リクエストパラメーター ヘッダー Content-Type string (必須)
固定値： application/json
Authorization string (必須)
API キー認証。形式： Bearer sk-xxxx
リクエストボディ model string (必須)
ファインチューニングに使用するベースモデルを指定します。
最初のフレームに基づく画像から動画：
wan2.7-i2v：最初のフレームから動画へのファインチューニングに推奨します。最初と最後のフレームから動画へのシナリオや動画の継続には推奨しません。wan2.6-i2vwan2.5-i2v-previewwan2.2-i2v-flash 最初と最後のフレームに基づく画像から動画：
training_file_ids array[string] (条件付き必須)
トレーニングデータセットのファイル ID の配列。複数の ID をサポートします。このパラメーターまたは training_datasets のいずれかを使用します。training_datasets を使用する場合、このパラメーターは不要です。ファイル ID は 「ファイルアップロード API」 から取得します。
validation_file_ids array[string] (オプション)
検証データセットのファイル ID の配列。複数の ID をサポートします。このパラメーターまたは validation_datasets のいずれかを使用します。validation_datasets を使用する場合、このパラメーターは不要です。どちらも指定されていない場合、システムはトレーニングセットから自動的に分割します。ファイル ID は 「ファイルアップロード API」 から取得します。
training_type string (必須)
ファインチューニングのタイプ。現在は efficient_sft (LoRA 効率的ファインチューニング) のみをサポートしています。
hyper_parameters object (オプション)
ハイパーパラメーターの設定 。初回のトレーニングでは、デフォルトのハイパーパラメーターを使用することを推奨します。モデルのパフォーマンスが低い場合やトレーニングが収束しない場合は、n_epochs や learning_rate などのパラメーターの調整を試してください。
ハイパーパラメーターのプロパティ
batch_size int (必須)
バッチサイズ。一度にモデルに送信してトレーニングするデータサンプルの数です。
このパラメーターはインスタンスごとの設定です。各モデルのデフォルト値を使用することを推奨します。必要がない限り調整しないでください。
wan2.7-i2v：推奨値は 1 です。
wan2.6-i2v：推奨値は 1 です。
wan2.5-i2v-preview：推奨値は 4 です。
wan2.2-i2v-flash：推奨値は 4 です。
wan2.2-kf2v-flash：推奨値は 4 です。
注記 トレーニングジョブで実際に実行されるインスタンス数は、プラットフォームのスケジューリングによって決定されます。トレーニングログに出力される Global Step は推定結果と異なる場合がありますが、トレーニングデータの総量には影響せず、最終的なモデルのパフォーマンスにも影響しません。
n_epochs int (必須)
トレーニングエポック数。推奨値：50
steps = n_epochs × ⌈dataset_size / batch_size⌉。合計ステップ数は 800 以上を推奨します。
例：データサンプルが 5 つで batch_size=4 の場合、エポックあたりのステップ数 = ceil(5/4) = 2、最小 n_epochs = 800/2 = 400 となります。
推奨されるトレーニングエポック数は、データ量に応じて自動的に調整されます。データが少ない場合は十分な学習のためにより多くのエポックが必要です。データが多い場合は各エポックにより多くのサンプルが含まれるため、必要なエポック数は少なくなります。
50 エポックは主に 2 サンプル程度の小規模データセットに適しています。データ量が 50〜60 動画に達する場合は、通常約 3000〜5000 ステップのトレーニングをすることを推奨します。
learning_rate float (必須)
学習率。推奨値：2e-5。モデルの重み更新の大きさを制御します。高すぎるとモデルが劣化する可能性があり、低すぎると変化が最小限になる可能性があります。
eval_epochs int (必須)
検証間隔。推奨値：20。n_epochs/10 以上である必要があります。トレーニング中に検証評価を実行するエポックの間隔を指定します。
max_pixels int (必須)
トレーニング動画の最大解像度。トレーニング動画の解像度の総ピクセル数 (幅 x 高さ) の上限を設定します。システムはこの値を超える動画のみをスケーリングします。
wan2.7-i2v：推奨値：102400。値の範囲：36864 (192x192) 〜 123904 (352x352)
wan2.6-i2v：推奨値：36864。値の範囲：16384 (128x128) 〜 36864 (192x192)
wan2.5-i2v-preview：推奨値：36864。値の範囲：16384 (128x128) 〜 36864 (192x192)
wan2.2-i2v-flash：推奨値：262144。値の範囲：65536 (256x256) 〜 262144 (512x512)
wan2.2-kf2v-flash：推奨値：262144。値の範囲：65536 (256x256) 〜 262144 (512x512)
split float (オプション)
トレーニングセットの分割比率。推奨値：0.9。値の範囲：(0, 1)
validation_file_ids が指定されていない場合にのみ有効です。このパラメーターは、トレーニングセットから検証セットを比例的に自動分割します。例えば、0.9 はトレーニングセット 90%、検証セット 10% を意味します。
max_split_val_dataset_sample int (オプション)
トレーニングセットから検証セットとして自動分割されるサンプルの最大数。推奨値：5。1 以上である必要があります。
validation_file_ids が指定されていない場合にのみ有効です。このパラメーターは、検証セットサイズの上限を設定します： validation_count = min(total_dataset × (1 - split), max_split_val_dataset_sample)
