உள்ளடக்கத்திற்குச் செல்க

MiniMax H3 Reference to Video LoRA Trainer

ஒருங்கிணை

மாடல் 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"

இந்தக் கோரிக்கை: $30.00 30,000 API கிரெடிட்கள் இந்தப் பக்கத்தில் இயக்குங்கள்

API விசையைப் பெறுக
MiniMax பயிற்சி குறிப்பு உள்ளீடுகள்1–60 s

முந்தைய LoRA இலிருந்து வெப்பத் தொடக்கத்துடன் கூடிய, குறிப்பு-நிபந்தனையாக்கப்பட்ட வீடியோவுக்கான LoRA பயிற்சியாளர்

MiniMax · கோப்பு

உங்கள் முதல் முடிவு இங்கே வரும்

கீழே ஒரு கோரிக்கையை உருவாக்கி, உங்கள் API விசையுடன் இயக்குங்கள். வெளியீடுகள் எங்கள் சேமிப்பகத்தில் நகலெடுக்கப்பட்டு, நிரந்தரமாக அல்லது இலவசமாக 7 நாட்கள் வைக்கப்படும்.

கோரிக்கையை உருவாக்கு

மாடல் ஸ்கீமாவிலிருந்து கட்டுப்பாடுகள் உருவாக்கப்படுகின்றன. அவற்றை மாற்றும்போது குறியீடும் விலையும் புதுப்பிக்கப்படும்.

resolution இயல்புநிலை medium

பயிற்சித் தெளிவுத்திறன். தெளிவுத்திறனை அதிகரிப்பது நினைவகத் தேவைகளை அதிகரிக்கும்.

aspect_ratio இயல்புநிலை 16:9

MiniMax H3 API வழியாகக் கிடைக்கும் அதே தொகுப்பிலிருந்து பயிற்சிக்கான அகல-உயர விகிதத்தைத் தேர்ந்தெடுக்கவும்.

•தேவை

பயிற்சிக்கான கருப்பொருள் வீடியோக்கள் அடங்கிய ZIP கோப்பின் URL; படங்கள் மட்டுமே உள்ள தரவுத்தொகுப்புகளும் படம்/வீடியோ கலந்த பயிற்சிக் காப்பகங்களும் நிராகரிக்கப்படும். எனவே படங்களைத் துணைக் குறிப்புக் கோப்புகளாக மட்டுமே வழங்க வேண்டும். விருப்பக் கூடுதல் கோப்புகள் ஒவ்வொரு கிளிப்பின் அடிப்படைப் பெயரையும் பகிர்ந்துகொள்ள வேண்டும்: `clip01.txt` போன்ற விளக்கக் கோப்பு மற்றும் `ref_1` முதல் `ref_4` வரையிலான வரிசைப்படுத்தப்பட்ட குறிப்புகள், `clip01.ref_1.<ext>` முதல் `clip01.ref_4.<ext>` வரையிலான பெயர்களுடன்; துணைக் குறிப்புக் கோப்புகள் இல்லாவிட்டால், கிளிப்பிலுள்ள ஒரு ஃப்ரேமே அதன் குறிப்பாகப் பயன்படுத்தப்படும். `<ext>` குறிப்பின் ஊடக வகையைத் தீர்மானிக்கிறது: படங்கள் (.png/.jpg/.jpeg), ஆடியோ (.wav/.mp3/.flac/.m4a/.ogg/.aac), அல்லது வீடியோக்கள் (.mp4/.mov/.avi/.mkv/.webm); வீடியோக்களின் ஒலித்தடங்களும் ஆடியோ குறிப்புகளாகப் பயன்படுத்தப்படும். பயிற்சிக் கிளிப்புகளுக்கு .mp4, .mov, .avi மற்றும் .mkv ஆதரிக்கப்படுகின்றன; குறைந்தது 10 கிளிப்புகளை வழங்கவும், அதிகமாக வழங்குவது சிறந்தது.

இயல்புநிலை 2000

பயிற்சிப் படிகளின் மொத்த எண்ணிக்கை.

மேம்பட்டவை 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 இயல்புநிலை 32

LoRA தழுவல் தரவரிசை; அமைப்பு அதிகரிக்கும்போது அதிக நினைவகப் பயன்பாட்டிற்கு மாற்றாக அதிக திறனை வழங்குகிறது.

இயல்புநிலை

LoRA பாணி செயல்படுத்தும் சொற்றொடர்; பயிற்சியின்போது தலைப்புகளின் தொடக்கத்தில் செருகப்படும்.

