رفتن به محتوا

MiniMax H3 Reference to Video LoRA Trainer

یکپارچه‌سازی

شناسه مدل 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.ru/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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

این درخواست: ⁨‎$۳۰٫۰۰⁩ ۳۰٬۰۰۰ اعتبار API · ≈ ⁨‎₽۳٬۱۴۰٫۹۹⁩ اجرای آن در این صفحه

دریافت کلید API
MiniMax آموزش ورودی‌های مرجع۱–۶۰ ثانیه

آموزش‌دهنده LoRA برای ویدئوی شرطی‌شده با مرجع، با شروع گرم از LoRA قبلی

ساخته‌شده در Doitong

آثار عمومی ساخته‌شده با MiniMax H3 توسط جامعه Doitong. یک پرامپت را با یک کلیک دوباره استفاده کنید.

آثار عمومی نمایش‌داده‌شده: 16
Close-up shot of a striking model with piercing eyes and flawless skin, a white snake elegantly c... ویدیو

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... ویدیو

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... ویدیو

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... ویدیو

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... ویدیو

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 ... ویدیو

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... ویدیو

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...

ویدیو

Используй это изображение как точный референс. Вертикальное реалистичное видео 9:16, тёплая кинематографичная ночная сцена в спальне. Полностью сохранить лица Ани и Павла, их внешность, причёски, одежду, освещение, кровать, панорамные окна и ночной город. Камера статичная, средний крупный план....

ساخت درخواست

کنترل‌ها از شِمای مدل تولید می‌شوند. با تغییر آن‌ها، کد و قیمت به‌روزرسانی می‌شوند.

resolution پیش‌فرض medium

وضوح آموزشی. افزایش وضوح نیاز حافظه را بیشتر می‌کند.

aspect_ratio پیش‌فرض 16:9

نسبت ابعاد آموزشی را از همان مجموعهٔ در دسترس از طریق MiniMax H3 API انتخاب کنید.

•الزامی

URL یک ZIP از ویدیوهای آموزشی سوژه؛ مجموعه‌های فقط تصویری و بایگانی‌های آموزشی ترکیبی تصویر/ویدیو رد می‌شوند، بنابراین تصاویر باید به‌صورت sidecar ارجاع ارائه شوند. موارد اضافی اختیاری نام پایهٔ هر کلیپ را به اشتراک می‌گذارند: شرحی مانند `clip01.txt` و ارجاع‌های مرتب از `ref_1` تا `ref_4` با نام‌های `clip01.ref_1.<ext>` تا `clip01.ref_4.<ext>`؛ بدون sidecarهای ارجاع، یک فریم از کلیپ مرجع خودش را فراهم می‌کند. `<ext>` حالت ارجاع را تعیین می‌کند: تصاویر (.png/.jpg/.jpeg)، صوت (.wav/.mp3/.flac/.m4a/.ogg/.aac) یا ویدیوها (.mp4/.mov/.avi/.mkv/.webm) که موسیقی متن آن‌ها نیز به ارجاع صوتی تبدیل می‌شود. کلیپ‌های آموزشی از .mp4، .mov، .avi و .mkv پشتیبانی می‌کنند؛ حداقل 10 کلیپ هدف‌گذاری کنید و تعداد بیشتر ترجیح دارد.

پیش‌فرض 2000

تعداد کل گام‌های آموزشی.

پیشرفته 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 پیش‌فرض 32

رتبه سازگارسازی LoRA که با افزایش مقدار، مصرف حافظه بیشتر و ظرفیت بالاتری ایجاد می‌کند.

پیش‌فرض

عبارت فعال‌سازی سبک LoRA که هنگام آموزش در ابتدای کپشن‌ها درج می‌شود.

URL آموزش warm-start با یک LoRA در قالب .safetensors که پیش‌تر توسط این آموزشگر ایجاد شده، به‌همراه تعداد number_of_steps گام آموزشی اضافی. چیزی جز وزن‌های آداپتور بازیابی نمی‌شود؛ بهینه‌سازی و زمان‌بندی نرخ یادگیری هر دو از نو آغاز می‌شوند.

پیش‌فرض 0.0002

نرخ یادگیری بهینه‌سازی که میان افزایش احتمالی سرعت آموزش و خطر بیش‌برازش در مقادیر بالاتر تعادل برقرار می‌کند.

پیش‌فرض 73

تعداد فریم هر نمونهٔ آموزشی؛ تقسیم آن بر 17 باید باقیماندهٔ 5 داشته باشد. نمونه‌ها شامل 22، 39، 56، 73، 90، 107 و 124 هستند.

