ਸਮੱਗਰੀ ਵੱਲ ਜਾਓ

MiniMax H3 Reference to Video LoRA Trainer

ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ

ਮਾਡਲ 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"

ਇਹ ਬੇਨਤੀ: $30.00 30,000 API ਕ੍ਰੈਡਿਟ ਇਸ ਪੰਨੇ ’ਤੇ ਚਲਾਓ

API ਕੁੰਜੀ ਲਵੋ
MiniMax ਟ੍ਰੇਨਿੰਗ ਹਵਾਲਾ ਇਨਪੁੱਟ1–60 s

ਪਹਿਲਾਂ ਦੀ LoRA ਤੋਂ ਵਾਰਮ ਸਟਾਰਟ ਸਮੇਤ ਰੈਫ਼ਰੈਂਸ-ਕੰਡੀਸ਼ਨਡ ਵੀਡੀਓ ਲਈ LoRA ਟ੍ਰੇਨਰ

MiniMax · ਫ਼ਾਈਲ

ਤੁਹਾਡਾ ਪਹਿਲਾ ਨਤੀਜਾ ਇੱਥੇ ਹੋਵੇਗਾ

ਹੇਠਾਂ ਬੇਨਤੀ ਬਣਾਓ ਅਤੇ ਆਪਣੀ API ਕੁੰਜੀ ਨਾਲ ਚਲਾਓ। ਆਉਟਪੁੱਟ ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਕਾਪੀ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਹਮੇਸ਼ਾ ਲਈ ਜਾਂ ਮੁਫ਼ਤ ਵਿੱਚ 7 ਦਿਨ ਤੱਕ ਰੱਖੇ ਜਾਂਦੇ ਹਨ।

ਰਿਕਵੈਸਟ ਬਣਾਓ

ਕੰਟਰੋਲ ਮਾਡਲ ਸਕੀਮਾ ਤੋਂ ਤਿਆਰ ਹੁੰਦੇ ਹਨ। ਤੁਸੀਂ ਬਦਲਾਅ ਕਰਦੇ ਹੀ ਕੋਡ ਅਤੇ ਕੀਮਤ ਅੱਪਡੇਟ ਹੋ ਜਾਂਦੇ ਹਨ।

resolution ਡਿਫ਼ਾਲਟ medium

ਟ੍ਰੇਨਿੰਗ ਰੈਜ਼ੋਲਿਊਸ਼ਨ। ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਵਧਾਉਣ ਨਾਲ ਮੈਮੋਰੀ ਦੀ ਲੋੜ ਵਧਦੀ ਹੈ।

