# MiniMax H3 Reference to Video LoRA Trainer API

> ਪਹਿਲਾਂ ਦੀ LoRA ਤੋਂ ਵਾਰਮ ਸਟਾਰਟ ਸਮੇਤ ਰੈਫ਼ਰੈਂਸ-ਕੰਡੀਸ਼ਨਡ ਵੀਡੀਓ ਲਈ LoRA ਟ੍ਰੇਨਰ

ਵਿਸ਼ੇ ਦੀਆਂ ਵੀਡੀਓ ਕਲਿੱਪਾਂ ਦੀ zip ਉੱਤੇ LoRA ਨੂੰ ਟ੍ਰੇਨ ਕਰਦਾ ਹੈ, ਤਾਂ ਜੋ ਰੈਫ਼ਰੈਂਸ ਇਨਪੁੱਟ ਵੀਡੀਓ ਸਿਰਜਣਾ ਨੂੰ ਦਿਸ਼ਾ ਦੇ ਸਕਣ। `reference_conditioning_p` ਟ੍ਰੇਨਿੰਗ ਦੌਰਾਨ ਰੈਫ਼ਰੈਂਸਾਂ ਦੀ ਵਰਤੋਂ ਦੀ ਆਵਿਰਤੀ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ, ਅਤੇ `resume_from_lora_url` ਪਹਿਲਾਂ ਟ੍ਰੇਨ ਕੀਤੀ LoRA ਤੋਂ ਜਾਰੀ ਰੱਖਦਾ ਹੈ। `rank`, `number_of_steps`, `number_of_frames`, `frame_rate` ਅਤੇ `aspect_ratio` ਵੀ ਕੌਂਫ਼ਿਗਰ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ। ਵਜ਼ਨ ਅਤੇ ਇੱਕ config ਫ਼ਾਈਲ ਵਾਪਸ ਕਰਦਾ ਹੈ।