پیش‌فرض 24

نرخ فریم ویدیوی هدف، برحسب فریم بر ثانیه.

پیش‌فرض 0.9

تعیین کنید آموزش با چه تناوبی از شرطی‌سازی تصویر مرجع در برابر آموزش متن‌به‌ویدیو-صوت بدون شرطی‌سازی استفاده کند. هر احتمال باقی‌مانده به هدف بدون شرطی‌سازی اختصاص می‌یابد تا تولید پایدار فقط از پرامپت حفظ شود.

پیش‌فرض 30

محرک تقسیم صحنه که به‌صورت مدت برحسب ثانیه بیان می‌شود: فقط ویدیوهای طولانی‌تر از آستانه تقسیم می‌شوند.

POST /run/minimax/h3/ref2va/trainer?wait=20 قیمت → ⁨‎$۳۰٫۰۰⁩
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

اجرای این درخواست

کلید شما در این مرورگر باقی می‌ماند: فقط به Doitong API ارسال می‌شود و فقط در صورت فعال‌کردن گزینه «یادآوری»، در localStorage ذخیره می‌شود. دریافت کلید API

درباره MiniMax H3 Reference to Video LoRA Trainer

یک LoRA را روی فایل zip کلیپ‌های ویدئویی سوژه آموزش می‌دهد تا ورودی‌های مرجع تولید ویدئو را هدایت کنند. `reference_conditioning_p` دفعات استفاده از مراجع در آموزش را تعیین می‌کند و `resume_from_lora_url` آموزش را از LoRA آموزش‌دیده قبلی ادامه می‌دهد. همچنین قابل تنظیم است: `rank`، `number_of_steps`، `number_of_frames`، `frame_rate` و `aspect_ratio`. وزن‌ها و یک فایل پیکربندی را برمی‌گرداند.