இந்த trainer முன்பு உருவாக்கிய .safetensors LoRA-வுடன் warm-start பயிற்சிக்கான URL; அதனைத் தொடர்ந்து number_of_steps கூடுதல் பயிற்சி படிகளின் எண்ணிக்கையை வழங்கவும். adapter weights தவிர வேறு எதுவும் மீட்டமைக்கப்படாது: optimization மற்றும் learning-rate scheduling இரண்டும் புதிதாகத் தொடங்கும்.

இயல்புநிலை 0.0002

மேம்படுத்தல் கற்றல் வீதம்; இதை அதிகரிக்கும்போது பயிற்சி வேகம் கூடும் வாய்ப்பையும் அதிகப்படியான பொருத்தம் ஏற்படும் அபாயத்தையும் சமநிலைப்படுத்தும்.

இயல்புநிலை 73

ஒவ்வொரு பயிற்சி மாதிரிக்குமான ஃப்ரேம் எண்ணிக்கை; இதை 17-ஆல் வகுத்தால் மீதி 5 ஆக இருக்க வேண்டும். எடுத்துக்காட்டுகள்: 22, 39, 56, 73, 90, 107 மற்றும் 124.

இயல்புநிலை 24

இலக்கு வீடியோ ஃப்ரேம் வீதம், வினாடிக்கு ஃப்ரேம்களில் அளவிடப்படுகிறது.

இயல்புநிலை 0.9

பயிற்சியில் நிபந்தனையற்ற உரையிலிருந்து வீடியோ-ஒலி உருவாக்கப் பயிற்சிக்குப் பதிலாக, குறிப்புப் படத்தை நிபந்தனையாக எவ்வளவு அடிக்கடி பயன்படுத்த வேண்டும் என்பதை அமைக்கவும். மீதமுள்ள நிகழ்தகவு நிபந்தனையற்ற பயிற்சி நோக்கத்திற்கு ஒதுக்கப்படும்; இதனால் உரை வழிகாட்டுதலை மட்டுமே சார்ந்த உருவாக்கம் நிலையாக இருக்கும்.

இயல்புநிலை 30

வினாடிகளில் வெளிப்படுத்தப்படும் காட்சி-பிரிப்புத் தூண்டல்; வரம்பைவிட நீளமான வீடியோக்கள் மட்டுமே பிரிக்கப்படும்.

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

இந்தக் கோரிக்கையை இயக்கு

உங்கள் key இந்த உலாவியில் மட்டுமே இருக்கும்: அது Doitong API-க்கு மட்டும் அனுப்பப்படும்; Remember-ஐத் தேர்ந்தெடுத்தால் மட்டுமே (localStorage)-ல் சேமிக்கப்படும். API விசையைப் பெறுங்கள்

MiniMax H3 Reference to Video LoRA Trainer பற்றி

பரிந்துரைகள் வீடியோ உருவாக்கத்தை வழிநடத்தும் வகையில், பொருள் வீடியோ கிளிப்களின் zip மீது LoRA-வைப் பயிற்றுவிக்கிறது. பயிற்சியின்போது குறிப்புகள் எவ்வளவு அடிக்கடி பயன்படுத்தப்படுகின்றன என்பதை `reference_conditioning_p` அமைக்கும்; `resume_from_lora_url` முன்பு பயிற்றுவிக்கப்பட்ட LoRA இலிருந்து தொடரும். மேலும் கட்டமைக்கக்கூடியவை: `rank`, `number_of_steps`, `number_of_frames`, `frame_rate` மற்றும் `aspect_ratio`. எடைகளையும் config கோப்பையும் வழங்கும்.