aspect_ratio ਡਿਫ਼ਾਲਟ 16:9

MiniMax H3 API ਰਾਹੀਂ ਉਪਲਬਧ ਉਸੇ ਸੈੱਟ ਵਿੱਚੋਂ ਸਿਖਲਾਈ ਆਸਪੈਕਟ ਰੇਸ਼ੋ ਚੁਣੋ।

•ਲੋੜੀਂਦਾ

ਵਿਸ਼ਾ ਸਿਖਲਾਈ ਵੀਡੀਓਜ਼ ਵਾਲੇ ZIP ਦਾ URL; ਸਿਰਫ਼-ਚਿੱਤਰ ਡੇਟਾਸੈੱਟ ਅਤੇ ਮਿਲੇ-ਝੁਲੇ ਚਿੱਤਰ/ਵੀਡੀਓ ਸਿਖਲਾਈ ਆਰਕਾਈਵ ਰੱਦ ਕੀਤੇ ਜਾਂਦੇ ਹਨ, ਇਸ ਲਈ ਚਿੱਤਰ reference sidecars ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ। ਵਿਕਲਪਿਕ ਵਾਧੂ ਫ਼ਾਈਲਾਂ ਹਰ ਕਲਿੱਪ ਦਾ base name ਸਾਂਝਾ ਕਰਦੀਆਂ ਹਨ: `clip01.txt` ਵਰਗਾ ਕੈਪਸ਼ਨ ਅਤੇ `ref_1` ਤੋਂ `ref_4` ਤੱਕ ਕ੍ਰਮਬੱਧ references, ਜਿਨ੍ਹਾਂ ਦੇ ਨਾਮ `clip01.ref_1.<ext>` ਤੋਂ `clip01.ref_4.<ext>` ਤੱਕ ਹੋਣ; reference sidecars ਨਾ ਹੋਣ 'ਤੇ ਕਲਿੱਪ ਦਾ ਇੱਕ ਫ੍ਰੇਮ ਆਪਣਾ reference ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। `<ext>` reference modality ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ: ਚਿੱਤਰ (.png/.jpg/.jpeg), ਆਡੀਓ (.wav/.mp3/.flac/.m4a/.ogg/.aac) ਜਾਂ ਵੀਡੀਓ (.mp4/.mov/.avi/.mkv/.webm), ਜਿਨ੍ਹਾਂ ਦੇ soundtracks ਵੀ ਆਡੀਓ references ਬਣ ਜਾਂਦੇ ਹਨ। ਸਿਖਲਾਈ ਕਲਿੱਪਾਂ ਲਈ .mp4, .mov, .avi ਅਤੇ .mkv ਸਮਰਥਿਤ ਹਨ; ਘੱਟੋ-ਘੱਟ 10 ਕਲਿੱਪਾਂ ਦਾ ਟੀਚਾ ਰੱਖੋ, ਵੱਧ ਕਲਿੱਪਾਂ ਨੂੰ ਤਰਜੀਹ ਹੈ।

ਡਿਫ਼ਾਲਟ 2000

ਟ੍ਰੇਨਿੰਗ ਪੜਾਵਾਂ ਦੀ ਕੁੱਲ ਗਿਣਤੀ।

ਉੱਨਤ 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 ਡਿਫ਼ਾਲਟ 32

LoRA ਅਨੁਕੂਲਨ ਰੈਂਕ, ਸੈਟਿੰਗ ਵਧਣ ਨਾਲ ਵੱਧ ਸਮਰੱਥਾ ਦੇ ਬਦਲੇ ਵੱਧ ਮੈਮੋਰੀ ਖਪਤ।

ਡਿਫ਼ਾਲਟ

LoRA ਸ਼ੈਲੀ ਸਰਗਰਮੀ ਵਾਕੰਸ਼, ਟ੍ਰੇਨਿੰਗ ਦੌਰਾਨ ਕੈਪਸ਼ਨਾਂ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ।

ਇਸ trainer ਦੁਆਰਾ ਪਹਿਲਾਂ ਬਣਾਏ .safetensors LoRA ਨਾਲ warm-start ਸਿਖਲਾਈ ਲਈ URL, ਜਿਸ ਤੋਂ ਬਾਅਦ number_of_steps ਵਾਧੂ ਸਿਖਲਾਈ ਕਦਮ ਆਉਂਦੇ ਹਨ। ਐਡਾਪਟਰ weights ਤੋਂ ਇਲਾਵਾ ਕੁਝ ਵੀ restore ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ: optimization ਅਤੇ learning-rate scheduling ਦੋਵੇਂ ਨਵੇਂ ਸਿਰੇ ਤੋਂ ਸ਼ੁਰੂ ਹੁੰਦੇ ਹਨ।

ਡਿਫ਼ਾਲਟ 0.0002

ਓਪਟੀਮਾਈਜ਼ੇਸ਼ਨ learning rate, ਜੋ training ਵਿੱਚ ਸੰਭਾਵਿਤ ਤੇਜ਼ੀ ਅਤੇ ਇਸਨੂੰ ਵਧਾਉਣ 'ਤੇ overfitting ਦੇ ਖ਼ਤਰੇ ਵਿਚਕਾਰ ਸੰਤੁਲਨ ਬਣਾਉਂਦੀ ਹੈ।

