ข้ามไปยังเนื้อหา

MiniMax H3 Reference to Video LoRA Trainer

ผสานการทำงาน

ID โมเดล 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"

คำขอนี้: $30.00 30,000 เครดิต API เรียกใช้ในหน้านี้

รับคีย์ API
MiniMax การฝึกโมเดล อินพุตอ้างอิง1–60 s

เทรนเนอร์ LoRA สำหรับวิดีโอที่มีเงื่อนไขจากภาพอ้างอิง พร้อมเริ่มต้นต่อจาก LoRA ก่อนหน้า

MiniMax · ไฟล์

ผลลัพธ์แรกของคุณจะแสดงที่นี่

สร้างคำขอด้านล่างและเรียกใช้ด้วยคีย์ API ของคุณ เอาต์พุตจะถูกคัดลอกไปยังพื้นที่จัดเก็บของเรา และเก็บไว้ตลอดไปหรือฟรี 7 วัน

สร้างคำขอ

ตัวควบคุมสร้างจากสคีมาของโมเดล โค้ดและราคาจะอัปเดตเมื่อคุณเปลี่ยนค่า

resolution ค่าเริ่มต้น medium

ความละเอียดสำหรับการฝึก การเพิ่มความละเอียดจะเพิ่มความต้องการหน่วยความจำ

aspect_ratio ค่าเริ่มต้น 16:9

เลือกอัตราส่วนภาพสำหรับการฝึกจากชุดเดียวกับที่มีใน MiniMax H3 API

•จำเป็น

URL ของ ZIP ที่มีวิดีโอฝึกตัวแบบ; ระบบจะปฏิเสธชุดข้อมูลที่มีเฉพาะรูปภาพและไฟล์เก็บถาวรฝึกที่ผสมรูปภาพกับวิดีโอ ดังนั้นรูปภาพต้องใช้เป็น sidecar อ้างอิงแทน ส่วนเสริมที่ไม่บังคับจะใช้ชื่อพื้นฐานเดียวกับแต่ละคลิป: คำบรรยาย เช่น `clip01.txt` และข้อมูลอ้างอิงที่เรียงลำดับจาก `ref_1` ถึง `ref_4` โดยตั้งชื่อเป็น `clip01.ref_1.<ext>` ถึง `clip01.ref_4.<ext>` หากไม่มี sidecar อ้างอิง เฟรมจากคลิปจะถูกใช้เป็นข้อมูลอ้างอิงของคลิปนั้นเอง ค่า `<ext>` จะกำหนดประเภทข้อมูลอ้างอิง: รูปภาพ (.png/.jpg/.jpeg), เสียง (.wav/.mp3/.flac/.m4a/.ogg/.aac) หรือวิดีโอ (.mp4/.mov/.avi/.mkv/.webm) โดยซาวด์แทร็กของวิดีโอจะกลายเป็นข้อมูลอ้างอิงเสียงด้วย คลิปฝึกรองรับ .mp4, .mov, .avi และ .mkv ควรมีอย่างน้อย 10 คลิป และควรมีมากกว่านั้น

ค่าเริ่มต้น 2000

จำนวนขั้นตอนการฝึกทั้งหมด

ขั้นสูง 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 ค่าเริ่มต้น 32

อันดับการปรับใช้ LoRA ซึ่งแลกการใช้หน่วยความจำที่เพิ่มขึ้นกับความจุที่มากขึ้นเมื่อเพิ่มค่าการตั้งค่า

ค่าเริ่มต้น

วลีเปิดใช้สไตล์ LoRA ซึ่งแทรกไว้ที่จุดเริ่มต้นของคำบรรยายระหว่างการฝึก

URL สำหรับการฝึกแบบ warm-start ด้วย LoRA .safetensors ที่เทรนโดยเทรนเนอร์นี้ไว้ก่อนแล้ว ตามด้วยจำนวนขั้นตอนการฝึกเพิ่มเติม number_of_steps จะกู้คืนเฉพาะน้ำหนักอะแดปเตอร์ ส่วนการปรับให้เหมาะสมและการจัดตารางอัตราการเรียนรู้จะเริ่มต้นใหม่ทั้งหมด

ค่าเริ่มต้น 0.0002

อัตราการเรียนรู้สำหรับการเพิ่มประสิทธิภาพ ซึ่งเป็นการถ่วงดุลระหว่างความเร็วการฝึกที่อาจเพิ่มขึ้นกับความเสี่ยงของการฟิตเกินเมื่อเพิ่มค่า

ค่าเริ่มต้น 73

จำนวนเฟรมของแต่ละตัวอย่างฝึก เมื่อนำไปหารด้วย 17 ต้องเหลือเศษ 5 ตัวอย่างได้แก่ 22, 39, 56, 73, 90, 107 และ 124

ค่าเริ่มต้น 24

อัตราเฟรมเป้าหมายของวิดีโอ วัดเป็นเฟรมต่อวินาที

ค่าเริ่มต้น 0.9

กำหนดความถี่ที่การฝึกใช้การกำหนดเงื่อนไขจากรูปภาพอ้างอิง เทียบกับการฝึก text-to-video-audio แบบไม่มีเงื่อนไข ความน่าจะเป็นที่เหลือจะใช้กับเป้าหมายแบบไม่มีเงื่อนไขเพื่อรักษาการสร้างจากพรอมต์เพียงอย่างเดียวให้มีเสถียรภาพ

