# MiniMax H3 Image to Video Audio LoRA Trainer API

> Εκπαιδευτής LoRA που διδάσκει image-to-video πρώτου καρέ με ήχο από κλιπ βίντεο

Εκπαιδεύει ένα LoRA από zip κλιπ βίντεο στο `training_data_url`, χρησιμοποιώντας καθορισμό συνθηκών πρώτου καρέ ώστε μια στατική εικόνα να μετατραπεί σε βίντεο. Το σύνολο δεδομένων πρέπει να περιέχει μόνο βίντεο. Οι ρυθμίσεις περιλαμβάνουν `rank` από 8 έως 128, `number_of_steps` έως 15000, `number_of_frames` από 22 έως 124, `frame_rate` από 8 έως 60 και `trigger_phrase`. Η έξοδος περιλαμβάνει βάρη LoRA και αρχείο config.

- Model id: `minimax/h3/i2v/trainer`
- Made by: MiniMax
- Category: Training
- Output: file
- Price: $0.01 / step (cheapest run $20.00 (20000 API credits))
- Run: `POST https://api.doitong.com/v1/run/minimax/h3/i2v/trainer`
- Quote: `POST https://api.doitong.com/v1/quote/minimax/h3/i2v/trainer`
- Docs page: https://doitong.com/el/developers/models/minimax/h3/i2v/trainer

## Pricing

Price: **$0.01 / step**. Billed per training step (`number_of_steps`).

The full example input below costs $20.00 = 20000 API credits (2000 steps × 10 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/i2v/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 για ZIP που περιέχει βίντεο εκπαίδευσης σε μορφή .mp4, .mov, .avi ή .mkv· συνιστώνται τουλάχιστον 10 αποσπάσματα και προτιμώνται μεγαλύτερες συλλογές. Οι εικόνες δεν μπορούν να αποτελούν μέσα εκπαίδευσης: σύνολα δεδομένων μόνο με εικόνες και αρχεία που συνδυάζουν εικόνες εκπαίδευσης με βίντεο απορρίπτονται, αν και ορισμένα τελικά σημεία επιτρέπουν εικόνες ως sidecars conditioning. Προαιρετικά αρχεία λεζάντας μπορούν να συνοδεύουν τα αποσπάσματα, με κάθε αρχείο κειμένου να έχει το βασικό όνομα του βίντεό του. |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | Τάξη προσαρμογής LoRA, που ανταλλάσσει αυξημένη κατανάλωση μνήμης με μεγαλύτερη χωρητικότητα καθώς αυξάνεται η ρύθμιση. |
| `number_of_steps` |  | integer | no | `2000` | 1 – 15,000 | Συνολικός αριθμός βημάτων εκπαίδευσης. |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | Ρυθμός εκμάθησης βελτιστοποίησης, που εξισορροπεί πιθανή επιτάχυνση της εκπαίδευσης με τον κίνδυνο υπερπροσαρμογής όταν αυξάνεται. |
| `number_of_frames` |  | integer | no | `73` | 22 – 124 | Αριθμός καρέ για κάθε δείγμα εκπαίδευσης· η διαίρεσή του με 17 πρέπει να αφήνει υπόλοιπο 5. Παραδείγματα είναι 22, 39, 56, 73, 90, 107 και 124. |
| `frame_rate` |  | integer | no | `24` | 8 – 60 | Ρυθμός καρέ βίντεο-στόχου, μετρημένος σε καρέ ανά δευτερόλεπτο. |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | Ανάλυση εκπαίδευσης. Η αύξηση της ανάλυσης αυξάνει τις απαιτήσεις μνήμης. |
| `aspect_ratio` |  | enum (string) | no | `16:9` | `21:9`, `16:9`, `4:3`, `1:1`, `3:4`, `9:16` | Επιλέξτε την αναλογία διαστάσεων εκπαίδευσης από το ίδιο σύνολο που διατίθεται μέσω του MiniMax H3 API. |
| `trigger_phrase` |  | string | no | `` |  | Φράση ενεργοποίησης στυλ LoRA, που εισάγεται στην αρχή των λεζαντών κατά την εκπαίδευση. |
| `first_frame_conditioning_p` |  | number | no | `0.5` | 0 – 1 | Βελτιώνει την απόδοση image-to-video αυξάνοντας τη συχνότητα χρήσης συνθήκης πρώτου καρέ στην εκπαίδευση· αυτή η τιμή ορίζει την πιθανότητα. |
| `auto_scale_input` |  | boolean | no | `false` |  | Καθορίζει αν ο στόχος fps και ο αριθμός καρέ ταιριάζουν μέσω αυτόματης κλιμάκωσης βίντεο· true ενεργοποιεί αυτήν την προσαρμογή. |
| `split_input_into_scenes` |  | boolean | no | `true` |  | Διαχωρισμός σκηνών για βίντεο που υπερβαίνουν ένα όριο διάρκειας, ενεργοποιημένος όταν η τιμή είναι true. |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | Έναυσμα διαχωρισμού σκηνών, εκφρασμένο ως διάρκεια σε δευτερόλεπτα: διαχωρίζονται μόνο βίντεο που υπερβαίνουν το όριο. |
| `debug_dataset` |  | boolean | no | `false` |  | Λειτουργία επιθεώρησης προεπεξεργασίας για έλεγχο βίντεο, εικόνων και λεζαντών πριν από πλήρη εκτέλεση εκπαίδευσης. Η ενεργοποίησή της κάνει τον εκπαιδευτή να επιστρέφει το επεξεργασμένο σύνολο δεδομένων εκπαίδευσης σε αρχείο αρχειοθήκης με δυνατότητα λήψης για χειροκίνητο έλεγχο. |
| `strict_dataset` |  | boolean | no | `false` |  | Αυστηρός χειρισμός προβλημάτων προεπεξεργασίας που διαφορετικά θα καταγράφονταν και θα επιλύονταν με τα τεκμηριωμένα fallback. Η ενεργοποίησή του απορρίπτει λεζάντες που χρειάζονται κενά prompt, keyframes sidecar που λείπουν και βίντεο με μη αναγνώσιμο ήχο, αντί να αντικαταστήσει αντίστοιχα με κενό prompt, καρέ του αποσπάσματος ή σιωπή. |

## 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/i2v/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/i2v/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/i2v/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/i2v/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/i2v/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": 20000,
    "usd": "20.00",
    "charged": 20000,
    "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 για εκπαιδευμένα βάρη LoRA σε μορφή .safetensors. |
| `config_file` | object {url, content_type, file_name, file_size} | Διαμόρφωση για τη ρύθμιση του τελικού σημείου συμπερασματολογίας. |
| `debug_dataset` | object {url, content_type, file_name, file_size} \| null | Διαθέσιμο μόνο για αιτήματα με ενεργοποιημένο το `debug_dataset`, αυτό το αρχείο που μπορείτε να κατεβάσετε περιέχει τα δεδομένα εκπαίδευσης μετά την προεπεξεργασία. |

## 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 Reference to Video LoRA Trainer](https://doitong.com/developers/models/minimax/h3/ref2va/trainer.md) (`minimax/h3/ref2va/trainer`): $0.015 / 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/i2v/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/i2v/trainer
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/minimax/h3/i2v/trainer