# MiniMax H3 Reference to Video LoRA Trainer API

> முந்தைய LoRA இலிருந்து வெப்பத் தொடக்கத்துடன் கூடிய, குறிப்பு-நிபந்தனையாக்கப்பட்ட வீடியோவுக்கான LoRA பயிற்சியாளர்

பரிந்துரைகள் வீடியோ உருவாக்கத்தை வழிநடத்தும் வகையில், பொருள் வீடியோ கிளிப்களின் zip மீது LoRA-வைப் பயிற்றுவிக்கிறது. பயிற்சியின்போது குறிப்புகள் எவ்வளவு அடிக்கடி பயன்படுத்தப்படுகின்றன என்பதை `reference_conditioning_p` அமைக்கும்; `resume_from_lora_url` முன்பு பயிற்றுவிக்கப்பட்ட LoRA இலிருந்து தொடரும். மேலும் கட்டமைக்கக்கூடியவை: `rank`, `number_of_steps`, `number_of_frames`, `frame_rate` மற்றும் `aspect_ratio`. எடைகளையும் config கோப்பையும் வழங்கும்.

- 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/ta/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 |  |  | பயிற்சிக்கான கருப்பொருள் வீடியோக்கள் அடங்கிய ZIP கோப்பின் URL; படங்கள் மட்டுமே உள்ள தரவுத்தொகுப்புகளும் படம்/வீடியோ கலந்த பயிற்சிக் காப்பகங்களும் நிராகரிக்கப்படும். எனவே படங்களைத் துணைக் குறிப்புக் கோப்புகளாக மட்டுமே வழங்க வேண்டும். விருப்பக் கூடுதல் கோப்புகள் ஒவ்வொரு கிளிப்பின் அடிப்படைப் பெயரையும் பகிர்ந்துகொள்ள வேண்டும்: `clip01.txt` போன்ற விளக்கக் கோப்பு மற்றும் `ref_1` முதல் `ref_4` வரையிலான வரிசைப்படுத்தப்பட்ட குறிப்புகள், `clip01.ref_1.<ext>` முதல் `clip01.ref_4.<ext>` வரையிலான பெயர்களுடன்; துணைக் குறிப்புக் கோப்புகள் இல்லாவிட்டால், கிளிப்பிலுள்ள ஒரு ஃப்ரேமே அதன் குறிப்பாகப் பயன்படுத்தப்படும். `<ext>` குறிப்பின் ஊடக வகையைத் தீர்மானிக்கிறது: படங்கள் (.png/.jpg/.jpeg), ஆடியோ (.wav/.mp3/.flac/.m4a/.ogg/.aac), அல்லது வீடியோக்கள் (.mp4/.mov/.avi/.mkv/.webm); வீடியோக்களின் ஒலித்தடங்களும் ஆடியோ குறிப்புகளாகப் பயன்படுத்தப்படும். பயிற்சிக் கிளிப்புகளுக்கு .mp4, .mov, .avi மற்றும் .mkv ஆதரிக்கப்படுகின்றன; குறைந்தது 10 கிளிப்புகளை வழங்கவும், அதிகமாக வழங்குவது சிறந்தது. |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | LoRA தழுவல் தரவரிசை; அமைப்பு அதிகரிக்கும்போது அதிக நினைவகப் பயன்பாட்டிற்கு மாற்றாக அதிக திறனை வழங்குகிறது. |
| `number_of_steps` |  | integer | no | `2000` | 1 – 15,000 | பயிற்சிப் படிகளின் மொத்த எண்ணிக்கை. |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | மேம்படுத்தல் கற்றல் வீதம்; இதை அதிகரிக்கும்போது பயிற்சி வேகம் கூடும் வாய்ப்பையும் அதிகப்படியான பொருத்தம் ஏற்படும் அபாயத்தையும் சமநிலைப்படுத்தும். |
| `number_of_frames` |  | integer | no | `73` | 22 – 124 | ஒவ்வொரு பயிற்சி மாதிரிக்குமான ஃப்ரேம் எண்ணிக்கை; இதை 17-ஆல் வகுத்தால் மீதி 5 ஆக இருக்க வேண்டும். எடுத்துக்காட்டுகள்: 22, 39, 56, 73, 90, 107 மற்றும் 124. |
| `frame_rate` |  | integer | no | `24` | 8 – 60 | இலக்கு வீடியோ ஃப்ரேம் வீதம், வினாடிக்கு ஃப்ரேம்களில் அளவிடப்படுகிறது. |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | பயிற்சித் தெளிவுத்திறன். தெளிவுத்திறனை அதிகரிப்பது நினைவகத் தேவைகளை அதிகரிக்கும். |
| `aspect_ratio` |  | enum (string) | no | `16:9` | `21:9`, `16:9`, `4:3`, `1:1`, `3:4`, `9:16` | MiniMax H3 API வழியாகக் கிடைக்கும் அதே தொகுப்பிலிருந்து பயிற்சிக்கான அகல-உயர விகிதத்தைத் தேர்ந்தெடுக்கவும். |
