# MiniMax H3 Reference to Video LoRA Trainer API

> রেফারেন্স-নির্ভর ভিডিওর জন্য LoRA trainer, আগের LoRA থেকে উষ্ণ সূচনা-সহ

বিষয়ের ভিডিও ক্লিপের একটি zip থেকে একটি LoRA প্রশিক্ষণ দেয়, যাতে রেফারেন্স ইনপুট ভিডিও জেনারেশন নিয়ন্ত্রণ করতে পারে। প্রশিক্ষণের সময় কত ঘন ঘন রেফারেন্স ব্যবহার হবে তা `reference_conditioning_p` নির্ধারণ করে, এবং `resume_from_lora_url` আগে প্রশিক্ষিত একটি LoRA থেকে কাজ চালিয়ে যায়। এছাড়াও কনফিগার করা যায়: `rank`, `number_of_steps`, `number_of_frames`, `frame_rate` এবং `aspect_ratio`। ওয়েটস ও একটি config ফাইল ফেরত দেয়।

- Model id: `minimax/h3/ref2va/trainer`
- Made by: MiniMax
- Category: Training
- Output: file
- Price: $0.015 / step (cheapest run $30.00 (30000 API credits))
- Run: `POST https://api.doitong.com/v1/run/minimax/h3/ref2va/trainer`
- Quote: `POST https://api.doitong.com/v1/quote/minimax/h3/ref2va/trainer`
- Docs page: https://doitong.com/bn/developers/models/minimax/h3/ref2va/trainer

## Pricing

Price: **$0.015 / step**. Billed per training step (`number_of_steps`).

The full example input below costs $30.00 = 30000 API credits (2000 steps × 15 API credits).

Prices are the upstream price in USD, paid from the API balance in API credits (1000 API credits = 1 USD). `POST https://api.doitong.com/v1/quote/minimax/h3/ref2va/trainer` with the same JSON body returns the exact price for that input; the quote is exactly what a run charges. Invalid input is never charged and failed or canceled requests are refunded automatically.