- 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/pa/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 |  |  | ਵਿਸ਼ਾ ਸਿਖਲਾਈ ਵੀਡੀਓਜ਼ ਵਾਲੇ ZIP ਦਾ URL; ਸਿਰਫ਼-ਚਿੱਤਰ ਡੇਟਾਸੈੱਟ ਅਤੇ ਮਿਲੇ-ਝੁਲੇ ਚਿੱਤਰ/ਵੀਡੀਓ ਸਿਖਲਾਈ ਆਰਕਾਈਵ ਰੱਦ ਕੀਤੇ ਜਾਂਦੇ ਹਨ, ਇਸ ਲਈ ਚਿੱਤਰ reference sidecars ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ। ਵਿਕਲਪਿਕ ਵਾਧੂ ਫ਼ਾਈਲਾਂ ਹਰ ਕਲਿੱਪ ਦਾ base name ਸਾਂਝਾ ਕਰਦੀਆਂ ਹਨ: `clip01.txt` ਵਰਗਾ ਕੈਪਸ਼ਨ ਅਤੇ `ref_1` ਤੋਂ `ref_4` ਤੱਕ ਕ੍ਰਮਬੱਧ references, ਜਿਨ੍ਹਾਂ ਦੇ ਨਾਮ `clip01.ref_1.<ext>` ਤੋਂ `clip01.ref_4.<ext>` ਤੱਕ ਹੋਣ; reference sidecars ਨਾ ਹੋਣ 'ਤੇ ਕਲਿੱਪ ਦਾ ਇੱਕ ਫ੍ਰੇਮ ਆਪਣਾ reference ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। `<ext>` reference modality ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ: ਚਿੱਤਰ (.png/.jpg/.jpeg), ਆਡੀਓ (.wav/.mp3/.flac/.m4a/.ogg/.aac) ਜਾਂ ਵੀਡੀਓ (.mp4/.mov/.avi/.mkv/.webm), ਜਿਨ੍ਹਾਂ ਦੇ soundtracks ਵੀ ਆਡੀਓ references ਬਣ ਜਾਂਦੇ ਹਨ। ਸਿਖਲਾਈ ਕਲਿੱਪਾਂ ਲਈ .mp4, .mov, .avi ਅਤੇ .mkv ਸਮਰਥਿਤ ਹਨ; ਘੱਟੋ-ਘੱਟ 10 ਕਲਿੱਪਾਂ ਦਾ ਟੀਚਾ ਰੱਖੋ, ਵੱਧ ਕਲਿੱਪਾਂ ਨੂੰ ਤਰਜੀਹ ਹੈ। |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | LoRA ਅਨੁਕੂਲਨ ਰੈਂਕ, ਸੈਟਿੰਗ ਵਧਣ ਨਾਲ ਵੱਧ ਸਮਰੱਥਾ ਦੇ ਬਦਲੇ ਵੱਧ ਮੈਮੋਰੀ ਖਪਤ। |
| `number_of_steps` |  | integer | no | `2000` | 1 – 15,000 | ਟ੍ਰੇਨਿੰਗ ਪੜਾਵਾਂ ਦੀ ਕੁੱਲ ਗਿਣਤੀ। |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | ਓਪਟੀਮਾਈਜ਼ੇਸ਼ਨ learning rate, ਜੋ training ਵਿੱਚ ਸੰਭਾਵਿਤ ਤੇਜ਼ੀ ਅਤੇ ਇਸਨੂੰ ਵਧਾਉਣ 'ਤੇ overfitting ਦੇ ਖ਼ਤਰੇ ਵਿਚਕਾਰ ਸੰਤੁਲਨ ਬਣਾਉਂਦੀ ਹੈ। |
| `number_of_frames` |  | integer | no | `73` | 22 – 124 | ਹਰ ਸਿਖਲਾਈ ਨਮੂਨੇ ਲਈ ਫ੍ਰੇਮ ਗਿਣਤੀ; ਇਸਨੂੰ 17 ਨਾਲ ਭਾਗ ਦੇਣ 'ਤੇ ਬਾਕੀ 5 ਆਉਣਾ ਚਾਹੀਦਾ ਹੈ। ਉਦਾਹਰਨਾਂ ਵਿੱਚ 22, 39, 56, 73, 90, 107 ਅਤੇ 124 ਸ਼ਾਮਲ ਹਨ। |
| `frame_rate` |  | integer | no | `24` | 8 – 60 | ਲਕਸ਼ਿਤ ਵੀਡੀਓ ਫ੍ਰੇਮ ਦਰ, ਫ੍ਰੇਮ ਪ੍ਰਤੀ ਸਕਿੰਟ ਵਿੱਚ ਮਾਪੀ ਜਾਂਦੀ ਹੈ। |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | ਟ੍ਰੇਨਿੰਗ ਰੈਜ਼ੋਲਿਊਸ਼ਨ। ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਵਧਾਉਣ ਨਾਲ ਮੈਮੋਰੀ ਦੀ ਲੋੜ ਵਧਦੀ ਹੈ। |
| `aspect_ratio` |  | enum (string) | no | `16:9` | `21:9`, `16:9`, `4:3`, `1:1`, `3:4`, `9:16` | MiniMax H3 API ਰਾਹੀਂ ਉਪਲਬਧ ਉਸੇ ਸੈੱਟ ਵਿੱਚੋਂ ਸਿਖਲਾਈ ਆਸਪੈਕਟ ਰੇਸ਼ੋ ਚੁਣੋ। |
| `trigger_phrase` |  | string | no | `` |  | LoRA ਸ਼ੈਲੀ ਸਰਗਰਮੀ ਵਾਕੰਸ਼, ਟ੍ਰੇਨਿੰਗ ਦੌਰਾਨ ਕੈਪਸ਼ਨਾਂ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ। |