ਡਿਫ਼ਾਲਟ 73

ਹਰ ਸਿਖਲਾਈ ਨਮੂਨੇ ਲਈ ਫ੍ਰੇਮ ਗਿਣਤੀ; ਇਸਨੂੰ 17 ਨਾਲ ਭਾਗ ਦੇਣ 'ਤੇ ਬਾਕੀ 5 ਆਉਣਾ ਚਾਹੀਦਾ ਹੈ। ਉਦਾਹਰਨਾਂ ਵਿੱਚ 22, 39, 56, 73, 90, 107 ਅਤੇ 124 ਸ਼ਾਮਲ ਹਨ।

ਡਿਫ਼ਾਲਟ 24

ਲਕਸ਼ਿਤ ਵੀਡੀਓ ਫ੍ਰੇਮ ਦਰ, ਫ੍ਰੇਮ ਪ੍ਰਤੀ ਸਕਿੰਟ ਵਿੱਚ ਮਾਪੀ ਜਾਂਦੀ ਹੈ।

ਡਿਫ਼ਾਲਟ 0.9

ਨਿਰਧਾਰਤ ਕਰੋ ਕਿ ਸਿਖਲਾਈ ਕਿੰਨੀ ਵਾਰ reference-image conditioning ਵਰਤਦੀ ਹੈ ਬਨਾਮ unconditioned text-to-video-audio ਸਿਖਲਾਈ। ਬਚੀ ਹੋਈ ਸੰਭਾਵਨਾ unconditioned objective ਨੂੰ ਜਾਂਦੀ ਹੈ ਤਾਂ ਜੋ ਸਥਿਰ ਪ੍ਰੌਂਪਟ-only ਸਿਰਜਣਾ ਬਣੀ ਰਹੇ।

ਡਿਫ਼ਾਲਟ 30

ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਿਆਦ ਵਜੋਂ ਦਿੱਤਾ ਦ੍ਰਿਸ਼-ਵੰਡ ਟ੍ਰਿਗਰ: ਸਿਰਫ਼ ਸੀਮਾ ਤੋਂ ਲੰਬੇ ਵੀਡੀਓ ਵੰਡੇ ਜਾਂਦੇ ਹਨ।

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

ਇਹ ਬੇਨਤੀ ਚਲਾਓ

ਤੁਹਾਡੀ key ਇਸ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਰਹਿੰਦੀ ਹੈ: ਇਹ ਸਿਰਫ਼ Doitong API ਨੂੰ ਭੇਜੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਸਿਰਫ਼ ਤਾਂ ਹੀ (localStorage) ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਹੁੰਦੀ ਹੈ ਜੇ ਤੁਸੀਂ Remember ਚੁਣੋ। API ਕੁੰਜੀ ਪ੍ਰਾਪਤ ਕਰੋ

MiniMax H3 Reference to Video LoRA Trainer ਬਾਰੇ

ਵਿਸ਼ੇ ਦੀਆਂ ਵੀਡੀਓ ਕਲਿੱਪਾਂ ਦੀ zip ਉੱਤੇ LoRA ਨੂੰ ਟ੍ਰੇਨ ਕਰਦਾ ਹੈ, ਤਾਂ ਜੋ ਰੈਫ਼ਰੈਂਸ ਇਨਪੁੱਟ ਵੀਡੀਓ ਸਿਰਜਣਾ ਨੂੰ ਦਿਸ਼ਾ ਦੇ ਸਕਣ। `reference_conditioning_p` ਟ੍ਰੇਨਿੰਗ ਦੌਰਾਨ ਰੈਫ਼ਰੈਂਸਾਂ ਦੀ ਵਰਤੋਂ ਦੀ ਆਵਿਰਤੀ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ, ਅਤੇ `resume_from_lora_url` ਪਹਿਲਾਂ ਟ੍ਰੇਨ ਕੀਤੀ LoRA ਤੋਂ ਜਾਰੀ ਰੱਖਦਾ ਹੈ। `rank`, `number_of_steps`, `number_of_frames`, `frame_rate` ਅਤੇ `aspect_ratio` ਵੀ ਕੌਂਫ਼ਿਗਰ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ। ਵਜ਼ਨ ਅਤੇ ਇੱਕ config ਫ਼ਾਈਲ ਵਾਪਸ ਕਰਦਾ ਹੈ।