## Input parameters

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `training_data_url` |  | string | yes |  |  | বিষয়বস্তুর প্রশিক্ষণ ভিডিওসহ ZIP-এর URL; শুধু ছবি থাকা ডেটাসেট এবং ছবি/ভিডিও মেশানো প্রশিক্ষণ আর্কাইভ প্রত্যাখ্যাত হয়, তাই ছবিগুলোকে reference sidecar হিসেবে দিতে হবে। ঐচ্ছিক অতিরিক্ত ফাইলগুলো প্রতিটি ক্লিপের base name শেয়ার করে: `clip01.txt`-এর মতো caption এবং `ref_1` থেকে `ref_4` পর্যন্ত ক্রমযুক্ত reference, যেগুলোর নাম `clip01.ref_1.<ext>` থেকে `clip01.ref_4.<ext>`; reference sidecar না থাকলে ক্লিপের একটি ফ্রেম নিজস্ব reference হিসেবে ব্যবহৃত হয়। `<ext>` reference modality নির্ধারণ করে: ছবি (.png/.jpg/.jpeg), অডিও (.wav/.mp3/.flac/.m4a/.ogg/.aac) অথবা ভিডিও (.mp4/.mov/.avi/.mkv/.webm), যেগুলোর soundtrack-ও অডিও reference হয়। প্রশিক্ষণ ক্লিপে .mp4, .mov, .avi এবং .mkv সমর্থিত; অন্তত 10টি ক্লিপ রাখুন, বেশি হলে ভালো। |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | LoRA অ্যাডাপ্টেশনের র‍্যাঙ্ক, সেটিং বাড়লে বেশি মেমরি ব্যবহারের বিনিময়ে বেশি সক্ষমতা দেয়। |
| `number_of_steps` |  | integer | no | `2000` | 1 – 15,000 | প্রশিক্ষণ ধাপের মোট সংখ্যা। |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | Optimization learning rate, যা বাড়ালে training দ্রুত হওয়ার সম্ভাবনা এবং overfitting-এর ঝুঁকির মধ্যে ভারসাম্য বজায় রাখে। |
| `number_of_frames` |  | integer | no | `73` | 22 – 124 | প্রতিটি প্রশিক্ষণ নমুনার ফ্রেম সংখ্যা; এটিকে 17 দিয়ে ভাগ করলে অবশিষ্ট 5 হতে হবে। উদাহরণ: 22, 39, 56, 73, 90, 107 এবং 124। |
| `frame_rate` |  | integer | no | `24` | 8 – 60 | লক্ষ্য ভিডিও ফ্রেম রেট, প্রতি সেকেন্ডে ফ্রেম সংখ্যায় পরিমাপ করা হয়। |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | প্রশিক্ষণ রেজোলিউশন। রেজোলিউশন বাড়ালে মেমরির প্রয়োজনীয়তা বাড়ে। |
| `aspect_ratio` |  | enum (string) | no | `16:9` | `21:9`, `16:9`, `4:3`, `1:1`, `3:4`, `9:16` | MiniMax H3 API-এর মাধ্যমে উপলভ্য একই সেট থেকে প্রশিক্ষণের অ্যাসপেক্ট রেশিও বেছে নিন। |
| `trigger_phrase` |  | string | no | `` |  | LoRA স্টাইল সক্রিয়করণ বাক্যাংশ, প্রশিক্ষণের সময় ক্যাপশনের শুরুতে যোগ করা হয়। |
| `reference_conditioning_p` |  | number | no | `0.9` | 0 – 1 | প্রশিক্ষণে reference-image conditioning এবং unconditioned text-to-video-audio training-এর মধ্যে কত ঘন ঘন ব্যবহার হবে তা নির্ধারণ করুন। স্থিতিশীল prompt-only জেনারেশন বজায় রাখতে অবশিষ্ট সম্ভাবনা unconditioned objective-এ যায়। |
| `resume_from_lora_url` |  | string \| null | no |  |  | এই trainer-এর মাধ্যমে আগে তৈরি করা .safetensors LoRA দিয়ে warm-start প্রশিক্ষণের URL, এরপর number_of_steps অতিরিক্ত প্রশিক্ষণ ধাপ। adapter weights ছাড়া আর কিছু পুনরুদ্ধার করা হয় না: optimization এবং learning-rate scheduling দুটিই নতুন করে শুরু হয়। |
| `auto_scale_input` |  | boolean | no | `false` |  | স্বয়ংক্রিয় ভিডিও স্কেলিংয়ের মাধ্যমে লক্ষ্য fps ও ফ্রেম সংখ্যা মিলবে কি না; true এই সমন্বয় সক্রিয় করে। |
| `split_input_into_scenes` |  | boolean | no | `true` |  | নির্দিষ্ট সময়সীমার চেয়ে দীর্ঘ ভিডিওতে scene splitting সক্রিয় করুন; বিভক্ত যেকোনো ক্লিপের reference sidecar বাদ দেওয়া হয়। |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | সেকেন্ডে প্রকাশ করা সিন-বিভাজনের ট্রিগার: কেবল সীমার চেয়ে দীর্ঘ ভিডিও বিভক্ত হয়। |
| `debug_dataset` |  | boolean | no | `false` |  | পূর্ণ প্রশিক্ষণে যাওয়ার আগে প্রিপ্রসেসিং পরীক্ষা করতে একটি আর্কাইভ ডাউনলোড করার বিকল্প। এটি সক্রিয় থাকলে trainer প্রক্রিয়াজাত ডেটাসেট প্যাকেজ করে, যাতে caption, reference ছবি, ভিডিও এবং ছবি সঠিক কি না তা হাতে পরীক্ষা করতে পারেন। |
| `strict_dataset` |  | boolean | no | `false` |  | প্রিপ্রসেসিংয়ের সমস্যাগুলো কঠোরভাবে পরিচালনা করুন, যেগুলো অন্যথায় লগ হয়ে নথিভুক্ত fallback ব্যবহার করে সমাধান করা হতো। এটি সক্রিয় করলে blank প্রম্পট প্রয়োজন এমন caption, অনুপস্থিত reference sidecar এবং পড়া যায় না এমন অডিওযুক্ত ভিডিও প্রত্যাখ্যাত হয়; ওই fallback-গুলো ব্যবহার করা যায় না। |

## Example input

Required parameters only:

```json
{
  "training_data_url": "https://example.com/your-file.zip"
}
```

A fuller example:

```json
{
  "training_data_url": "https://example.com/your-file.zip"
}
```

## Run it

Set `DOITONG_API_KEY` to a key from https://doitong.com/developers/dashboard#keys. `?wait=20` returns the finished request in the same call when it is ready within 20 seconds; otherwise poll `GET /requests/{id}` (it also accepts `?wait=`), or pass `webhook_url`.