پارامترها

نامنوع پیش‌فرضمجاز توضیحات
training_data_urlالزامی
نوعstring
URL یک ZIP از ویدیوهای آموزشی سوژه؛ مجموعه‌های فقط تصویری و بایگانی‌های آموزشی ترکیبی تصویر/ویدیو رد می‌شوند، بنابراین تصاویر باید به‌صورت sidecar ارجاع ارائه شوند. موارد اضافی اختیاری نام پایهٔ هر کلیپ را به اشتراک می‌گذارند: شرحی مانند `clip01.txt` و ارجاع‌های مرتب از `ref_1` تا `ref_4` با نام‌های `clip01.ref_1.<ext>` تا `clip01.ref_4.<ext>`؛ بدون sidecarهای ارجاع، یک فریم از کلیپ مرجع خودش را فراهم می‌کند. `<ext>` حالت ارجاع را تعیین می‌کند: تصاویر (.png/.jpg/.jpeg)، صوت (.wav/.mp3/.flac/.m4a/.ogg/.aac) یا ویدیوها (.mp4/.mov/.avi/.mkv/.webm) که موسیقی متن آن‌ها نیز به ارجاع صوتی تبدیل می‌شود. کلیپ‌های آموزشی از .mp4، .mov، .avi و .mkv پشتیبانی می‌کنند؛ حداقل 10 کلیپ هدف‌گذاری کنید و تعداد بیشتر ترجیح دارد.
rankاختیاری
نوعenum
پیش‌فرض32
8163264128
رتبه سازگارسازی LoRA که با افزایش مقدار، مصرف حافظه بیشتر و ظرفیت بالاتری ایجاد می‌کند.
number_of_stepsاختیاری
نوعinteger
پیش‌فرض2000
۱ – ۱۵٬۰۰۰
تعداد کل گام‌های آموزشی.
learning_rateاختیاری
نوعnumber
پیش‌فرض0.0002
۰٫۰۰۰۰۰۱ – ۱
نرخ یادگیری بهینه‌سازی که میان افزایش احتمالی سرعت آموزش و خطر بیش‌برازش در مقادیر بالاتر تعادل برقرار می‌کند.
number_of_framesاختیاری
نوعinteger
پیش‌فرض73
۲۲ – ۱۲۴
تعداد فریم هر نمونهٔ آموزشی؛ تقسیم آن بر 17 باید باقیماندهٔ 5 داشته باشد. نمونه‌ها شامل 22، 39، 56، 73، 90، 107 و 124 هستند.
frame_rateاختیاری
نوعinteger
پیش‌فرض24
۸ – ۶۰
نرخ فریم ویدیوی هدف، برحسب فریم بر ثانیه.
resolutionاختیاری
نوعenum
پیش‌فرضmedium
lowmediumhigh
وضوح آموزشی. افزایش وضوح نیاز حافظه را بیشتر می‌کند.
aspect_ratioاختیاری
نوعenum
پیش‌فرض16:9
21:916:94:31:13:49:16
نسبت ابعاد آموزشی را از همان مجموعهٔ در دسترس از طریق MiniMax H3 API انتخاب کنید.
trigger_phraseاختیاری
نوعstring
پیش‌فرض
عبارت فعال‌سازی سبک LoRA که هنگام آموزش در ابتدای کپشن‌ها درج می‌شود.
reference_conditioning_pاختیاری
نوعnumber
پیش‌فرض0.9
۰ – ۱
تعیین کنید آموزش با چه تناوبی از شرطی‌سازی تصویر مرجع در برابر آموزش متن‌به‌ویدیو-صوت بدون شرطی‌سازی استفاده کند. هر احتمال باقی‌مانده به هدف بدون شرطی‌سازی اختصاص می‌یابد تا تولید پایدار فقط از پرامپت حفظ شود.
resume_from_lora_urlاختیاری
نوعstring | null
URL آموزش warm-start با یک LoRA در قالب .safetensors که پیش‌تر توسط این آموزشگر ایجاد شده، به‌همراه تعداد number_of_steps گام آموزشی اضافی. چیزی جز وزن‌های آداپتور بازیابی نمی‌شود؛ بهینه‌سازی و زمان‌بندی نرخ یادگیری هر دو از نو آغاز می‌شوند.
auto_scale_inputاختیاری
نوعboolean
پیش‌فرضfalse
مشخص می‌کند هدف fps و تعداد فریم از طریق مقیاس‌بندی خودکار ویدیو تطبیق داده شوند یا نه؛ true این تنظیم را فعال می‌کند.
split_input_into_scenesاختیاری
نوعboolean
پیش‌فرضtrue
تقسیم صحنه را برای ویدیوهای طولانی‌تر از آستانهٔ مدت فعال کنید؛ sidecarهای ارجاع کلیپ‌های تقسیم‌شده حذف می‌شوند.
split_input_duration_thresholdاختیاری
نوعnumber
پیش‌فرض30
۱ – ۶۰
محرک تقسیم صحنه که به‌صورت مدت برحسب ثانیه بیان می‌شود: فقط ویدیوهای طولانی‌تر از آستانه تقسیم می‌شوند.
debug_datasetاختیاری
نوعboolean
پیش‌فرضfalse
گزینهٔ دانلود بایگانی برای بررسی پیش‌پردازش پیش از شروع آموزش کامل. با فعال‌سازی، آموزشگر مجموعه‌دادهٔ پردازش‌شده را بسته‌بندی می‌کند تا بتوانید شرح‌گذاری‌ها، تصاویر مرجع، ویدیوها و تصاویر را به‌صورت دستی بررسی کنید.
strict_datasetاختیاری
نوعboolean
پیش‌فرضfalse
مدیریت سخت‌گیرانهٔ مشکلات پیش‌پردازش که در غیر این صورت ثبت و با fallback مستند حل می‌شوند. فعال‌سازی آن شرح‌گذاری‌های نیازمند پرامپت خالی، sidecarهای ارجاع مفقود و ویدیوهای دارای صوت ناخوانا را رد می‌کند، نه اینکه اجازهٔ استفاده از آن fallbackها را بدهد.
الزامی

خروجی

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.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
فایل‌های شما، انتخاب شماهر outputs[].url کپی‌ای در فضای ذخیره‌سازی ماست: برای همیشه (با هزینه به‌ازای هر GB-ماه) یا به‌مدت ۷ روز رایگان، بر اساس تنظیم حساب شما یا ?storage=.
ساختار یکسان در همه مدل‌هاtype، url، content_type، width، height و duration برای تصاویر، ویدیو و صدا یکسان هستند. output شیء نتیجه اختصاصی مدل است.
فیلدهای خروجی
lora_file
object {url, content_type, file_name, file_size}URL وزن‌های آموزش‌دیده LoRA در قالب .safetensors.
config_file
object {url, content_type, file_name, file_size}پیکربندی راه‌اندازی نقطه پایانی استنتاج.
debug_dataset
object {url, content_type, file_name, file_size} | nullفقط برای درخواست‌های دارای `debug_dataset` فعال؛ این بایگانی قابل دانلود، داده‌های آموزشی را پس از پیش‌پردازش نگه می‌دارد.

مدل‌های بیشتر: آموزش

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/minimax/h3/ref2va/trainer.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt