# Krea 2 Trainer API

> படங்களின் zip கோப்பிலிருந்து தனிப்பயன் Krea 2 LoRA ஐப் பயிற்றுவிக்கிறது; விருப்பமான தானியங்கி தலைப்பிடலுடன்

`images_data_url` இல் உள்ள .zip படக் கோப்பில் LoRA ஐ நுணுக்கமாகப் பயிற்றுவிக்கிறது; அதே பெயருடைய விருப்பமான .txt தலைப்புகள் மற்றும் `trigger_phrase` உடன். `auto_captioning` முறைகள் Off, Object/Character, Style மற்றும் Custom. `steps` 50 முதல் 10000 வரை (இயல்புநிலை 100), `resolution` 768 அல்லது 1024. LoRA எடைகள் மற்றும் கட்டமைப்பு கோப்பை வெளியிடுகிறது.

- Model id: `krea-2-trainer`
- Made by: Krea
- Category: Training
- Output: file
- Price per run: from $0.30 / run (cheapest run $0.30 (300 API credits))
- Run: `POST https://api.doitong.com/v1/run/krea-2-trainer`
- Quote: `POST https://api.doitong.com/v1/quote/krea-2-trainer`
- Docs page: https://doitong.com/ta/developers/models/krea-2-trainer

## Pricing

Price: **from $0.30 / run** (the lowest tier; the quote prices your exact input). Price per run: the input files are measured before the run (length, resolution, frame rate). The quote measures the same files and is exactly what the run charges.

The full example input below costs $0.30 = 300 API credits (1 run × $0.30).

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/krea-2-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 |
|---|---|---|---|---|---|---|
| `images_data_url` |  | string | yes |  |  | PNG/JPG/JPEG/WebP கோப்புகளைக் கொண்ட பயிற்சிப் பட .zip க்கான URL; எந்தப் படத்திற்கும் caption கோப்பு அல்லது காலியாக இல்லாத `trigger_phrase` இல்லையெனில், கோரிக்கை 422 பிழையடையும். `trigger_phrase` மாற்று உரையை வழங்கினால் captions விருப்பமானவை; இல்லையெனில் பொருந்தும் கோப்புப் பெயர் அடிப்படைகளைப் பயன்படுத்தவும்: ROOT.EXT, ROOT.txt உடன் இணையும், எடுத்துக்காட்டாக 001.jpg உடன் 001.txt. |
| `trigger_phrase` |  | string | no | `` |  | `auto_captioning` Off ஆகவும், ஏதேனும் படத்தில் caption கோப்பு இல்லாமலும் இருக்கும்போது தேவைப்படும் DreamBooth-பாணி நிகழ்வு சொற்றொடர். இது .txt கோப்புகள் இல்லாத இடங்களில் captions வழங்குவதுடன், இயல்புநிலை சரிபார்ப்பு ப்ராம்ப்ட்களுக்கான தொடக்க உரையையும் வழங்குகிறது. |
| `auto_captioning` |  | enum (string) | no | `Off` | `Off`, `Object/Character`, `Style`, `Custom` | விருப்பத்தேர்வு captioning முறை: Object/Character, Style மற்றும் Custom ஆகியவை google/gemma-4-31B-it உடன் dataset-captioner-ஐ அழைக்கின்றன; Off என்றால் ஒவ்வொரு படத்திற்கும் பொருந்தும் stem பெயருடன் .txt caption இருக்க வேண்டும் அல்லது fallback ஆக trigger_phrase பயன்படுத்த வேண்டும் என்ற தற்போதைய தேவை தொடரும். உருவாக்கப்பட்ட caption-களுக்கு, trigger_phrase captioning ப்ராம்ப்ட்டில் சேர்க்கப்பட்டு, தேர்ந்தெடுக்கப்பட்ட LoRA captioning மரபின்படி விளைவான sidecar-களில் இயல்பாக்கப்படுகிறது. |
| `steps` |  | integer | no | `100` | 50 – 10,000 | LoRA பயிற்சிக்கான படிநிலை எண்ணிக்கை. |
| `learning_rate` |  | number | no | `0.0005` | 0.000001 – 0.01 | LoRA B-factor கற்றல் விகிதம்; `lora_a_lr_multiplier=1` என்றால் A-க்கும் இது பயன்படுத்தப்படும்; muon-ன் கீழ், match_rms_adamw மூலம் அளவிடப்பட்ட AdamW-க்கு இணையான விகிதத்தை இது குறிக்கிறது. நிலையான அட்டவணைக்கு, Krea 3e-4–7e-4 வரம்பைப் பரிந்துரைக்கிறது. |
| `resolution` |  | enum (integer) | no | `768` | `768`, `1024` | பயிற்சித் தெளிவுத்திறன்; 1024 அதிகபட்ச நுணுக்க விவரங்களுக்கு முன்னுரிமை அளிக்கிறது, 768 சுமார் 1.7x வேகமான பயிற்சி, குறைந்த VRAM பயன்பாடு மற்றும் கிட்டத்தட்ட ஒரே மாதிரியான பாணித் தரத்தை வழங்குகிறது. படங்கள் இலக்கு சதுரத்தை நிரப்பும் வகையில் அளவிடப்பட்டு, பின்னர் மையத்தில் crop செய்யப்படும். |
| `debug_dataset` |  | boolean | no | `false` |  | பயிற்சியில் பயன்படுத்தப்பட்டதைத் துல்லியமாக வெளிப்படுத்தும் dataset-download விருப்பம்; caption backfill அல்லது தானியங்கி caption உருவாக்கத்திற்குப் பிறகு archive ஆக தொகுக்கப்படும். |

