Lumaktaw sa nilalaman

MiniMax H3 Reference to Video LoRA Trainer

I-integrate

ID ng modelo minimax/h3/ref2va/trainer
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/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://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Kahilingang ito: $30.00 30,000 kredito ng API Patakbuhin ito sa page na ito

Kumuha ng API key
MiniMax Pagsasanay Mga reference input1–60 s

LoRA trainer para sa reference-conditioned video, na may warm start mula sa naunang LoRA

Ginawa sa Doitong

Mga pampublikong gawang ginawa gamit ang MiniMax H3 ng komunidad ng Doitong. Gamitin muli ang prompt sa isang click.

Mga ipinapakitang pampublikong gawa: 16
Close-up shot of a striking model with piercing eyes and flawless skin, a white snake elegantly c... video

Close-up shot of a striking model with piercing eyes and flawless skin, a white snake elegantly coiled around her head and neck, its scales glistening in soft, diffused light. The camera gently zooms in, emphasizing the intricate texture of the snake’s scales and the model’s striking facial...

Animate the stickman drawings into a smooth dance animation. The simple black stick figure perfor... video

Animate the stickman drawings into a smooth dance animation. The simple black stick figure performs fun rhythmic dance moves — waving its arms, bending knees, jumping lightly, spinning, and swaying side to side in time with upbeat music. Keep the white background clean and minimal. The motion...

A hyper-realistic, cinematic transformation sequence of the man in the uploaded image, sitting in... video

A hyper-realistic, cinematic transformation sequence of the man in the uploaded image, sitting in meditation inside a traditional Japanese room. The atmosphere begins to tremble slightly as soft blue light flows around him. From the ground, thousands of magnetic nano-particles rise, shimmering...

A cinematic transformation video of the man. The scene begins with him standing naturally, then l... video

A cinematic transformation video of the man. The scene begins with him standing naturally, then looking down at his hands as glowing holographic projections appear around his body. Mechanical parts of the Iron Man armor start assembling piece by piece with smooth animation: chest plate forming,...

An ultra-epic anime cinematic of Luffy’s greatest enemy unleashing a terrifying blind rage, rampa... video

An ultra-epic anime cinematic of Luffy’s greatest enemy unleashing a terrifying blind rage, rampaging uncontrollably against nature itself. His gigantic body is surrounded by a storm of black and crimson energy, crackling with lightning that scorches the ground. His roar shakes the heavens,...

A fair-skinned red-haired woman with freckles tightly embraces a majestic white tiger with faint ... video

A fair-skinned red-haired woman with freckles tightly embraces a majestic white tiger with faint reddish stripes. They remain close, perfectly synchronized in stillness. The woman blinks slowly, slightly tilting her head with a serious and intense expression. The tiger breathes gently — its...

The snowboarder is riding across massive, fluffy white clouds as if they were snow-covered mounta... video

The snowboarder is riding across massive, fluffy white clouds as if they were snow-covered mountains, with dramatic lighting and deep shadows adding volume and realism. The background shows a stunning blue sky with scattered soft clouds and subtle light rays. crisp cinematic quality, vivid...

Вертикальное кинематографичное видео 9:16, 6 секунд, один непрерывный план. Начать точно с исходн... video

Вертикальное кинематографичное видео 9:16, 6 секунд, один непрерывный план. Начать точно с исходного изображения. Женщина стоит босиком у самой кромки моря, спиной к камере, лицом к закату. Небольшая прозрачная волна плавно подкатывает к ней, мягко касается ступней под подолом и нижнего края...

Bumuo ng kahilingan

Ang mga control ay binubuo mula sa schema ng modelo. Nagbabago ang code at presyo habang ina-adjust mo ang mga ito.

resolution default na medium

Training resolution. Kapag tinaasan ang resolution, tumataas ang memory requirements.

aspect_ratio default na 16:9

Piliin ang training aspect ratio mula sa parehong set na available sa MiniMax H3 API.