ਪੈਰਾਮੀਟਰ

ਨਾਮਕਿਸਮ ਡਿਫ਼ਾਲਟਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵੇਰਵਾ
training_data_urlਲੋੜੀਂਦਾ
ਕਿਸਮstring
ਵਿਸ਼ਾ ਸਿਖਲਾਈ ਵੀਡੀਓਜ਼ ਵਾਲੇ ZIP ਦਾ URL; ਸਿਰਫ਼-ਚਿੱਤਰ ਡੇਟਾਸੈੱਟ ਅਤੇ ਮਿਲੇ-ਝੁਲੇ ਚਿੱਤਰ/ਵੀਡੀਓ ਸਿਖਲਾਈ ਆਰਕਾਈਵ ਰੱਦ ਕੀਤੇ ਜਾਂਦੇ ਹਨ, ਇਸ ਲਈ ਚਿੱਤਰ reference sidecars ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ। ਵਿਕਲਪਿਕ ਵਾਧੂ ਫ਼ਾਈਲਾਂ ਹਰ ਕਲਿੱਪ ਦਾ base name ਸਾਂਝਾ ਕਰਦੀਆਂ ਹਨ: `clip01.txt` ਵਰਗਾ ਕੈਪਸ਼ਨ ਅਤੇ `ref_1` ਤੋਂ `ref_4` ਤੱਕ ਕ੍ਰਮਬੱਧ references, ਜਿਨ੍ਹਾਂ ਦੇ ਨਾਮ `clip01.ref_1.<ext>` ਤੋਂ `clip01.ref_4.<ext>` ਤੱਕ ਹੋਣ; reference sidecars ਨਾ ਹੋਣ 'ਤੇ ਕਲਿੱਪ ਦਾ ਇੱਕ ਫ੍ਰੇਮ ਆਪਣਾ reference ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। `<ext>` reference modality ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ: ਚਿੱਤਰ (.png/.jpg/.jpeg), ਆਡੀਓ (.wav/.mp3/.flac/.m4a/.ogg/.aac) ਜਾਂ ਵੀਡੀਓ (.mp4/.mov/.avi/.mkv/.webm), ਜਿਨ੍ਹਾਂ ਦੇ soundtracks ਵੀ ਆਡੀਓ references ਬਣ ਜਾਂਦੇ ਹਨ। ਸਿਖਲਾਈ ਕਲਿੱਪਾਂ ਲਈ .mp4, .mov, .avi ਅਤੇ .mkv ਸਮਰਥਿਤ ਹਨ; ਘੱਟੋ-ਘੱਟ 10 ਕਲਿੱਪਾਂ ਦਾ ਟੀਚਾ ਰੱਖੋ, ਵੱਧ ਕਲਿੱਪਾਂ ਨੂੰ ਤਰਜੀਹ ਹੈ।
rankਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟ32
8163264128
LoRA ਅਨੁਕੂਲਨ ਰੈਂਕ, ਸੈਟਿੰਗ ਵਧਣ ਨਾਲ ਵੱਧ ਸਮਰੱਥਾ ਦੇ ਬਦਲੇ ਵੱਧ ਮੈਮੋਰੀ ਖਪਤ।
number_of_stepsਵਿਕਲਪਿਕ
ਕਿਸਮinteger
ਡਿਫ਼ਾਲਟ2000
1 – 15,000
ਟ੍ਰੇਨਿੰਗ ਪੜਾਵਾਂ ਦੀ ਕੁੱਲ ਗਿਣਤੀ।
learning_rateਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ0.0002
0.000001 – 1
ਓਪਟੀਮਾਈਜ਼ੇਸ਼ਨ learning rate, ਜੋ training ਵਿੱਚ ਸੰਭਾਵਿਤ ਤੇਜ਼ੀ ਅਤੇ ਇਸਨੂੰ ਵਧਾਉਣ 'ਤੇ overfitting ਦੇ ਖ਼ਤਰੇ ਵਿਚਕਾਰ ਸੰਤੁਲਨ ਬਣਾਉਂਦੀ ਹੈ।