அளவுருக்கள்

பெயர்வகை இயல்புநிலைஅனுமதிக்கப்பட்டது விளக்கம்
training_data_urlதேவை
வகைstring
பயிற்சிக்கான கருப்பொருள் வீடியோக்கள் அடங்கிய ZIP கோப்பின் URL; படங்கள் மட்டுமே உள்ள தரவுத்தொகுப்புகளும் படம்/வீடியோ கலந்த பயிற்சிக் காப்பகங்களும் நிராகரிக்கப்படும். எனவே படங்களைத் துணைக் குறிப்புக் கோப்புகளாக மட்டுமே வழங்க வேண்டும். விருப்பக் கூடுதல் கோப்புகள் ஒவ்வொரு கிளிப்பின் அடிப்படைப் பெயரையும் பகிர்ந்துகொள்ள வேண்டும்: `clip01.txt` போன்ற விளக்கக் கோப்பு மற்றும் `ref_1` முதல் `ref_4` வரையிலான வரிசைப்படுத்தப்பட்ட குறிப்புகள், `clip01.ref_1.<ext>` முதல் `clip01.ref_4.<ext>` வரையிலான பெயர்களுடன்; துணைக் குறிப்புக் கோப்புகள் இல்லாவிட்டால், கிளிப்பிலுள்ள ஒரு ஃப்ரேமே அதன் குறிப்பாகப் பயன்படுத்தப்படும். `<ext>` குறிப்பின் ஊடக வகையைத் தீர்மானிக்கிறது: படங்கள் (.png/.jpg/.jpeg), ஆடியோ (.wav/.mp3/.flac/.m4a/.ogg/.aac), அல்லது வீடியோக்கள் (.mp4/.mov/.avi/.mkv/.webm); வீடியோக்களின் ஒலித்தடங்களும் ஆடியோ குறிப்புகளாகப் பயன்படுத்தப்படும். பயிற்சிக் கிளிப்புகளுக்கு .mp4, .mov, .avi மற்றும் .mkv ஆதரிக்கப்படுகின்றன; குறைந்தது 10 கிளிப்புகளை வழங்கவும், அதிகமாக வழங்குவது சிறந்தது.
rankவிருப்பத்தேர்வு
வகைenum
இயல்புநிலை32
8163264128
LoRA தழுவல் தரவரிசை; அமைப்பு அதிகரிக்கும்போது அதிக நினைவகப் பயன்பாட்டிற்கு மாற்றாக அதிக திறனை வழங்குகிறது.
number_of_stepsவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை2000
1 – 15,000
பயிற்சிப் படிகளின் மொத்த எண்ணிக்கை.
learning_rateவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை0.0002
0.000001 – 1
மேம்படுத்தல் கற்றல் வீதம்; இதை அதிகரிக்கும்போது பயிற்சி வேகம் கூடும் வாய்ப்பையும் அதிகப்படியான பொருத்தம் ஏற்படும் அபாயத்தையும் சமநிலைப்படுத்தும்.
number_of_framesவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை73
22 – 124
ஒவ்வொரு பயிற்சி மாதிரிக்குமான ஃப்ரேம் எண்ணிக்கை; இதை 17-ஆல் வகுத்தால் மீதி 5 ஆக இருக்க வேண்டும். எடுத்துக்காட்டுகள்: 22, 39, 56, 73, 90, 107 மற்றும் 124.
frame_rateவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை24
8 – 60
இலக்கு வீடியோ ஃப்ரேம் வீதம், வினாடிக்கு ஃப்ரேம்களில் அளவிடப்படுகிறது.
resolutionவிருப்பத்தேர்வு
வகைenum
இயல்புநிலைmedium
lowmediumhigh
பயிற்சித் தெளிவுத்திறன். தெளிவுத்திறனை அதிகரிப்பது நினைவகத் தேவைகளை அதிகரிக்கும்.
aspect_ratioவிருப்பத்தேர்வு
வகைenum
இயல்புநிலை16:9
21:916:94:31:13:49:16
MiniMax H3 API வழியாகக் கிடைக்கும் அதே தொகுப்பிலிருந்து பயிற்சிக்கான அகல-உயர விகிதத்தைத் தேர்ந்தெடுக்கவும்.
trigger_phraseவிருப்பத்தேர்வு
வகைstring
இயல்புநிலை
LoRA பாணி செயல்படுத்தும் சொற்றொடர்; பயிற்சியின்போது தலைப்புகளின் தொடக்கத்தில் செருகப்படும்.
reference_conditioning_pவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை0.9
0 – 1
பயிற்சியில் நிபந்தனையற்ற உரையிலிருந்து வீடியோ-ஒலி உருவாக்கப் பயிற்சிக்குப் பதிலாக, குறிப்புப் படத்தை நிபந்தனையாக எவ்வளவு அடிக்கடி பயன்படுத்த வேண்டும் என்பதை அமைக்கவும். மீதமுள்ள நிகழ்தகவு நிபந்தனையற்ற பயிற்சி நோக்கத்திற்கு ஒதுக்கப்படும்; இதனால் உரை வழிகாட்டுதலை மட்டுமே சார்ந்த உருவாக்கம் நிலையாக இருக்கும்.
resume_from_lora_urlவிருப்பத்தேர்வு
வகைstring | null
இந்த trainer முன்பு உருவாக்கிய .safetensors LoRA-வுடன் warm-start பயிற்சிக்கான URL; அதனைத் தொடர்ந்து number_of_steps கூடுதல் பயிற்சி படிகளின் எண்ணிக்கையை வழங்கவும். adapter weights தவிர வேறு எதுவும் மீட்டமைக்கப்படாது: optimization மற்றும் learning-rate scheduling இரண்டும் புதிதாகத் தொடங்கும்.
auto_scale_inputவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைfalse
தானியங்கி வீடியோ அளவுமாற்றத்தின் மூலம் இலக்கு fps மற்றும் ஃப்ரேம் எண்ணிக்கை பொருத்தப்பட வேண்டுமா; true இந்தச் சரிசெய்தலை இயக்கும்.
split_input_into_scenesவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைtrue
கால அளவு வரம்பை விட நீளமான வீடியோக்களுக்கு scene splitting-ஐ இயக்கவும்; பிரிக்கப்படும் கிளிப்புகளிலிருந்து reference sidecar-களை நீக்கவும்.
split_input_duration_thresholdவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை30
1 – 60
வினாடிகளில் வெளிப்படுத்தப்படும் காட்சி-பிரிப்புத் தூண்டல்; வரம்பைவிட நீளமான வீடியோக்கள் மட்டுமே பிரிக்கப்படும்.
debug_datasetவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைfalse
முழுப் பயிற்சியைத் தொடங்குவதற்கு முன் முன்செயலாக்கத்தைச் சரிபார்க்க ஒரு காப்பகத்தைப் பதிவிறக்குவதற்கான விருப்பம். இதை இயக்கினால், பயிற்சிக் கருவி செயலாக்கப்பட்ட தரவுத்தொகுப்பைத் தொகுத்து வழங்கும். இதன் மூலம் விளக்கவுரைகள், குறிப்புப் படங்கள், வீடியோக்கள் மற்றும் படங்கள் சரியாக உள்ளனவா என்பதை நீங்களே ஆய்வு செய்யலாம்.
strict_datasetவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைfalse
வழக்கமாகப் பதிவு செய்யப்பட்டு, ஆவணப்படுத்தப்பட்ட fallback-ஐப் பயன்படுத்தி தீர்க்கப்படும் preprocessing சிக்கல்களைக் கடுமையாகக் கையாளுதல். இதை இயக்கினால், வெற்று ப்ராம்ப்ட் தேவைப்படும் captions, காணாமல் போன reference sidecar-கள் மற்றும் படிக்க முடியாத ஆடியோ கொண்ட வீடியோக்கள் நிராகரிக்கப்படும்; அந்த fallback-கள் அனுமதிக்கப்படாது.
தேவை

