مواد پر جائیں

MiniMax H3 Reference to Video LoRA Trainer

انٹیگریٹ کریں

ماڈل 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"

یہ درخواست: ⁨$30.00⁩ 30,000 API کریڈٹس اس صفحے پر چلائیں

API کلید حاصل کریں
MiniMax تربیت حوالہ جاتی ان پٹس1–60 s

حوالوں کی کنڈیشننگ سے ویڈیو بنانے کے لیے LoRA ٹرینر، پہلے سے موجود LoRA سے تربیت جاری رکھنے کی سہولت کے ساتھ

MiniMax · فائل

آپ کا پہلا نتیجہ یہاں آئے گا

ذیل میں درخواست بنائیں اور اپنی API کلید کے ساتھ چلائیں۔ آؤٹ پٹس ہمارے اسٹوریج میں کاپی ہو جاتے ہیں، ہمیشہ کے لیے یا مفت میں 7 دن تک محفوظ رہتے ہیں۔

درخواست بنائیں

کنٹرولز ماڈل اسکیما سے تیار ہوتے ہیں۔ آپ کے بدلنے کے ساتھ کوڈ اور قیمت اپ ڈیٹ ہوتے ہیں۔

resolution ڈیفالٹ medium

Training ریزولوشن۔ ریزولوشن بڑھانے سے memory requirements بڑھتی ہیں۔

aspect_ratio ڈیفالٹ 16:9

Training aspect ratio اسی set سے منتخب کریں جو MiniMax H3 API کے ذریعے دستیاب ہے۔

•لازمی

موضوع کی تربیتی ویڈیوز پر مشتمل ZIP کا URL؛ صرف تصاویر والے ڈیٹاسیٹس اور تصاویر و ویڈیوز کے مخلوط تربیتی آرکائیوز مسترد کر دیے جاتے ہیں، اس لیے تصاویر کو حوالہ جاتی ضمنی فائلوں کے طور پر شامل کرنا ضروری ہے۔ اختیاری اضافی فائلوں کا بنیادی نام ہر کلپ جیسا ہوتا ہے: مثلاً `clip01.txt` کیپشن اور `ref_1` سے `ref_4` تک ترتیب وار حوالے، جن کے نام `clip01.ref_1.<ext>` سے `clip01.ref_4.<ext>` تک ہوں؛ حوالہ جاتی ضمنی فائلیں نہ ہونے پر کلپ کا ایک فریم ہی اس کا حوالہ بنتا ہے۔ `<ext>` حوالے کی قسم طے کرتا ہے: تصاویر (.png/.jpg/.jpeg)، آڈیو (.wav/.mp3/.flac/.m4a/.ogg/.aac)، یا ویڈیوز (.mp4/.mov/.avi/.mkv/.webm)، جن کی صوتی پٹیاں بھی آڈیو حوالے بن جاتی ہیں۔ تربیتی کلپس کے لیے .mp4، .mov، .avi اور .mkv کی معاونت موجود ہے؛ کم از کم 10 کلپس رکھیں، تاہم زیادہ بہتر ہیں۔

ڈیفالٹ 2000

Training steps کی کل count۔

ایڈوانسڈ 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 ڈیفالٹ 32

LoRA adaptation rank، setting بڑھنے کے ساتھ memory consumption کے بدلے زیادہ capacity فراہم کرتا ہے۔

ڈیفالٹ

LoRA style activation phrase، training کے دوران captions کے آغاز میں داخل کیا جاتا ہے۔

اس trainer سے پہلے بنائی گئی .safetensors LoRA کے ساتھ warm-start training کا URL، اس کے بعد number_of_steps اضافی training steps۔ Adapter weights کے علاوہ کچھ restore نہیں کیا جاتا: optimization اور learning-rate scheduling دونوں نئے سرے سے شروع ہوتے ہیں۔

ڈیفالٹ 0.0002

Optimization learning rate، جو training میں ممکنہ رفتار اور اسے بڑھانے پر overfitting کے خطرے کے درمیان توازن قائم کرتا ہے۔

ڈیفالٹ 73

ہر training sample کے لیے فریم count؛ اسے 17 سے تقسیم کرنے پر remainder 5 ہونا چاہیے۔ مثالیں 22، 39، 56، 73، 90، 107 اور 124 ہیں۔