number_of_framesਵਿਕਲਪਿਕ
ਕਿਸਮinteger
ਡਿਫ਼ਾਲਟ73
22 – 124
ਹਰ ਸਿਖਲਾਈ ਨਮੂਨੇ ਲਈ ਫ੍ਰੇਮ ਗਿਣਤੀ; ਇਸਨੂੰ 17 ਨਾਲ ਭਾਗ ਦੇਣ 'ਤੇ ਬਾਕੀ 5 ਆਉਣਾ ਚਾਹੀਦਾ ਹੈ। ਉਦਾਹਰਨਾਂ ਵਿੱਚ 22, 39, 56, 73, 90, 107 ਅਤੇ 124 ਸ਼ਾਮਲ ਹਨ।
frame_rateਵਿਕਲਪਿਕ
ਕਿਸਮinteger
ਡਿਫ਼ਾਲਟ24
8 – 60
ਲਕਸ਼ਿਤ ਵੀਡੀਓ ਫ੍ਰੇਮ ਦਰ, ਫ੍ਰੇਮ ਪ੍ਰਤੀ ਸਕਿੰਟ ਵਿੱਚ ਮਾਪੀ ਜਾਂਦੀ ਹੈ।
resolutionਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟmedium
lowmediumhigh
ਟ੍ਰੇਨਿੰਗ ਰੈਜ਼ੋਲਿਊਸ਼ਨ। ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਵਧਾਉਣ ਨਾਲ ਮੈਮੋਰੀ ਦੀ ਲੋੜ ਵਧਦੀ ਹੈ।
aspect_ratioਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟ16:9
21:916:94:31:13:49:16
MiniMax H3 API ਰਾਹੀਂ ਉਪਲਬਧ ਉਸੇ ਸੈੱਟ ਵਿੱਚੋਂ ਸਿਖਲਾਈ ਆਸਪੈਕਟ ਰੇਸ਼ੋ ਚੁਣੋ।
trigger_phraseਵਿਕਲਪਿਕ
ਕਿਸਮstring
ਡਿਫ਼ਾਲਟ
LoRA ਸ਼ੈਲੀ ਸਰਗਰਮੀ ਵਾਕੰਸ਼, ਟ੍ਰੇਨਿੰਗ ਦੌਰਾਨ ਕੈਪਸ਼ਨਾਂ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ।
reference_conditioning_pਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ0.9
0 – 1
ਨਿਰਧਾਰਤ ਕਰੋ ਕਿ ਸਿਖਲਾਈ ਕਿੰਨੀ ਵਾਰ reference-image conditioning ਵਰਤਦੀ ਹੈ ਬਨਾਮ unconditioned text-to-video-audio ਸਿਖਲਾਈ। ਬਚੀ ਹੋਈ ਸੰਭਾਵਨਾ unconditioned objective ਨੂੰ ਜਾਂਦੀ ਹੈ ਤਾਂ ਜੋ ਸਥਿਰ ਪ੍ਰੌਂਪਟ-only ਸਿਰਜਣਾ ਬਣੀ ਰਹੇ।
resume_from_lora_urlਵਿਕਲਪਿਕ
ਕਿਸਮstring | null
ਇਸ trainer ਦੁਆਰਾ ਪਹਿਲਾਂ ਬਣਾਏ .safetensors LoRA ਨਾਲ warm-start ਸਿਖਲਾਈ ਲਈ URL, ਜਿਸ ਤੋਂ ਬਾਅਦ number_of_steps ਵਾਧੂ ਸਿਖਲਾਈ ਕਦਮ ਆਉਂਦੇ ਹਨ। ਐਡਾਪਟਰ weights ਤੋਂ ਇਲਾਵਾ ਕੁਝ ਵੀ restore ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ: optimization ਅਤੇ learning-rate scheduling ਦੋਵੇਂ ਨਵੇਂ ਸਿਰੇ ਤੋਂ ਸ਼ੁਰੂ ਹੁੰਦੇ ਹਨ।