save_total_limit int (オプション)
チェックポイントの保存上限。推奨値：10。保存されるモデルの最大数を制限します。システムは最後の N 個のチェックポイントのみを保持します。
lora_rank int (オプション)
LoRA 低ランク行列の次元。推奨値：32。この値はファインチューニングパラメーターのサイズを決定します。値が大きいほどフィッティング能力が強くなりますが、トレーニング速度は遅くなります。2 のべき乗 (例：16、32、64) である必要があります。
lora_alpha int (オプション)
LoRA 重みスケーリング係数。推奨値：32。ファインチューニングされたパラメーターが元のモデルの重みに与える影響を調整するために使用されます。2 のべき乗 (例：16、32、64) である必要があります。
training_datasets Array of Dataset (条件付き必須)
トレーニングデータセットのファイルリスト。このパラメーターまたは training_file_ids のいずれかを使用します。training_file_ids を使用する場合、このパラメーターは不要です。
Dataset 構造
data_source_type string (必須)
データソースタイプ。使用可能な値：
oss_mount (OSS ファイルをマウント)file_id (ファイル管理 API 経由でアップロードされたファイル) mount_storage object (条件付き必須)
データソースタイプが oss_mount の場合に必須です。OSS マウント情報。
プロパティ
region string (必須)
マウントする OSS バケットのリージョン。Beijing (cn-beijing) および Singapore (ap-southeast-1) をサポートしています。
bucket string (必須)
マウントする OSS バケットの名前。
file_path string (必須)
マウントする OSS ファイルパス (オブジェクトキー) 。複数のファイルを含むデータセットの場合は、data.jsonl へのパスを使用します。file_id 方式とは異なり、解凍されたデータセットフォルダを OSS にアップロードする必要があります。ZIP ファイルはサポートされていません。
file_id string (条件付き必須)
データソースタイプが file_id の場合に必須です。ファイル ID。「ファイルアップロード API」 によって生成されます。
validation_datasets Array of Dataset (オプション)
検証データセットのファイルリスト。training_datasets と同じ構造です。
このパラメーターまたは validation_file_ids のいずれかを使用します。どちらも指定されていない場合、システムはトレーニングセットから自動的に分割します。
job_name string (オプション)
チューニングジョブ名。
model_name string (オプション)
チューニング完了後のモデル名。
画像から動画 - 最初のフレーム (Wan2.7) curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
"model": "wan2.7-i2v",
"training_file_ids": [
"<トレーニングデータセットのファイルIDに置き換えてください>"
],
"training_type": "efficient_sft",
"hyper_parameters": {
"n_epochs": 50,
"batch_size": 1,
"learning_rate": 2e-5,
"split": 0.9,
"max_split_val_dataset_sample": 5,
"eval_epochs": 20,
"max_pixels": 102400,
"save_total_limit": 10,
"lora_rank": 32,
"lora_alpha": 32
}
}'
画像から動画 - 最初と最後のフレーム curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
"model": "wan2.2-kf2v-flash",
"training_file_ids": [
"<トレーニングデータセットのファイルIDに置き換えてください>"
],
"training_type": "efficient_sft",
"hyper_parameters": {
"n_epochs": 50,
"batch_size": 4,
"learning_rate": 2e-5,
"split": 0.9,
"max_split_val_dataset_sample": 5,
"eval_epochs": 20,
"max_pixels": 262144,
"save_total_limit": 10,
"lora_rank": 32,
"lora_alpha": 32
}
}'
OSS にマウントされたデータセットの使用 curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
"model": "wan2.7-i2v",
"training_datasets": [
{
"data_source_type": "oss_mount",
"mount_storage": {
"region": "ap-southeast-1",
"bucket": "example_bucket",
"file_path": "dataset/data.jsonl"
}
}
],
"training_type": "efficient_sft",
"hyper_parameters": {
"n_epochs": 50,
"batch_size": 1,
"learning_rate": 2e-5,
"split": 0.9,
"max_split_val_dataset_sample": 5,
"eval_epochs": 20,
"max_pixels": 102400,
"save_total_limit": 10,
"lora_rank": 32,
"lora_alpha": 32
}
}'