| `trigger_phrase` |  | string | no | `` |  | LoRA பாணி செயல்படுத்தும் சொற்றொடர்; பயிற்சியின்போது தலைப்புகளின் தொடக்கத்தில் செருகப்படும். |
| `reference_conditioning_p` |  | number | no | `0.9` | 0 – 1 | பயிற்சியில் நிபந்தனையற்ற உரையிலிருந்து வீடியோ-ஒலி உருவாக்கப் பயிற்சிக்குப் பதிலாக, குறிப்புப் படத்தை நிபந்தனையாக எவ்வளவு அடிக்கடி பயன்படுத்த வேண்டும் என்பதை அமைக்கவும். மீதமுள்ள நிகழ்தகவு நிபந்தனையற்ற பயிற்சி நோக்கத்திற்கு ஒதுக்கப்படும்; இதனால் உரை வழிகாட்டுதலை மட்டுமே சார்ந்த உருவாக்கம் நிலையாக இருக்கும். |
| `resume_from_lora_url` |  | string \| null | no |  |  | இந்த trainer முன்பு உருவாக்கிய .safetensors LoRA-வுடன் warm-start பயிற்சிக்கான URL; அதனைத் தொடர்ந்து number_of_steps கூடுதல் பயிற்சி படிகளின் எண்ணிக்கையை வழங்கவும். adapter weights தவிர வேறு எதுவும் மீட்டமைக்கப்படாது: optimization மற்றும் learning-rate scheduling இரண்டும் புதிதாகத் தொடங்கும். |
| `auto_scale_input` |  | boolean | no | `false` |  | தானியங்கி வீடியோ அளவுமாற்றத்தின் மூலம் இலக்கு fps மற்றும் ஃப்ரேம் எண்ணிக்கை பொருத்தப்பட வேண்டுமா; true இந்தச் சரிசெய்தலை இயக்கும். |
| `split_input_into_scenes` |  | boolean | no | `true` |  | கால அளவு வரம்பை விட நீளமான வீடியோக்களுக்கு scene splitting-ஐ இயக்கவும்; பிரிக்கப்படும் கிளிப்புகளிலிருந்து reference sidecar-களை நீக்கவும். |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | வினாடிகளில் வெளிப்படுத்தப்படும் காட்சி-பிரிப்புத் தூண்டல்; வரம்பைவிட நீளமான வீடியோக்கள் மட்டுமே பிரிக்கப்படும். |
| `debug_dataset` |  | boolean | no | `false` |  | முழுப் பயிற்சியைத் தொடங்குவதற்கு முன் முன்செயலாக்கத்தைச் சரிபார்க்க ஒரு காப்பகத்தைப் பதிவிறக்குவதற்கான விருப்பம். இதை இயக்கினால், பயிற்சிக் கருவி செயலாக்கப்பட்ட தரவுத்தொகுப்பைத் தொகுத்து வழங்கும். இதன் மூலம் விளக்கவுரைகள், குறிப்புப் படங்கள், வீடியோக்கள் மற்றும் படங்கள் சரியாக உள்ளனவா என்பதை நீங்களே ஆய்வு செய்யலாம். |
| `strict_dataset` |  | boolean | no | `false` |  | வழக்கமாகப் பதிவு செய்யப்பட்டு, ஆவணப்படுத்தப்பட்ட fallback-ஐப் பயன்படுத்தி தீர்க்கப்படும் preprocessing சிக்கல்களைக் கடுமையாகக் கையாளுதல். இதை இயக்கினால், வெற்று ப்ராம்ப்ட் தேவைப்படும் captions, காணாமல் போன reference sidecar-கள் மற்றும் படிக்க முடியாத ஆடியோ கொண்ட வீடியோக்கள் நிராகரிக்கப்படும்; அந்த fallback-கள் அனுமதிக்கப்படாது. |

## 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 வடிவிலான பயிற்சியளிக்கப்பட்ட LoRA எடைகளுக்கான URL. |
| `config_file` | object {url, content_type, file_name, file_size} | ஊக முனைய அமைப்பிற்கான உள்ளமைவு. |
| `debug_dataset` | object {url, content_type, file_name, file_size} \| null | `debug_dataset` இயக்கப்பட்ட கோரிக்கைகளுக்கு மட்டும் கிடைக்கும் இந்தப் பதிவிறக்கக்கூடிய காப்பகம், preprocessing முடிந்த பின் உள்ள பயிற்சித் தரவை வைத்திருக்கும். |

## 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