auto_scale_inputਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟfalse
ਕੀ ਟਾਰਗੇਟ fps ਅਤੇ ਫ੍ਰੇਮ ਗਿਣਤੀ ਆਟੋਮੈਟਿਕ ਵੀਡੀਓ ਸਕੇਲਿੰਗ ਰਾਹੀਂ ਮਿਲਾਈ ਜਾਂਦੀ ਹੈ; true ਇਹ ਸਮਾਯੋਜਨ ਚਾਲੂ ਕਰਦਾ ਹੈ।
split_input_into_scenesਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟtrue
ਥ੍ਰੈਸ਼ਹੋਲਡ ਤੋਂ ਲੰਬੇ ਵੀਡੀਓਜ਼ ਲਈ scene splitting ਚਾਲੂ ਕਰੋ; split ਕੀਤੀਆਂ ਕਿਸੇ ਵੀ ਕਲਿੱਪਾਂ ਤੋਂ reference sidecars ਹਟਾ ਦਿੱਤੇ ਜਾਂਦੇ ਹਨ।
split_input_duration_thresholdਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ30
1 – 60
ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਿਆਦ ਵਜੋਂ ਦਿੱਤਾ ਦ੍ਰਿਸ਼-ਵੰਡ ਟ੍ਰਿਗਰ: ਸਿਰਫ਼ ਸੀਮਾ ਤੋਂ ਲੰਬੇ ਵੀਡੀਓ ਵੰਡੇ ਜਾਂਦੇ ਹਨ।
debug_datasetਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟfalse
ਪੂਰੀ ਸਿਖਲਾਈ ਸ਼ੁਰੂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਪ੍ਰੀਪ੍ਰੋਸੈਸਿੰਗ ਦੀ ਜਾਂਚ ਲਈ ਆਰਕਾਈਵ ਡਾਊਨਲੋਡ ਕਰਨ ਦਾ ਵਿਕਲਪ। ਇਸਨੂੰ ਚਾਲੂ ਕਰਨ 'ਤੇ trainer ਪ੍ਰਕਿਰਿਆ ਕੀਤੇ ਡੇਟਾਸੈੱਟ ਨੂੰ ਪੈਕੇਜ ਕਰਦਾ ਹੈ ਤਾਂ ਜੋ ਤੁਸੀਂ ਕੈਪਸ਼ਨ, reference ਚਿੱਤਰ, ਵੀਡੀਓ ਅਤੇ ਚਿੱਤਰਾਂ ਦੀ ਸਹੀਤਾ ਹੱਥੋਂ ਜਾਂਚ ਸਕੋ।
strict_datasetਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟfalse
ਪ੍ਰੀਪ੍ਰੋਸੈਸਿੰਗ ਸਮੱਸਿਆਵਾਂ ਦਾ ਸਖ਼ਤ ਨਿਪਟਾਰਾ, ਜੋ ਨਹੀਂ ਤਾਂ ਲੌਗ ਹੋ ਕੇ ਦਸਤਾਵੇਜ਼ੀ fallback ਰਾਹੀਂ ਹੱਲ ਹੁੰਦੀਆਂ। ਇਸਨੂੰ ਚਾਲੂ ਕਰਨ 'ਤੇ blank ਪ੍ਰੌਂਪਟ ਦੀ ਲੋੜ ਵਾਲੇ ਕੈਪਸ਼ਨ, ਗੁੰਮ reference sidecars ਅਤੇ ਨਾ ਪੜ੍ਹੇ ਜਾ ਸਕਣ ਵਾਲੇ ਆਡੀਓ ਵਾਲੇ ਵੀਡੀਓ ਰੱਦ ਹੋ ਜਾਂਦੇ ਹਨ, ਨਾ ਕਿ ਉਹ fallbacks ਵਰਤੇ ਜਾਂਦੇ ਹਨ।
ਲੋੜੀਂਦਾ