| `reference_conditioning_p` |  | number | no | `0.9` | 0 – 1 | ਨਿਰਧਾਰਤ ਕਰੋ ਕਿ ਸਿਖਲਾਈ ਕਿੰਨੀ ਵਾਰ reference-image conditioning ਵਰਤਦੀ ਹੈ ਬਨਾਮ unconditioned text-to-video-audio ਸਿਖਲਾਈ। ਬਚੀ ਹੋਈ ਸੰਭਾਵਨਾ unconditioned objective ਨੂੰ ਜਾਂਦੀ ਹੈ ਤਾਂ ਜੋ ਸਥਿਰ ਪ੍ਰੌਂਪਟ-only ਸਿਰਜਣਾ ਬਣੀ ਰਹੇ। |
| `resume_from_lora_url` |  | string \| null | no |  |  | ਇਸ trainer ਦੁਆਰਾ ਪਹਿਲਾਂ ਬਣਾਏ .safetensors LoRA ਨਾਲ warm-start ਸਿਖਲਾਈ ਲਈ URL, ਜਿਸ ਤੋਂ ਬਾਅਦ number_of_steps ਵਾਧੂ ਸਿਖਲਾਈ ਕਦਮ ਆਉਂਦੇ ਹਨ। ਐਡਾਪਟਰ weights ਤੋਂ ਇਲਾਵਾ ਕੁਝ ਵੀ restore ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ: optimization ਅਤੇ learning-rate scheduling ਦੋਵੇਂ ਨਵੇਂ ਸਿਰੇ ਤੋਂ ਸ਼ੁਰੂ ਹੁੰਦੇ ਹਨ। |
| `auto_scale_input` |  | boolean | no | `false` |  | ਕੀ ਟਾਰਗੇਟ fps ਅਤੇ ਫ੍ਰੇਮ ਗਿਣਤੀ ਆਟੋਮੈਟਿਕ ਵੀਡੀਓ ਸਕੇਲਿੰਗ ਰਾਹੀਂ ਮਿਲਾਈ ਜਾਂਦੀ ਹੈ; true ਇਹ ਸਮਾਯੋਜਨ ਚਾਲੂ ਕਰਦਾ ਹੈ। |
| `split_input_into_scenes` |  | boolean | no | `true` |  | ਥ੍ਰੈਸ਼ਹੋਲਡ ਤੋਂ ਲੰਬੇ ਵੀਡੀਓਜ਼ ਲਈ scene splitting ਚਾਲੂ ਕਰੋ; split ਕੀਤੀਆਂ ਕਿਸੇ ਵੀ ਕਲਿੱਪਾਂ ਤੋਂ reference sidecars ਹਟਾ ਦਿੱਤੇ ਜਾਂਦੇ ਹਨ। |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਿਆਦ ਵਜੋਂ ਦਿੱਤਾ ਦ੍ਰਿਸ਼-ਵੰਡ ਟ੍ਰਿਗਰ: ਸਿਰਫ਼ ਸੀਮਾ ਤੋਂ ਲੰਬੇ ਵੀਡੀਓ ਵੰਡੇ ਜਾਂਦੇ ਹਨ। |
| `debug_dataset` |  | boolean | no | `false` |  | ਪੂਰੀ ਸਿਖਲਾਈ ਸ਼ੁਰੂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਪ੍ਰੀਪ੍ਰੋਸੈਸਿੰਗ ਦੀ ਜਾਂਚ ਲਈ ਆਰਕਾਈਵ ਡਾਊਨਲੋਡ ਕਰਨ ਦਾ ਵਿਕਲਪ। ਇਸਨੂੰ ਚਾਲੂ ਕਰਨ 'ਤੇ trainer ਪ੍ਰਕਿਰਿਆ ਕੀਤੇ ਡੇਟਾਸੈੱਟ ਨੂੰ ਪੈਕੇਜ ਕਰਦਾ ਹੈ ਤਾਂ ਜੋ ਤੁਸੀਂ ਕੈਪਸ਼ਨ, reference ਚਿੱਤਰ, ਵੀਡੀਓ ਅਤੇ ਚਿੱਤਰਾਂ ਦੀ ਸਹੀਤਾ ਹੱਥੋਂ ਜਾਂਚ ਸਕੋ। |
| `strict_dataset` |  | boolean | no | `false` |  | ਪ੍ਰੀਪ੍ਰੋਸੈਸਿੰਗ ਸਮੱਸਿਆਵਾਂ ਦਾ ਸਖ਼ਤ ਨਿਪਟਾਰਾ, ਜੋ ਨਹੀਂ ਤਾਂ ਲੌਗ ਹੋ ਕੇ ਦਸਤਾਵੇਜ਼ੀ fallback ਰਾਹੀਂ ਹੱਲ ਹੁੰਦੀਆਂ। ਇਸਨੂੰ ਚਾਲੂ ਕਰਨ 'ਤੇ blank ਪ੍ਰੌਂਪਟ ਦੀ ਲੋੜ ਵਾਲੇ ਕੈਪਸ਼ਨ, ਗੁੰਮ reference sidecars ਅਤੇ ਨਾ ਪੜ੍ਹੇ ਜਾ ਸਕਣ ਵਾਲੇ ਆਡੀਓ ਵਾਲੇ ਵੀਡੀਓ ਰੱਦ ਹੋ ਜਾਂਦੇ ਹਨ, ਨਾ ਕਿ ਉਹ fallbacks ਵਰਤੇ ਜਾਂਦੇ ਹਨ। |

## 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 ਫਾਰਮੈਟ ਵਿੱਚ ਟ੍ਰੇਨ ਕੀਤੇ LoRA ਵਜ਼ਨਾਂ ਦਾ URL। |
| `config_file` | object {url, content_type, file_name, file_size} | ਇਨਫ਼ਰੈਂਸ ਐਂਡਪੋਇੰਟ ਸੈਟਅੱਪ ਲਈ ਕਾਨਫ਼ਿਗਰੇਸ਼ਨ। |
| `debug_dataset` | object {url, content_type, file_name, file_size} \| null | `debug_dataset` ਚਾਲੂ ਵਾਲੀਆਂ ਬੇਨਤੀਆਂ ਲਈ ਹੀ ਉਪਲਬਧ, ਇਹ ਡਾਊਨਲੋਡ ਕਰਨਯੋਗ ਆਰਕਾਈਵ ਪ੍ਰੀਪ੍ਰੋਸੈਸਿੰਗ ਤੋਂ ਬਾਅਦ ਦਾ ਸਿਖਲਾਈ ਡੇਟਾ ਰੱਖਦਾ ਹੈ। |

## 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