•kinakailangan

URL para sa ZIP ng subject training video; tinatanggihan ang larawan-only dataset at mixed larawan/video training archive, kaya dapat reference sidecar ang mga larawan. Ang mga opsyonal na karagdagang file ay kapareho ng base name ng bawat clip: caption gaya ng `clip01.txt` at mga nakaayos na reference mula `ref_1` hanggang `ref_4`, na pinapangalanang `clip01.ref_1.<ext>` hanggang `clip01.ref_4.<ext>`; kung walang reference sidecar, frame mula sa clip ang nagsisilbing sarili nitong reference. Tinutukoy ng `<ext>` ang reference modality: larawan (.png/.jpg/.jpeg), audio (.wav/.mp3/.flac/.m4a/.ogg/.aac), o videos (.mp4/.mov/.avi/.mkv/.webm), na nagiging audio reference din ang mga soundtrack ng mga ito. Sinusuportahan ng training clip ang .mp4, .mov, .avi, at .mkv; maghangad ng hindi bababa sa 10 clip, at mas mainam ang higit pa.

default na 2000

Kabuuang bilang ng training step.

advanced 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 default na 32

LoRA adaptation rank, na ipinagpapalit ang mas mataas na memory consumption para sa mas malaking capacity habang tumataas ang setting.

default na

LoRA style activation phrase, na ipinapasok sa simula ng mga caption habang nagta-training.

URL para sa warm-start training gamit ang .safetensors LoRA na dati nang ginawa ng trainer na ito, na sinusundan ng bilang ng karagdagang training step na number_of_steps. Walang ibinabalik maliban sa adapter weights: muling nagsisimula ang optimization at learning-rate scheduling.

default na 0.0002

Optimization learning rate, na nagbabalanse sa posibleng pagbilis ng training at panganib ng overfitting kapag tinaasan.

default na 73

Bilang ng frame para sa bawat training sample; kapag hinati sa 17, dapat may remainder na 5. Kabilang sa mga halimbawa ang 22, 39, 56, 73, 90, 107, at 124.

default na 24

Target frame rate ng video, sinusukat sa frames per segundo.

default na 0.9

Itakda kung gaano kadalas gumagamit ang training ng reference-image conditioning kumpara sa unconditioned text-to-video-audio training. Napupunta ang natitirang probability sa unconditioned objective upang mapanatiling stable ang prompt-only pagbuo.

default na 30

Trigger ng paghahati ng eksena na ipinapahayag bilang duration sa segundo: ang mga video lamang na mas mahaba sa threshold ang hinahati.

POST /run/minimax/h3/ref2va/trainer?wait=20 presyo → $30.00
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/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://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Patakbuhin ang kahilingang ito

Nananatili ang iyong key sa browser na ito: ipinapadala lamang ito sa Doitong API at sine-save (localStorage) lamang kung pipiliin mo ang Tandaan. Kumuha ng API key

Tungkol sa MiniMax H3 Reference to Video LoRA Trainer

Nagsasanay ng LoRA sa zip ng mga video clip ng subject upang magabayan ng reference input ang pagbuo ng video. Itinatakda ng `reference_conditioning_p` kung gaano kadalas ginagamit ang mga reference habang nagsasanay, at ipinagpapatuloy ng `resume_from_lora_url` ang pagsasanay mula sa naunang LoRA. Maaari ring i-configure ang `rank`, `number_of_steps`, `number_of_frames`, `frame_rate` at `aspect_ratio`. Nagbabalik ng weights at config file.