ਆਉਟਪੁੱਟ

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"
  }
}
ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ, ਤੁਹਾਡੀ ਚੋਣਹਰ outputs[].url ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਇੱਕ ਕਾਪੀ ਹੈ: ਹਮੇਸ਼ਾ ਲਈ ਰੱਖੀ ਜਾਂਦੀ ਹੈ (ਪ੍ਰਤੀ GB-ਮਹੀਨਾ ਭੁਗਤਾਨ) ਜਾਂ 7 ਦਿਨ ਤੱਕ ਮੁਫ਼ਤ, ਤੁਹਾਡੀ ਖਾਤਾ ਸੈਟਿੰਗ ਜਾਂ ?storage= ਅਨੁਸਾਰ।
ਹਰ ਮਾਡਲ ’ਤੇ ਇੱਕੋ ਜਿਹਾ ਰੂਪਤਸਵੀਰਾਂ, ਵੀਡੀਓ ਅਤੇ ਆਡੀਓ ਸਭ ਲਈ type, url, content_type, width, height ਅਤੇ duration। output ਮਾਡਲ ਦਾ ਆਪਣਾ ਨਤੀਜਾ ਆਬਜੈਕਟ ਹੈ।
ਆਉਟਪੁੱਟ ਦੇ ਫ਼ੀਲਡ
lora_file
object {url, content_type, file_name, file_size}.safetensors ਫਾਰਮੈਟ ਵਿੱਚ ਟ੍ਰੇਨ ਕੀਤੇ LoRA ਵਜ਼ਨਾਂ ਦਾ URL।
config_file
object {url, content_type, file_name, file_size}ਇਨਫ਼ਰੈਂਸ ਐਂਡਪੋਇੰਟ ਸੈਟਅੱਪ ਲਈ ਕਾਨਫ਼ਿਗਰੇਸ਼ਨ।
debug_dataset
object {url, content_type, file_name, file_size} | null`debug_dataset` ਚਾਲੂ ਵਾਲੀਆਂ ਬੇਨਤੀਆਂ ਲਈ ਹੀ ਉਪਲਬਧ, ਇਹ ਡਾਊਨਲੋਡ ਕਰਨਯੋਗ ਆਰਕਾਈਵ ਪ੍ਰੀਪ੍ਰੋਸੈਸਿੰਗ ਤੋਂ ਬਾਅਦ ਦਾ ਸਿਖਲਾਈ ਡੇਟਾ ਰੱਖਦਾ ਹੈ।

ਹੋਰ ਮਾਡਲ: ਟ੍ਰੇਨਿੰਗ

AI ਏਜੰਟਾਂ ਲਈ: ਇਹ ਪੰਨਾ Markdown ਵਜੋਂ ਇੱਥੇ ਹੈ https://doitong.com/pa/developers/models/minimax/h3/ref2va/trainer.md. ਸਾਰੇ ਮਾਡਲ ਅਤੇ ਗਾਈਡ: https://doitong.com/developers/llms.txt