ค่าเริ่มต้น 30

ทริกเกอร์การแยกฉากที่ระบุเป็นระยะเวลาในหน่วยวินาที: จะแยกเฉพาะวิดีโอที่ยาวกว่าเกณฑ์

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

เรียกใช้คำขอนี้

คีย์ของคุณจะอยู่ในเบราว์เซอร์นี้ โดยส่งไปยัง Doitong API เท่านั้น และจะบันทึกใน localStorage ก็ต่อเมื่อคุณเลือกจดจำ รับคีย์ API

เกี่ยวกับ MiniMax H3 Reference to Video LoRA Trainer

เทรน LoRA จากไฟล์ zip ของคลิปวิดีโอตัวแบบ เพื่อให้อินพุตอ้างอิงควบคุมการสร้างวิดีโอ `reference_conditioning_p` กำหนดความถี่ในการใช้ข้อมูลอ้างอิงระหว่างการเทรน และ `resume_from_lora_url` จะเทรนต่อจาก LoRA ที่เทรนไว้ก่อนหน้า การตั้งค่าที่กำหนดได้ยังมี `rank`, `number_of_steps`, `number_of_frames`, `frame_rate` และ `aspect_ratio` ส่งคืนน้ำหนักและไฟล์ config

พารามิเตอร์

ชื่อประเภท ค่าเริ่มต้นค่าที่อนุญาต คำอธิบาย
training_data_urlจำเป็น
ประเภทstring
URL ของ ZIP ที่มีวิดีโอฝึกตัวแบบ; ระบบจะปฏิเสธชุดข้อมูลที่มีเฉพาะรูปภาพและไฟล์เก็บถาวรฝึกที่ผสมรูปภาพกับวิดีโอ ดังนั้นรูปภาพต้องใช้เป็น sidecar อ้างอิงแทน ส่วนเสริมที่ไม่บังคับจะใช้ชื่อพื้นฐานเดียวกับแต่ละคลิป: คำบรรยาย เช่น `clip01.txt` และข้อมูลอ้างอิงที่เรียงลำดับจาก `ref_1` ถึง `ref_4` โดยตั้งชื่อเป็น `clip01.ref_1.<ext>` ถึง `clip01.ref_4.<ext>` หากไม่มี sidecar อ้างอิง เฟรมจากคลิปจะถูกใช้เป็นข้อมูลอ้างอิงของคลิปนั้นเอง ค่า `<ext>` จะกำหนดประเภทข้อมูลอ้างอิง: รูปภาพ (.png/.jpg/.jpeg), เสียง (.wav/.mp3/.flac/.m4a/.ogg/.aac) หรือวิดีโอ (.mp4/.mov/.avi/.mkv/.webm) โดยซาวด์แทร็กของวิดีโอจะกลายเป็นข้อมูลอ้างอิงเสียงด้วย คลิปฝึกรองรับ .mp4, .mov, .avi และ .mkv ควรมีอย่างน้อย 10 คลิป และควรมีมากกว่านั้น
rankไม่บังคับ
ประเภทenum
ค่าเริ่มต้น32
8163264128
อันดับการปรับใช้ LoRA ซึ่งแลกการใช้หน่วยความจำที่เพิ่มขึ้นกับความจุที่มากขึ้นเมื่อเพิ่มค่าการตั้งค่า
number_of_stepsไม่บังคับ
ประเภทinteger
ค่าเริ่มต้น2000
1 – 15,000
จำนวนขั้นตอนการฝึกทั้งหมด
learning_rateไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0.0002
0.000001 – 1
อัตราการเรียนรู้สำหรับการเพิ่มประสิทธิภาพ ซึ่งเป็นการถ่วงดุลระหว่างความเร็วการฝึกที่อาจเพิ่มขึ้นกับความเสี่ยงของการฟิตเกินเมื่อเพิ่มค่า
number_of_framesไม่บังคับ
ประเภทinteger
ค่าเริ่มต้น73
22 – 124
จำนวนเฟรมของแต่ละตัวอย่างฝึก เมื่อนำไปหารด้วย 17 ต้องเหลือเศษ 5 ตัวอย่างได้แก่ 22, 39, 56, 73, 90, 107 และ 124
frame_rateไม่บังคับ
ประเภทinteger
ค่าเริ่มต้น24
8 – 60
อัตราเฟรมเป้าหมายของวิดีโอ วัดเป็นเฟรมต่อวินาที
resolutionไม่บังคับ
ประเภทenum
ค่าเริ่มต้นmedium
lowmediumhigh
ความละเอียดสำหรับการฝึก การเพิ่มความละเอียดจะเพิ่มความต้องการหน่วยความจำ
aspect_ratioไม่บังคับ
ประเภทenum
ค่าเริ่มต้น16:9
21:916:94:31:13:49:16
เลือกอัตราส่วนภาพสำหรับการฝึกจากชุดเดียวกับที่มีใน MiniMax H3 API
trigger_phraseไม่บังคับ
ประเภทstring
ค่าเริ่มต้น
วลีเปิดใช้สไตล์ LoRA ซึ่งแทรกไว้ที่จุดเริ่มต้นของคำบรรยายระหว่างการฝึก
reference_conditioning_pไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0.9
0 – 1
กำหนดความถี่ที่การฝึกใช้การกำหนดเงื่อนไขจากรูปภาพอ้างอิง เทียบกับการฝึก text-to-video-audio แบบไม่มีเงื่อนไข ความน่าจะเป็นที่เหลือจะใช้กับเป้าหมายแบบไม่มีเงื่อนไขเพื่อรักษาการสร้างจากพรอมต์เพียงอย่างเดียวให้มีเสถียรภาพ
resume_from_lora_urlไม่บังคับ
ประเภทstring | null
URL สำหรับการฝึกแบบ warm-start ด้วย LoRA .safetensors ที่เทรนโดยเทรนเนอร์นี้ไว้ก่อนแล้ว ตามด้วยจำนวนขั้นตอนการฝึกเพิ่มเติม number_of_steps จะกู้คืนเฉพาะน้ำหนักอะแดปเตอร์ ส่วนการปรับให้เหมาะสมและการจัดตารางอัตราการเรียนรู้จะเริ่มต้นใหม่ทั้งหมด
auto_scale_inputไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นfalse
กำหนดว่าจะจับคู่ fps เป้าหมายและจำนวนเฟรมด้วยการปรับขนาดวิดีโออัตโนมัติหรือไม่ โดย true จะเปิดใช้การปรับนี้
split_input_into_scenesไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นtrue
เปิดใช้การแบ่งฉากสำหรับวิดีโอที่ยาวกว่าเกณฑ์ระยะเวลา โดยทิ้ง sidecar อ้างอิงจากคลิปที่ถูกแบ่ง
split_input_duration_thresholdไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น30
1 – 60
ทริกเกอร์การแยกฉากที่ระบุเป็นระยะเวลาในหน่วยวินาที: จะแยกเฉพาะวิดีโอที่ยาวกว่าเกณฑ์
debug_datasetไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นfalse
ตัวเลือกสำหรับดาวน์โหลดไฟล์เก็บถาวรเพื่อตรวจสอบการประมวลผลล่วงหน้าก่อนเริ่มการฝึกเต็มรูปแบบ เมื่อเปิดใช้ ตัวฝึกจะจัดแพ็กชุดข้อมูลที่ประมวลผลแล้ว เพื่อให้คุณตรวจสอบคำบรรยาย รูปภาพอ้างอิง วิดีโอ และรูปภาพด้วยตนเองว่าถูกต้อง
strict_datasetไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นfalse
การจัดการปัญหาระหว่างการประมวลผลล่วงหน้าอย่างเข้มงวด ซึ่งโดยปกติจะถูกบันทึกและแก้ไขด้วยทางเลือกสำรองที่ระบุไว้ การเปิดใช้งานจะปฏิเสธคำบรรยายที่ต้องใช้พรอมต์ว่าง sidecar อ้างอิงที่หายไป และวิดีโอที่มีเสียงอ่านไม่ได้ แทนการอนุญาตให้ใช้ทางเลือกสำรองเหล่านั้น
จำเป็น