## Example input

Required parameters only:

```json
{
  "images_data_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
}
```

A fuller example:

```json
{
  "images_data_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
}
```

## 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/krea-2-trainer?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "images_data_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  }'

# 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/krea-2-trainer?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "images_data_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  }),
});
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 = {
    "images_data_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/krea-2-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": "krea-2-trainer",
      "input": {
        "images_data_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
      },
      "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": "krea-2-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": 300,
    "usd": "0.30",
    "charged": 300,
    "refunded": 0
  },
  "input": {
    "images_data_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  },
  "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
    },
    "prompt_enhancement_system_prompt": "string",
    "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} | பயிற்சி பெற்ற Krea-2 LoRA weights-க்கான safetensors வடிவிலான பதிவிறக்க URL. |
| `config_file` | object {url, content_type, file_name, file_size} | பயிற்சி/LoRA configuration கொண்ட JSON கோப்பிற்கான இணைப்பு. |
| `prompt_enhancement_system_prompt` | string \| null | தானாகத் தலைப்பிடப்பட்ட பயிற்சித் தரவின் அதே தலைப்பிடும் முறையைப் பயன்படுத்தி அனுமான ப்ராம்ப்ட்களை எழுத அல்லது மேம்படுத்த உதவ, `auto_captioning` இயக்கப்பட்டிருக்கும்போது வழங்கப்படும் அமைப்பு ப்ராம்ப்ட். |
| `debug_dataset` | object {url, content_type, file_name, file_size} \| null | `debug_dataset` இயக்கப்பட்டபோது வழங்கப்படும் பயிற்சித் தரவு பதிவிறக்கம்: தயாரிக்கப்பட்ட dataset மற்றும் தானாக உருவாக்கப்பட்ட caption-களைக் கொண்ட archive. |

## Related models

- [Krea 2 Text to Image Turbo LoRA](https://doitong.com/developers/models/krea-2/turbo/lora.md) (`krea-2/turbo/lora`): $0.01 / megapixel
- [Krea 2 Turbo](https://doitong.com/developers/models/krea-2/turbo.md) (`krea-2/turbo`): $0.008 / megapixel
- [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
- [FLUX 2 Trainer V2](https://doitong.com/developers/models/flux-2-trainer-v2.md) (`flux-2-trainer-v2`): $0.0064 / step

## Links

- HTML page: https://doitong.com/developers/models/krea-2-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=krea-2-trainer
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/krea-2-trainer