ڈیفالٹ 24

مطلوبہ ویڈیو فریم ریٹ، جس کی پیمائش فریم فی سیکنڈ میں کی جاتی ہے۔

ڈیفالٹ 0.9

یہ متعین کریں کہ training میں reference-image conditioning اور unconditioned text-to-video-audio training کتنی بار استعمال ہوں۔ باقی تمام probability unconditioned objective کو جاتی ہے تاکہ stable prompt-only تخلیق برقرار رہے۔

ڈیفالٹ 30

Scene-splitting trigger، سیکنڈ میں duration کے طور پر؛ صرف threshold سے لمبی ویڈیوز split ہوتی ہیں۔

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

یہ درخواست چلائیں

آپ کی key اسی براؤزر میں رہتی ہے: یہ صرف Doitong API کو بھیجی جاتی ہے اور صرف اس صورت میں localStorage میں محفوظ ہوتی ہے جب آپ Remember منتخب کریں۔ API کلید حاصل کریں

MiniMax H3 Reference to Video LoRA Trainer کے بارے میں

موضوع کے ویڈیو کلپ کی zip پر LoRA کو تربیت دیتا ہے تاکہ حوالہ جاتی ان پٹ ویڈیو کی تخلیق کی رہنمائی کر سکیں۔ `reference_conditioning_p` طے کرتا ہے کہ تربیت کے دوران حوالے کتنی بار استعمال ہوں، اور `resume_from_lora_url` پہلے سے تربیت یافتہ LoRA سے تربیت جاری رکھتا ہے۔ `rank`، `number_of_steps`، `number_of_frames`، `frame_rate` اور `aspect_ratio` بھی قابلِ ترتیب ہیں۔ وزن اور کنفیگ فائل لوٹاتا ہے۔

