# MiniMax H3 Reference to Video LoRA Trainer API

> रेफ़रेंस-कंडीशंड वीडियो के लिए LoRA ट्रेनर, पहले के LoRA से वॉर्म स्टार्ट के साथ

विषय की वीडियो क्लिप वाली zip पर LoRA को प्रशिक्षित करता है, ताकि रेफ़रेंस इनपुट वीडियो निर्माण को निर्देशित कर सकें। `reference_conditioning_p` तय करता है कि प्रशिक्षण के दौरान रेफ़रेंस कितनी बार उपयोग किए जाएँ, और `resume_from_lora_url` पहले से प्रशिक्षित LoRA से जारी रखता है। `rank`, `number_of_steps`, `number_of_frames`, `frame_rate` और `aspect_ratio` भी कॉन्फ़िगर किए जा सकते हैं। वेट और एक config फ़ाइल लौटाता है।

- 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/hi/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 |  |  | विषय प्रशिक्षण वीडियो वाली ZIP का URL; केवल-इमेज डेटासेट और मिश्रित इमेज/वीडियो प्रशिक्षण आर्काइव अस्वीकार किए जाते हैं, इसलिए इमेज को reference sidecar के रूप में देना होगा। वैकल्पिक अतिरिक्त फ़ाइलों का base name प्रत्येक क्लिप के समान होता है: `clip01.txt` जैसा caption और `ref_1` से `ref_4` तक क्रमित references, जिनके नाम `clip01.ref_1.<ext>` से `clip01.ref_4.<ext>` तक होते हैं; reference sidecar न होने पर क्लिप का एक फ़्रेम स्वयं का reference प्रदान करता है। `<ext>` reference modality निर्धारित करता है: इमेज (.png/.jpg/.jpeg), ऑडियो (.wav/.mp3/.flac/.m4a/.ogg/.aac) या वीडियो (.mp4/.mov/.avi/.mkv/.webm), जिनके soundtracks भी ऑडियो references बन जाते हैं। प्रशिक्षण क्लिप .mp4, .mov, .avi और .mkv को सपोर्ट करती हैं; कम से कम 10 क्लिप रखें, अधिक क्लिप बेहतर हैं। |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | LoRA अनुकूलन रैंक, सेटिंग बढ़ने पर अधिक मेमोरी खपत के बदले अधिक क्षमता देता है। |
| `number_of_steps` |  | integer | no | `2000` | 1 – 15,000 | प्रशिक्षण चरणों की कुल संख्या। |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | Optimization learning rate, जो बढ़ाने पर training में संभावित speedup और overfitting के जोखिम के बीच संतुलन बनाता है। |
| `number_of_frames` |  | integer | no | `73` | 22 – 124 | प्रत्येक प्रशिक्षण नमूने के लिए फ़्रेम संख्या; इसे 17 से विभाजित करने पर शेषफल 5 होना चाहिए। उदाहरणों में 22, 39, 56, 73, 90, 107 और 124 शामिल हैं। |
| `frame_rate` |  | integer | no | `24` | 8 – 60 | लक्षित वीडियो फ़्रेम दर, फ़्रेम प्रति सेकंड में मापी गई। |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | प्रशिक्षण रिज़ॉल्यूशन। रिज़ॉल्यूशन बढ़ाने पर मेमोरी की आवश्यकता बढ़ती है। |
| `aspect_ratio` |  | enum (string) | no | `16:9` | `21:9`, `16:9`, `4:3`, `1:1`, `3:4`, `9:16` | MiniMax H3 API के माध्यम से उपलब्ध उसी सेट में से प्रशिक्षण आस्पेक्ट रेशियो चुनें। |
| `trigger_phrase` |  | string | no | `` |  | LoRA शैली सक्रियण वाक्यांश, प्रशिक्षण के दौरान कैप्शन की शुरुआत में डाला जाता है। |
| `reference_conditioning_p` |  | number | no | `0.9` | 0 – 1 | निर्धारित करें कि प्रशिक्षण में reference-image conditioning और unconditioned text-to-video-audio training का उपयोग कितनी बार होता है। शेष प्रायिकता unconditioned objective को मिलती है, ताकि स्थिर prompt-only निर्माण बनी रहे। |
| `resume_from_lora_url` |  | string \| null | no |  |  | इस trainer द्वारा पहले बनाए गए .safetensors LoRA के साथ warm-start training के लिए URL, जिसके बाद number_of_steps अतिरिक्त प्रशिक्षण चरण आते हैं। Adapter weights के अलावा कुछ भी restore नहीं किया जाता: optimization और learning-rate scheduling दोनों नए सिरे से शुरू होते हैं। |
| `auto_scale_input` |  | boolean | no | `false` |  | क्या लक्ष्य fps और फ़्रेम संख्या स्वचालित वीडियो स्केलिंग के माध्यम से मिलाई जाती है; true यह समायोजन सक्षम करता है। |
| `split_input_into_scenes` |  | boolean | no | `true` |  | निर्धारित अवधि सीमा से अधिक लंबे वीडियो के लिए scene splitting सक्षम करें; split की गई क्लिप से reference sidecar हटा दिए जाते हैं। |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | दृश्य-विभाजन ट्रिगर, सेकंड में अवधि के रूप में व्यक्त: केवल सीमा से लंबे वीडियो विभाजित किए जाते हैं। |
| `debug_dataset` |  | boolean | no | `false` |  | पूरा प्रशिक्षण शुरू करने से पहले प्रीप्रोसेसिंग की जाँच के लिए आर्काइव डाउनलोड करने का विकल्प। इसे सक्षम करने पर, ट्रेनर प्रोसेस किए गए डेटासेट को पैकेज करता है, ताकि आप कैप्शन, संदर्भ इमेज, वीडियो और इमेज की शुद्धता मैन्युअल रूप से जाँच सकें। |
| `strict_dataset` |  | boolean | no | `false` |  | प्रीप्रोसेसिंग समस्याओं का सख्त प्रबंधन, जिन्हें अन्यथा लॉग करके दस्तावेज़ीकृत fallback के अनुसार हल किया जाता। इसे सक्षम करने पर blank प्रॉम्प्ट की आवश्यकता वाले captions, अनुपलब्ध reference sidecars और अपठनीय ऑडियो वाले वीडियो अस्वीकार हो जाते हैं, बजाय उन fallbacks की अनुमति देने के। |

## 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 फ़ॉर्मैट में प्रशिक्षित LoRA वेट का URL। |
| `config_file` | object {url, content_type, file_name, file_size} | इन्फ़रेंस एंडपॉइंट सेटअप का कॉन्फ़िगरेशन। |
| `debug_dataset` | object {url, content_type, file_name, file_size} \| null | `debug_dataset` सक्षम वाले अनुरोधों के लिए ही उपलब्ध, यह डाउनलोड किया जा सकने वाला आर्काइव प्रीप्रोसेसिंग के बाद का प्रशिक्षण डेटा रखता है। |

## 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