मुआपी का एआई लोरा ट्रेनर एपीआई जीपीयू किराये या प्रशिक्षण बुनियादी ढांचे के बिना आपके स्वयं के छवि डेटासेट से एक पोर्टेबल लोरा एडाप्टर को ठीक करता है। एक ज़िप संग्रह अपलोड करें, एक ट्रिगर शब्द चुनें, और संगत छवि निर्माण के लिए तैयार एक डाउनलोड करने योग्य .safetensors फ़ाइल प्राप्त करें।आठ समर्पित प्रशिक्षण समापन बिंदु FLUX.1 [dev], FLUX.2 क्लेन 4B/9B, क्वेन-इमेज, क्वेन-इमेज-2512, और Z-इमेज / Z-इमेज बेस को कवर करते हैं। $2.00 प्रति 1,000 कदम से फ्लैट प्रति-रन या प्रति-चरण मूल्य निर्धारण के साथ एक REST पैटर्न का उपयोग करें।
लोरा प्रशिक्षण मुआपी पर लाइव है
एक बेस मॉडल चुनें, एक ज़िप डेटासेट सबमिट करें और वर्ड ट्रिगर करें, फिर डाउनलोड करने योग्य LoRA फ़ाइल के लिए लौटाई गई अनुरोध आईडी का सर्वेक्षण करें।
10-50 छवियों और एक ट्रिगर वाक्यांश से एक कस्टम फ्लक्स लोरा को प्रशिक्षित करें। फ्लैट $3.20 रन शुल्क प्रशिक्षण कार्य को कवर करता है, और परिणामी .safetensors फ़ाइल को संगत फ्लक्स देव पीढ़ी के साथ पुन: उपयोग किया जा सकता है।
डाउनलोड करने योग्य सेफटेंसर आउटपुट और तत्काल प्लेटफ़ॉर्म AIR परिनियोजन के साथ, एक ज़िप डेटासेट से FLUX.1 [dev] पर एक शैली-केंद्रित एडाप्टर को प्रशिक्षित करें।
ज़िप इनपुट, डाउनलोड करने योग्य आउटपुट और तत्काल AIR परिनियोजन के साथ छोटे, तेज़ FLUX.2 क्लेन 4B आर्किटेक्चर पर स्टाइल एडेप्टर को प्रशिक्षित करें।
प्रति-चरण बिलिंग और तत्काल AIR परिनियोजन के साथ बड़े FLUX.2 क्लेन 9B आर्किटेक्चर पर उच्च गुणवत्ता वाले स्टाइल एडेप्टर को प्रशिक्षित करें।
विन्यास योग्य चरणों, सीखने की दर और रैंक के साथ चरित्र, विषय या कलात्मक-शैली की स्थिरता के लिए ज़िप डेटासेट पर क्वेन-इमेज को फाइन-ट्यून करें।
नए क्वेन-इमेज-2512 चेकपॉइंट को ज़िप डेटासेट से बेस क्वेन ट्रेनर के समान कम प्रति-चरण मूल्य पर फाइन-ट्यून करें।
ऑटो-ट्यून किए गए डिफ़ॉल्ट और चरणों, सीखने की दर और LoRA रैंक पर वैकल्पिक नियंत्रण के साथ ज़िप संग्रह से कस्टम Z-इमेज एडेप्टर को प्रशिक्षित करें।
ऑटो-ट्यून किए गए डिफ़ॉल्ट और मैन्युअल हाइपरपैरामीटर नियंत्रण के साथ पूर्ण गैर-डिस्टिल्ड जेड-इमेज बेस चेकपॉइंट को फाइन-ट्यून करें।
लोरा (लो-रैंक एडेप्टेशन) एक छोटी, पोर्टेबल वेट फ़ाइल है जो पूर्ण मॉडल को फिर से प्रशिक्षित किए बिना एक आधार छवि मॉडल को एक चरित्र, विषय, ब्रांड पहचान या दृश्य शैली सिखाती है। एआई लोरा प्रशिक्षण एपीआई उस प्रक्रिया को एक HTTP अनुरोध में बदल देता है: संदर्भ छवियों का एक ज़िप अपलोड करें, कार्य सबमिट करें, और डाउनलोड करने योग्य .safetensors फ़ाइल के लिए मतदान करें।
मुआपी पूरे प्लेटफ़ॉर्म पर उपयोग किए गए समान REST पैटर्न के माध्यम से आठ प्रशिक्षकों को उजागर करता है। एक बार प्रशिक्षित करें, मुआपी पर संगत पीढ़ियों में परिणामी एडाप्टर का पुन: उपयोग करें, या अपनी पाइपलाइन के लिए मानक वजन फ़ाइल डाउनलोड करें।
4-50 प्रशिक्षण छवियों और वैकल्पिक समान-नाम .txt कैप्शन फ़ाइलों को सार्वजनिक रूप से पहुंच योग्य URL पर एक ज़िप में बंडल करें।
एक छोटा, असामान्य वाक्यांश चुनें जो भविष्य के संकेतों में आपके प्रशिक्षित विषय या शैली को सक्रिय करता है।
FLUX.1 [dev], FLUX.2 क्लेन 4B/9B, क्वेन-इमेज, क्वेन-इमेज-2512, या Z-इमेज / Z-इमेज बेस पर ट्रेन करें।