پیرامیٹرز

نامقسم ڈیفالٹمجاز تفصیل
training_data_urlلازمی
قسمstring
موضوع کی تربیتی ویڈیوز پر مشتمل ZIP کا URL؛ صرف تصاویر والے ڈیٹاسیٹس اور تصاویر و ویڈیوز کے مخلوط تربیتی آرکائیوز مسترد کر دیے جاتے ہیں، اس لیے تصاویر کو حوالہ جاتی ضمنی فائلوں کے طور پر شامل کرنا ضروری ہے۔ اختیاری اضافی فائلوں کا بنیادی نام ہر کلپ جیسا ہوتا ہے: مثلاً `clip01.txt` کیپشن اور `ref_1` سے `ref_4` تک ترتیب وار حوالے، جن کے نام `clip01.ref_1.<ext>` سے `clip01.ref_4.<ext>` تک ہوں؛ حوالہ جاتی ضمنی فائلیں نہ ہونے پر کلپ کا ایک فریم ہی اس کا حوالہ بنتا ہے۔ `<ext>` حوالے کی قسم طے کرتا ہے: تصاویر (.png/.jpg/.jpeg)، آڈیو (.wav/.mp3/.flac/.m4a/.ogg/.aac)، یا ویڈیوز (.mp4/.mov/.avi/.mkv/.webm)، جن کی صوتی پٹیاں بھی آڈیو حوالے بن جاتی ہیں۔ تربیتی کلپس کے لیے .mp4، .mov، .avi اور .mkv کی معاونت موجود ہے؛ کم از کم 10 کلپس رکھیں، تاہم زیادہ بہتر ہیں۔
rankاختیاری
قسمenum
ڈیفالٹ32
8163264128
LoRA adaptation rank، setting بڑھنے کے ساتھ memory consumption کے بدلے زیادہ capacity فراہم کرتا ہے۔
number_of_stepsاختیاری
قسمinteger
ڈیفالٹ2000
1 – 15,000
Training steps کی کل count۔
learning_rateاختیاری
قسمnumber
ڈیفالٹ0.0002
0.000001 – 1
Optimization learning rate، جو training میں ممکنہ رفتار اور اسے بڑھانے پر overfitting کے خطرے کے درمیان توازن قائم کرتا ہے۔
number_of_framesاختیاری
قسمinteger
ڈیفالٹ73
22 – 124
ہر training sample کے لیے فریم count؛ اسے 17 سے تقسیم کرنے پر remainder 5 ہونا چاہیے۔ مثالیں 22، 39، 56، 73، 90، 107 اور 124 ہیں۔
frame_rateاختیاری
قسمinteger
ڈیفالٹ24
8 – 60
مطلوبہ ویڈیو فریم ریٹ، جس کی پیمائش فریم فی سیکنڈ میں کی جاتی ہے۔
resolutionاختیاری
قسمenum
ڈیفالٹmedium
lowmediumhigh
Training ریزولوشن۔ ریزولوشن بڑھانے سے memory requirements بڑھتی ہیں۔
aspect_ratioاختیاری
قسمenum
ڈیفالٹ16:9
21:916:94:31:13:49:16
Training aspect ratio اسی set سے منتخب کریں جو MiniMax H3 API کے ذریعے دستیاب ہے۔
trigger_phraseاختیاری
قسمstring
ڈیفالٹ
LoRA style activation phrase، training کے دوران captions کے آغاز میں داخل کیا جاتا ہے۔
reference_conditioning_pاختیاری
قسمnumber
ڈیفالٹ0.9
0 – 1
یہ متعین کریں کہ training میں reference-image conditioning اور unconditioned text-to-video-audio training کتنی بار استعمال ہوں۔ باقی تمام probability unconditioned objective کو جاتی ہے تاکہ stable prompt-only تخلیق برقرار رہے۔
resume_from_lora_urlاختیاری
قسمstring | null
اس trainer سے پہلے بنائی گئی .safetensors LoRA کے ساتھ warm-start training کا URL، اس کے بعد number_of_steps اضافی training steps۔ Adapter weights کے علاوہ کچھ restore نہیں کیا جاتا: optimization اور learning-rate scheduling دونوں نئے سرے سے شروع ہوتے ہیں۔
auto_scale_inputاختیاری
قسمboolean
ڈیفالٹfalse
کیا target fps اور فریم count automatic ویڈیو scaling کے ذریعے match کیے جائیں؛ true یہ adjustment enabled کرتا ہے۔
split_input_into_scenesاختیاری
قسمboolean
ڈیفالٹtrue
threshold سے زیادہ لمبی ویڈیوز کے لیے scene splitting enabled کریں؛ split کیے گئے clips کے reference sidecars discard کر دیے جاتے ہیں۔
split_input_duration_thresholdاختیاری
قسمnumber
ڈیفالٹ30
1 – 60
Scene-splitting trigger، سیکنڈ میں duration کے طور پر؛ صرف threshold سے لمبی ویڈیوز split ہوتی ہیں۔
debug_datasetاختیاری
قسمboolean
ڈیفالٹfalse
مکمل training شروع کرنے سے پہلے preprocessing چیک کرنے کے لیے archive download کرنے کا option۔ enabled ہونے پر trainer processed dataset package کرتا ہے تاکہ آپ captions، reference تصاویر، ویڈیوز اور تصاویر کی درستگی دستی طور پر جانچ سکیں۔
strict_datasetاختیاری
قسمboolean
ڈیفالٹfalse
Preprocessing کے مسائل کا strict handling جو بصورت دیگر log ہو کر documented fallback سے حل ہوتے۔ enabled ہونے پر blank پرامپٹس کی ضرورت والے captions، missing reference sidecars اور unreadable آڈیو والی ویڈیوز مسترد کی جاتی ہیں، بجائے ان fallbacks کی اجازت دینے کے۔
لازمی

آؤٹ پٹ

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"
  }
}
آپ کی فائلیں، آپ کا انتخابہر outputs[].url ہمارے اسٹوریج میں ایک کاپی ہے: ہمیشہ کے لیے محفوظ (فی GB-ماہ ادائیگی) یا مفت میں 7 دن تک، آپ کی اکاؤنٹ سیٹنگ یا ?storage= کے مطابق۔
ہر ماڈل میں ایک جیسی ساختtype، url، content_type، width، height اور duration، تصاویر، ویڈیو اور آڈیو سب کے لیے یکساں۔ output ماڈل کا اپنا نتیجہ آبجیکٹ ہے۔
آؤٹ پٹ کے فیلڈز
lora_file
object {url, content_type, file_name, file_size}trained LoRA weights کے لیے `.safetensors` format میں URL۔
config_file
object {url, content_type, file_name, file_size}Configuration for inference اینڈ پوائنٹ setup۔
debug_dataset
object {url, content_type, file_name, file_size} | nullصرف `debug_dataset` enabled والی درخواستوں کے لیے دستیاب؛ یہ downloadable archive preprocessing کے بعد training data رکھتا ہے۔

مزید ماڈلز: تربیت

AI ایجنٹس کے لیے: یہ صفحہ Markdown میں یہاں موجود ہے https://doitong.com/ur/developers/models/minimax/h3/ref2va/trainer.md. تمام ماڈلز اور گائیڈز: https://doitong.com/developers/llms.txt