เอาต์พุต

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"
  }
}
ไฟล์ของคุณ คุณเลือกเองทุก outputs[].url คือสำเนาบนพื้นที่จัดเก็บของเรา: เก็บไว้ตลอดไป (คิดค่าบริการต่อ GB-เดือน) หรือฟรี 7 วัน โดยกำหนดได้ในการตั้งค่าบัญชีหรือ ?storage=
รูปแบบเดียวกันในทุกโมเดลtype, url, content_type, width, height และ duration สำหรับภาพ วิดีโอ และเสียงเหมือนกันทั้งหมด ส่วน output คือออบเจ็กต์ผลลัพธ์ของโมเดลเอง
ฟิลด์ของเอาต์พุต
lora_file
object {url, content_type, file_name, file_size}URL สำหรับน้ำหนัก LoRA ที่ฝึกแล้วในรูปแบบ .safetensors
config_file
object {url, content_type, file_name, file_size}การกำหนดค่าสำหรับการตั้งค่าเอนด์พอยต์การอนุมาน
debug_dataset
object {url, content_type, file_name, file_size} | nullใช้ได้เฉพาะกับคำขอที่เปิดใช้ `debug_dataset` ไฟล์เก็บถาวรที่ดาวน์โหลดได้นี้จะเก็บข้อมูลฝึกหลังการประมวลผลล่วงหน้า

โมเดลเพิ่มเติม: การฝึกโมเดล

สำหรับเอเจนต์ AI: หน้า Markdown นี้อยู่ที่ https://doitong.com/th/developers/models/minimax/h3/ref2va/trainer.md. โมเดลและคู่มือทั้งหมด: https://doitong.com/developers/llms.txt