வெளியீடு

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"
  }
}
உங்கள் கோப்புகள், உங்கள் தேர்வுஒவ்வொரு outputs[].url-ம் எங்கள் சேமிப்பகத்தில் உள்ள ஒரு நகல்: நிரந்தரமாக (GB-மாதத்திற்கு கட்டணம்) அல்லது உங்கள் கணக்கு அமைப்பு அல்லது ?storage= மூலம் இலவசமாக 7 நாட்கள் வைக்கப்படும்.
ஒவ்வொரு மாடலிலும் ஒரே வடிவம்படங்கள், வீடியோ மற்றும் ஆடியோ ஆகிய அனைத்திற்குமான type, url, content_type, width, height மற்றும் duration. output என்பது மாதிரியின் சொந்த முடிவு பொருளாகும்.
வெளியீட்டின் புலங்கள்
lora_file
object {url, content_type, file_name, file_size}.safetensors வடிவிலான பயிற்சியளிக்கப்பட்ட LoRA எடைகளுக்கான URL.
config_file
object {url, content_type, file_name, file_size}ஊக முனைய அமைப்பிற்கான உள்ளமைவு.
debug_dataset
object {url, content_type, file_name, file_size} | null`debug_dataset` இயக்கப்பட்ட கோரிக்கைகளுக்கு மட்டும் கிடைக்கும் இந்தப் பதிவிறக்கக்கூடிய காப்பகம், preprocessing முடிந்த பின் உள்ள பயிற்சித் தரவை வைத்திருக்கும்.

மேலும் மாதிரிகள்: பயிற்சி

AI ஏஜெண்டுகளுக்கு: இந்தப் பக்கம் Markdown வடிவில் இங்கே உள்ளது https://doitong.com/ta/developers/models/minimax/h3/ref2va/trainer.md. அனைத்து மாடல்களும் வழிகாட்டிகளும்: https://doitong.com/developers/llms.txt