### curl

```bash
# 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"
```

### JavaScript

```javascript
const API = "https://api.doitong.com/v1";
const headers = {
  "Authorization": "Bearer " + process.env.DOITONG_API_KEY,
  "Content-Type": "application/json",
};

// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/minimax/h3/ref2va/trainer?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "training_data_url": "https://example.com/your-file.zip"
  }),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);

// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
  res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
  request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");
```

### Python

```python
import os
import requests

API = "https://api.doitong.com/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "training_data_url": "https://example.com/your-file.zip",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/minimax/h3/ref2va/trainer", params={"wait": 20}, json=payload, headers=headers)
request = r.json()
if not r.ok:
    raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"])

# Not finished yet: long-poll until it is
while request["status"] in ("queued", "running"):
    request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json()
if request["status"] != "succeeded":
    raise RuntimeError(request["error"])
print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"])
```

### MCP

The MCP server at `https://api.doitong.com/v1/mcp` exposes the tools `search_models`, `get_model`, `quote`, `run`, `get_request`, `cancel_request`, `list_requests`, `create_upload` and `get_account`. A `run` call for this model:

```json
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "minimax/h3/ref2va/trainer",
      "input": {
        "training_data_url": "https://example.com/your-file.zip"
      },
      "wait_seconds": 20
    }
  }
}
```

## Response

Every call returns a request object. `status` is one of `queued`, `running`, `succeeded`, `failed`, `canceled`. `outputs` lists the generated files with URLs on our storage (kept forever, or 7 days with `?storage=temporary`; `storage` says which); `output` is the model's own result object with the same URLs.

```json
{
  "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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `lora_file` | object {url, content_type, file_name, file_size} | .safetensors ফরম্যাটে প্রশিক্ষিত LoRA ওজনের URL। |
| `config_file` | object {url, content_type, file_name, file_size} | ইনফারেন্স এন্ডপয়েন্ট সেটআপের কনফিগারেশন। |
| `debug_dataset` | object {url, content_type, file_name, file_size} \| null | `debug_dataset` সক্রিয় থাকা রিকোয়েস্টের জন্যই উপলভ্য; এই ডাউনলোডযোগ্য আর্কাইভে প্রিপ্রসেসিংয়ের পরের প্রশিক্ষণ ডেটা থাকে। |

## Related models

- [MiniMax H3 First Last Frame LoRA Trainer](https://doitong.com/developers/models/minimax/h3/flf2v/trainer.md) (`minimax/h3/flf2v/trainer`): $0.01 / step
- [MiniMax H3 Image to Video Audio LoRA Trainer](https://doitong.com/developers/models/minimax/h3/i2v/trainer.md) (`minimax/h3/i2v/trainer`): $0.01 / step
- [MiniMax H3 Text to Video LoRA Trainer](https://doitong.com/developers/models/minimax/h3/t2v/trainer.md) (`minimax/h3/t2v/trainer`): $0.005 / step
- [ERNIE-Image Trainer](https://doitong.com/developers/models/ernie-image-trainer.md) (`ernie-image-trainer`): $0.0012 / step
- [FLUX 2 \[klein\] 9b Base Trainer](https://doitong.com/developers/models/flux-2-klein-9b-base-trainer.md) (`flux-2-klein-9b-base-trainer`): $0.0043 / step
- [Flux 2 Klein 9B Base Trainer](https://doitong.com/developers/models/flux-2-klein-9b-base-trainer/edit.md) (`flux-2-klein-9b-base-trainer/edit`): $0.0139 / step
- [FLUX 2 Trainer](https://doitong.com/developers/models/flux-2-trainer.md) (`flux-2-trainer`): $0.0064 / step
- [FLUX 2 Trainer Edit](https://doitong.com/developers/models/flux-2-trainer/edit.md) (`flux-2-trainer/edit`): $0.0389 / step

## Links

- HTML page: https://doitong.com/developers/models/minimax/h3/ref2va/trainer
- All models and guides for AI agents: https://doitong.com/developers/llms.txt
- OpenAPI 3.1 with this model's typed request body: https://doitong.com/developers/openapi.json?model=minimax/h3/ref2va/trainer
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/minimax/h3/ref2va/trainer