# MiniMax H3 Image to Video Audio LoRA Trainer API

> Treinador de LoRA que ensina image-to-video com primeiro quadro e áudio a partir de clipes de vídeo

Treina uma LoRA a partir de um zip de clipes de vídeo em `training_data_url`, usando condicionamento do primeiro quadro para animar uma imagem estática em vídeo. O conjunto de dados deve conter apenas vídeos. As configurações incluem `rank` de 8 a 128, `number_of_steps` de até 15000, `number_of_frames` de 22 a 124, `frame_rate` de 8 a 60 e uma `trigger_phrase`. Produz os pesos da LoRA e um arquivo de configuração.

- 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.ru/v1/run/minimax/h3/i2v/trainer`
- Quote: `POST https://api.doitong.ru/v1/quote/minimax/h3/i2v/trainer`
- Docs page: https://doitong.com/pt-BR/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.ru/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 de um ZIP contendo vídeos de treinamento nos formatos .mp4, .mov, .avi ou .mkv; recomenda-se pelo menos 10 clipes, e coleções maiores são preferíveis. Imagens não podem ser mídia de treinamento: conjuntos somente de imagens e arquivos que misturam imagens de treinamento com vídeos são rejeitados, embora alguns endpoints permitam imagens como recursos auxiliares de condicionamento. Arquivos de legenda opcionais podem acompanhar os clipes, com cada arquivo de texto compartilhando o nome base do vídeo. |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | Rank de adaptação LoRA, trocando maior consumo de memória por maior capacidade à medida que a configuração aumenta. |
| `number_of_steps` |  | integer | no | `2000` | 1 – 15,000 | Quantidade total de etapas de treinamento. |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | Taxa de aprendizado da otimização, equilibrando um possível ganho de velocidade no treinamento com o risco de overfitting quando aumentada. |
| `number_of_frames` |  | integer | no | `73` | 22 – 124 | Contagem de quadros para cada amostra de treinamento; dividi-la por 17 deve deixar resto 5. Exemplos incluem 22, 39, 56, 73, 90, 107 e 124. |
| `frame_rate` |  | integer | no | `24` | 8 – 60 | Taxa de quadros do vídeo-alvo, medida em quadros por segundo. |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | Resolução de treinamento. Aumentar a resolução eleva os requisitos de memória. |
| `aspect_ratio` |  | enum (string) | no | `16:9` | `21:9`, `16:9`, `4:3`, `1:1`, `3:4`, `9:16` | Escolha a proporção de treinamento do mesmo conjunto disponível pela API MiniMax H3. |
| `trigger_phrase` |  | string | no | `` |  | Frase de ativação do estilo LoRA, inserida no início das legendas durante o treinamento. |
| `first_frame_conditioning_p` |  | number | no | `0.5` | 0 – 1 | Melhora o desempenho de imagem para vídeo aumentando a frequência com que o treinamento usa o condicionamento pelo primeiro quadro; este valor define essa probabilidade. |
| `auto_scale_input` |  | boolean | no | `false` |  | Indica se o fps e a contagem de quadros-alvo são correspondidos por meio do escalonamento automático do vídeo; true ativa esse ajuste. |
| `split_input_into_scenes` |  | boolean | no | `true` |  | Divisão de cenas para vídeos que excedem um limite de duração, ativada quando true. |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | Gatilho de divisão de cenas expresso como uma duração em segundos: somente vídeos mais longos que o limite são divididos. |
| `debug_dataset` |  | boolean | no | `false` |  | Modo de inspeção do pré-processamento para verificar vídeos, imagens e legendas antes de uma execução completa de treinamento. Ativá-lo faz o treinador retornar o conjunto de dados de treinamento processado em um arquivo compactado para análise manual. |
| `strict_dataset` |  | boolean | no | `false` |  | Tratamento rigoroso de problemas de pré-processamento que, de outra forma, seriam registrados e resolvidos usando os fallbacks documentados. Ativá-lo rejeita legendas que exigem prompts em branco, keyframes auxiliares ausentes e vídeos com áudio ilegível, em vez de substituir por um prompt em branco, um quadro do clipe ou silêncio, respectivamente. |

## 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.ru/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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"
```

### JavaScript

```javascript
const API = "https://api.doitong.ru/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.ru/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.ru/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.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `lora_file` | object {url, content_type, file_name, file_size} | URL dos pesos LoRA treinados no formato .safetensors. |
| `config_file` | object {url, content_type, file_name, file_size} | Configuração para a instalação do endpoint de inferência. |
| `debug_dataset` | object {url, content_type, file_name, file_size} \| null | Disponível somente para requisições com `debug_dataset` ativado, este arquivo baixável contém os dados de treinamento após o pré-processamento. |

## 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.ru/v1/models/minimax/h3/i2v/trainer