သော archive ထဲတွင် ပြင်ဆင်ပြီး လေ့ကျင့်ရေးဒေတာအစုကို ပြန်ပေးသည်။

strict_datasetရွေးချယ်နိုင်သည်

အမျိုးအစားboolean

မူလတန်ဖိုးfalse

မှတ်တမ်းတင်ပြီး မှတ်တမ်းတင်ထားသော fallback များဖြင့် ဖြေရှင်းမည့် preprocessing ပြဿနာများကို တင်းကျပ်စွာ ကိုင်တွယ်ခြင်း။ ဖွင့်ထားပါက blank ပရောမ့်လိုအပ်သော caption များ၊ ပျောက်ဆုံးနေသော sidecar keyframe များနှင့် ဖတ်မရသောအသံပါ ဗီဒီယိုများကို blank ပရောမ့်၊ clip ဖရိမ် သို့မဟုတ် တိတ်ဆိတ်မှုဖြင့် အစားထိုးမည့်အစား ပယ်ချမည်။

လိုအပ်သည်

ထွက်ရလဒ်

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t

{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/h3/t2v/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": 10000,
    "usd": "10.00",
    "charged": 10000,
    "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"
  }
}

သင့်ဖိုင်များ၊ သင့်ရွေးချယ်မှုoutputs[].url တိုင်းသည် ကျွန်ုပ်တို့၏ သိုလှောင်မှုရှိ မိတ္တူဖြစ်သည်- အမြဲတမ်း (GB-month အလိုက် ငွေပေးရသည်) သို့မဟုတ် ၇ ရက် အခမဲ့၊ သင့်အကောင့်ဆက်တင် သို့မဟုတ် ?storage= ဖြင့် သိမ်းထားသည်။

မော်ဒယ်တိုင်းတွင် ပုံစံတူပုံ၊ ဗီဒီယိုနှင့် အသံတို့အတွက် type၊ url၊ content_type၊ width၊ height နှင့် duration။ output သည် မော်ဒယ်ကိုယ်တိုင်၏ ရလဒ် object ဖြစ်သည်။

ထွက်ရလဒ်၏ Fields များ

lora_file: object {url, content_type, file_name, file_size}.safetensors ဖော်မတ်ရှိ လေ့ကျင့်ပြီး LoRA weights များ၏ URL။
config_file: object {url, content_type, file_name, file_size}Inference Endpoint တည်ဆောက်မှုအတွက် configuration။
debug_dataset: object {url, content_type, file_name, file_size} | null`debug_dataset` ဖွင့်ထားသော တောင်းဆိုချက်များအတွက်သာ ရရှိနိုင်ပြီး ဤဒေါင်းလုဒ်လုပ်နိုင်သော archive တွင် preprocessing ပြီးနောက် လေ့ကျင့်ရေးဒေတာ ပါဝင်သည်။

နောက်ထပ် မော်ဒယ်များ: လေ့ကျင့်ခြင်း

AI အေးဂျင့်များအတွက်- ဤစာမျက်နှာ၏ Markdown ကို ဤနေရာတွင် ရရှိနိုင်သည် https://doitong.com/my/developers/models/minimax/h3/t2v/trainer.md. မော်ဒယ်များနှင့် လမ်းညွှန်များအားလုံး: https://doitong.com/developers/llms.txt

သင့်ပထမဆုံးရလဒ် ဤနေရာတွင် ပေါ်လာမည်

တောင်းဆိုမှုတစ်ခု တည်ဆောက်ရန်

ဤတောင်းဆိုချက်ကို လုပ်ဆောင်ရန်

MiniMax H3 Text to Video LoRA Trainer အကြောင်း

ပါရာမီတာများ

ထွက်ရလဒ်

အခြား MiniMax H3 မူကွဲများ

MiniMax H3 First Last Frame LoRA Trainer မူကွဲများ: 4

MiniMax H3 Image to Video Audio LoRA Trainer မူကွဲများ: 4

MiniMax H3 Reference to Video LoRA Trainer မူကွဲများ: 4

နောက်ထပ် မော်ဒယ်များ: လေ့ကျင့်ခြင်း

ERNIE-Image Trainer

FLUX 2 [klein] 9b Base Trainer မူကွဲများ: 2

Flux 2 Klein 9B Base Trainer မူကွဲများ: 2

FLUX 2 Trainer မူကွဲများ: 2