# MiniMax H3 Reference to Video LoRA Trainer API

> LoRA-trainer voor referentiegestuurde video, met een warm start vanaf een eerdere LoRA

Trains een LoRA op een zip met videoclips van onderwerpen zodat referentie-inputs de videogeneratie kunnen sturen. `reference_conditioning_p` bepaalt hoe vaak referenties tijdens de training worden gebruikt en `resume_from_lora_url` gaat verder met een eerder getrainde LoRA. Ook configureerbaar: `rank`, `number_of_steps`, `number_of_frames`, `frame_rate` en `aspect_ratio`. Retourneert gewichten en een configuratiebestand.

- 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/nl/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 |  |  | URL naar een ZIP met trainingsvideo's van onderwerpen; datasets met alleen afbeeldingen en gemengde trainingsarchieven met afbeeldingen en video's worden geweigerd, dus afbeeldingen moeten in plaats daarvan als referentiesidecars worden aangeleverd. Optionele extra's delen de basisnaam van elke clip: een bijschrift zoals `clip01.txt` en geordende referenties van `ref_1` tot en met `ref_4`, met namen `clip01.ref_1.<ext>` tot en met `clip01.ref_4.<ext>`; zonder referentiesidecars levert een frame uit de clip de eigen referentie. `<ext>` bepaalt de referentiemodaliteit: afbeeldingen (.png/.jpg/.jpeg), audio (.wav/.mp3/.flac/.m4a/.ogg/.aac) of video's (.mp4/.mov/.avi/.mkv/.webm), waarvan de soundtracks ook audioreferenties worden. Trainingsclips ondersteunen .mp4, .mov, .avi en .mkv; streef naar minimaal 10 clips, waarbij meer de voorkeur heeft. |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | LoRA-aanpassingsrang, waarbij een hogere instelling meer geheugengebruik inruilt voor grotere capaciteit. |
| `number_of_steps` |  | integer | no | `2000` | 1 – 15,000 | Totaal aantal trainingsstappen. |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | Leersnelheid voor optimalisatie, die een mogelijke versnelling van de training afweegt tegen het risico op overfitting bij hogere waarden. |
| `number_of_frames` |  | integer | no | `73` | 22 – 124 | Aantal frames per trainingssample; delen door 17 moet rest 5 opleveren. Voorbeelden zijn 22, 39, 56, 73, 90, 107 en 124. |
| `frame_rate` |  | integer | no | `24` | 8 – 60 | Doelframesnelheid van de video, gemeten in frames per seconde. |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | Trainingsresolutie. Een hogere resolutie verhoogt de geheugenvereisten. |
| `aspect_ratio` |  | enum (string) | no | `16:9` | `21:9`, `16:9`, `4:3`, `1:1`, `3:4`, `9:16` | Kies de beeldverhouding voor training uit dezelfde set die beschikbaar is via de MiniMax H3 API. |
| `trigger_phrase` |  | string | no | `` |  | Activeringszin voor de LoRA-stijl, ingevoegd aan het begin van bijschriften tijdens de training. |
| `reference_conditioning_p` |  | number | no | `0.9` | 0 – 1 | Stel in hoe vaak training referentiebeeld-conditionering gebruikt tegenover ongeconditioneerde tekst-naar-video-audio-training. De resterende kans gaat naar het ongeconditioneerde doel om stabiele generatie met alleen prompts te behouden. |
| `resume_from_lora_url` |  | string \| null | no |  |  | URL voor warm-starttraining met een eerder door deze trainer gemaakte .safetensors-LoRA, gevolgd door het aantal extra trainingsstappen number_of_steps. Niets behalve de adaptergewichten wordt hersteld: zowel optimalisatie als learning-rateplanning beginnen opnieuw. |
| `auto_scale_input` |  | boolean | no | `false` |  | Of de doel-fps en het aantal frames worden afgestemd via automatische videoschaling; true schakelt deze aanpassing in. |
| `split_input_into_scenes` |  | boolean | no | `true` |  | Schakel scènesplitsing in voor video's die langer zijn dan een duurdrempel; referentiesidecars van gesplitste clips worden verwijderd. |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | Trigger voor het splitsen van scènes, uitgedrukt als duur in seconden: alleen video's die langer zijn dan de drempel worden gesplitst. |
| `debug_dataset` |  | boolean | no | `false` |  | Optie om een archief te downloaden om preprocessing te controleren voordat volledige training wordt gestart. Bij inschakeling verpakt de trainer de verwerkte dataset zodat je bijschriften, referentieafbeeldingen, video's en afbeeldingen handmatig op juistheid kunt controleren. |
| `strict_dataset` |  | boolean | no | `false` |  | Strikte afhandeling van preprocessingproblemen die anders worden gelogd en opgelost met de gedocumenteerde fallback. Bij inschakeling worden bijschriften die lege prompts vereisen, ontbrekende referentiesidecars en video's met onleesbare audio geweigerd in plaats van die fallbacks toe te staan. |

## 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} | URL naar getrainde LoRA-gewichten in .safetensors-formaat. |
| `config_file` | object {url, content_type, file_name, file_size} | Configuratie voor het instellen van het inferentie-endpoint. |
| `debug_dataset` | object {url, content_type, file_name, file_size} \| null | Alleen beschikbaar voor requests met `debug_dataset` ingeschakeld; dit downloadbare archief bevat de trainingsdata na preprocessing. |

## 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