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://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"

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

Doitong پر بنایا گیا

Doitong کمیونٹی کے MiniMax H3 سے بنائے گئے عوامی کام۔ ایک کلک میں پرامپٹ دوبارہ استعمال کریں۔

دکھائے گئے عوامی کام: 16
Close-up shot of a striking model with piercing eyes and flawless skin, a white snake elegantly c... ویڈیو

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... ویڈیو

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... ویڈیو

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... ویڈیو

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... ویڈیو

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 ... ویڈیو

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... ویڈیو

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...

Мрачная комната для допросов, тесная и давящая. Одна резкая лампа под потолком бросает конус холо... ویڈیو

Мрачная комната для допросов, тесная и давящая. Одна резкая лампа под потолком бросает конус холодного света на металлический стол, вокруг густые тени. Виновный подозреваемый сидит в наручниках по одну сторону стола: потеет, нервно бегает глазами, тяжело дышит, избегает взгляда. Напротив —...

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://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"

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://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/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