ऑटो-ट्यून किए गए डिफ़ॉल्ट या नियंत्रण चरणों, सीखने की दर और लोआरए रैंक का उपयोग करें जहां चयनित ट्रेनर उनका समर्थन करता है।
एक मानक .safetensors फ़ाइल डाउनलोड करें जो Muapi की अनुमान परत पर लॉक नहीं है।
प्रशिक्षित एडेप्टर एक अलग प्रकाशन चरण के बिना डाउनस्ट्रीम मुआपी अनुमान के लिए पंजीकरण करते हैं।
दोहराई जाने वाली पीढ़ियों के लिए एक संगत छवि मॉडल को आवर्ती व्यक्ति, शुभंकर, चरित्र या वस्तु सिखाएं।
भविष्य के रचनात्मक उत्पादन के लिए एक दृश्य भाषा, उत्पाद उपचार, या अभियान सौंदर्य को कैप्चर करें।
क्यूरेटेड चित्रण या फ़ोटोग्राफ़ी सेट पर प्रशिक्षण लें और सीखे गए लुक को नए संकेतों में पुन: उपयोग करें।
स्केलिंग बढ़ाने से पहले डेटासेट और ट्रिगर वाक्यांश का परीक्षण करने के लिए कम लागत वाले क्वेन या जेड-इमेज ट्रेनर का उपयोग करें।
| प्रशिक्षक | आधार मॉडल | कीमत | के लिए सर्वोत्तम |
|---|---|---|---|
एक ज़िप डेटासेट होस्ट करें, इसे ट्रेनर को सबमिट करें जो आपके बेस मॉडल से मेल खाता हो, अनुरोध आईडी सहेजें, और lora_url के लिए मानक परिणाम समापन बिंदु का सर्वेक्षण करें।
फ़्लक्स ट्रेनर Images_data_url, एक ट्रिगर_फ़्रेज़ और विषय या शैली की एक वैकल्पिक प्रशिक्षण_शैली स्वीकार करता है।
curl -X POST https://api.muapi.ai/api/v1/z-image-lora-trainer \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"data":"https://example.com/dataset.zip","trigger_word":"my_style","steps":2000,"learning_rate":0.0001,"lora_rank":16}'जेड-इमेज, क्वेन और स्टाइल ट्रेनर उस परिवार के लिए उपयुक्त ज़िप इनपुट प्लस स्टेप और हाइपरपैरामीटर नियंत्रण को उजागर करते हैं।
कार्य पूरा होने तक मतदान करें, फिर lora_url डाउनलोड करें या इसे संगत जेनरेशन एंडपॉइंट पर पास करें।
यह आपके छवि डेटासेट से REST एंडपॉइंट के माध्यम से एक कस्टम लो-रैंक अनुकूलन मॉडल को प्रशिक्षित करता है। एक ज़िप अपलोड करें, एक ट्रिगर शब्द चुनें, और एक पुन: प्रयोज्य .safetensors एडाप्टर प्राप्त करें।
मुआपी वर्तमान में आठ प्रशिक्षण समापन बिंदुओं पर फ्लक्स.1 [डेव], फ्लक्स.2 क्लेन 4बी और 9बी, क्वेन-इमेज, क्वेन-इमेज-2512 और जेड-इमेज/जेड-इमेज बेस को उजागर करता है।
Qwen-Image और Qwen-Image-2512 के लिए कीमत $2.00 प्रति 1,000 कदम से शुरू होती है, Z-Image और FLUX.1 [dev] स्टाइल के लिए $2.50 प्रति 1,000 कदम है, और FLUX.2 क्लेन 4B के लिए प्रति 1,000 कदम $4.50 तक पहुंचती है। फ्लक्स लोरा ट्रेनर की कीमत प्रति रन $3.20 है।
अधिकांश प्रशिक्षक 4-50 छवियां स्वीकार करते हैं। दस से तीस विविध छवियां किसी विषय के लिए व्यावहारिक प्रारंभिक बिंदु हैं; किसी शैली का प्रशिक्षण करते समय सौंदर्यबोध को सुसंगत रखें।
नहीं, कैप्शन .txt फ़ाइलें वैकल्पिक हैं, लेकिन शामिल होने पर उन्हें अपनी छवि के समान आधार नाम का उपयोग करना चाहिए। प्लेसहोल्डर्स के लिए ट्रेनर के ट्रिगर-शब्द नियमों का पालन करें।
आपको एक डाउनलोड करने योग्य .safetensors वज़न फ़ाइल प्राप्त होती है और, समर्थित प्रशिक्षकों के लिए, Muapi अनुमान के लिए तत्काल पंजीकरण प्राप्त होता है।
हाँ. .safetensors आउटपुट मिलान बेस मॉडल आर्किटेक्चर का उपयोग करके संगत पाइपलाइनों के लिए एक मानक एडाप्टर है।
एक Muapi API कुंजी बनाएं, अपना डेटासेट अपलोड करें, और एक विज़ुअल अवधारणा को पुन: प्रयोज्य एडाप्टर में बदलें।