Mga parameter

PangalanUri defaultPinapayagan Paglalarawan
training_data_urlkinakailangan
Uristring
URL para sa ZIP ng subject training video; tinatanggihan ang larawan-only dataset at mixed larawan/video training archive, kaya dapat reference sidecar ang mga larawan. Ang mga opsyonal na karagdagang file ay kapareho ng base name ng bawat clip: caption gaya ng `clip01.txt` at mga nakaayos na reference mula `ref_1` hanggang `ref_4`, na pinapangalanang `clip01.ref_1.<ext>` hanggang `clip01.ref_4.<ext>`; kung walang reference sidecar, frame mula sa clip ang nagsisilbing sarili nitong reference. Tinutukoy ng `<ext>` ang reference modality: larawan (.png/.jpg/.jpeg), audio (.wav/.mp3/.flac/.m4a/.ogg/.aac), o videos (.mp4/.mov/.avi/.mkv/.webm), na nagiging audio reference din ang mga soundtrack ng mga ito. Sinusuportahan ng training clip ang .mp4, .mov, .avi, at .mkv; maghangad ng hindi bababa sa 10 clip, at mas mainam ang higit pa.
rankopsyonal
Urienum
default32
8163264128
LoRA adaptation rank, na ipinagpapalit ang mas mataas na memory consumption para sa mas malaking capacity habang tumataas ang setting.
number_of_stepsopsyonal
Uriinteger
default2000
1 – 15,000
Kabuuang bilang ng training step.
learning_rateopsyonal
Urinumber
default0.0002
0.000001 – 1
Optimization learning rate, na nagbabalanse sa posibleng pagbilis ng training at panganib ng overfitting kapag tinaasan.
number_of_framesopsyonal
Uriinteger
default73
22 – 124
Bilang ng frame para sa bawat training sample; kapag hinati sa 17, dapat may remainder na 5. Kabilang sa mga halimbawa ang 22, 39, 56, 73, 90, 107, at 124.
frame_rateopsyonal
Uriinteger
default24
8 – 60
Target frame rate ng video, sinusukat sa frames per segundo.
resolutionopsyonal
Urienum
defaultmedium
lowmediumhigh
Training resolution. Kapag tinaasan ang resolution, tumataas ang memory requirements.
aspect_ratioopsyonal
Urienum
default16:9
21:916:94:31:13:49:16
Piliin ang training aspect ratio mula sa parehong set na available sa MiniMax H3 API.
trigger_phraseopsyonal
Uristring
default
LoRA style activation phrase, na ipinapasok sa simula ng mga caption habang nagta-training.
reference_conditioning_popsyonal
Urinumber
default0.9
0 – 1
Itakda kung gaano kadalas gumagamit ang training ng reference-image conditioning kumpara sa unconditioned text-to-video-audio training. Napupunta ang natitirang probability sa unconditioned objective upang mapanatiling stable ang prompt-only pagbuo.
resume_from_lora_urlopsyonal
Uristring | null
URL para sa warm-start training gamit ang .safetensors LoRA na dati nang ginawa ng trainer na ito, na sinusundan ng bilang ng karagdagang training step na number_of_steps. Walang ibinabalik maliban sa adapter weights: muling nagsisimula ang optimization at learning-rate scheduling.
auto_scale_inputopsyonal
Uriboolean
defaultfalse
Kung nagtutugma ang target fps at frame count sa pamamagitan ng awtomatikong video scaling; ino-enable ng true ang adjustment na ito.
split_input_into_scenesopsyonal
Uriboolean
defaulttrue
I-enable ang scene splitting para sa mga video na mas mahaba sa threshold ng tagal, at itapon ang reference sidecar mula sa mga clip na hinati.
split_input_duration_thresholdopsyonal
Urinumber
default30
1 – 60
Trigger ng paghahati ng eksena na ipinapahayag bilang duration sa segundo: ang mga video lamang na mas mahaba sa threshold ang hinahati.
debug_datasetopsyonal
Uriboolean
defaultfalse
Opsyon upang mag-download ng archive para suriin ang preprocessing bago simulan ang buong training. Kapag enabled ito, ibinabalot ng trainer ang processed dataset upang mano-manong masuri ang mga caption, reference larawan, video, at larawan kung tama.
strict_datasetopsyonal
Uriboolean
defaultfalse
Mahigpit na paghawak sa mga preprocessing problem na kung hindi ay ila-log at lulutasin gamit ang dokumentadong fallback. Kapag enabled, tinatanggihan ang caption na nangangailangan ng blank prompt, nawawalang reference sidecar, at video na hindi mabasa ang audio sa halip na payagan ang mga fallback na iyon.
kinakailangan

Output

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://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Ikaw ang pumipili para sa iyong mga fileAng bawat outputs[].url ay kopya sa aming storage: pinananatili nang walang hanggan (sinisingil bawat GB-month) o 7 araw nang libre, ayon sa setting ng iyong account o ?storage=.
Parehong shape sa bawat modelotype, url, content_type, width, height at duration, para sa mga larawan, video at audio. Ang output ay sariling result object ng modelo.
Mga field ng output
lora_file
object {url, content_type, file_name, file_size}URL para sa trained LoRA weights sa .safetensors format.
config_file
object {url, content_type, file_name, file_size}Configuration para sa setup ng inference endpoint.
debug_dataset
object {url, content_type, file_name, file_size} | nullAvailable lamang para sa mga kahilingang may naka-enable na `debug_dataset`; naglalaman ang mada-download na archive na ito ng training data pagkatapos ng preprocessing.

Higit pang modelo: Pagsasanay

Para sa mga AI agent: nasa Markdown ang pahinang ito sa https://doitong.com/fil/developers/models/minimax/h3/ref2va/trainer.md. Lahat ng modelo at gabay: https://doitong.com/developers/llms.txt