কনটেন্টে যান

Scail 2

ইন্টিগ্রেট করুন

মডেল id scail-2
# 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/scail-2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "video": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  }'

# 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"

উদাহরণের মতো ফাইল: ২.০০$ ২,০০০ API ক্রেডিট চালানোর আগে আপনার ফাইল মাপা হয় এই পেজে চালান

API কী পান
Open model ভিডিও থেকে ভিডিও 704p পর্যন্ত #stylized#transform

একটি ড্রাইভিং ভিডিওর গতি দিয়ে রেফারেন্স চরিত্রের ছবিকে অ্যানিমেট করে, অথবা মূল দৃশ্যে সেটি প্রতিস্থাপন করে

Open model · ভিডিও

আপনার প্রথম ফলাফল এখানে আসবে

নিচে একটি রিকোয়েস্ট তৈরি করে আপনার API কী দিয়ে চালান। আউটপুট আমাদের স্টোরেজে কপি করা হয়, চিরকাল বা বিনামূল্যে ৭ দিন পর্যন্ত রাখা হয়।

একটি অনুরোধ তৈরি করুন

মডেল স্কিমা থেকে কন্ট্রোল তৈরি করা হয়। এগুলো পরিবর্তন করলে কোড ও মূল্য আপডেট হয়।

•আবশ্যক

পছন্দসই আউটপুট ভিডিও নির্দিষ্ট করা প্রম্পট।

•আবশ্যক image_url
একটি ফাইল ড্রপ করুন, অথবা

animate বা subject-এর বিকল্প হিসেবে ব্যবহারের character-সহ reference character ছবি URL; driving ভিডিও animation বা replacement নির্ধারণ করে।

•আবশ্যক video_url
একটি ফাইল ড্রপ করুন, অথবা

URL-এর মাধ্যমে motion-driving ভিডিও দিন, যাতে একজন মানুষ, একাধিক মানুষ বা একটি প্রাণী থাকতে পারে।

resolution ডিফল্ট 512p

Reference ছবির aspect ratio অনুযায়ী orientation স্বয়ংক্রিয়ভাবে নির্ধারিত আউটপুট রেজোলিউশন। Landscape-এ 512p হলো 896x512 এবং 704p হলো 1280x704; portrait-এ যথাক্রমে 512x896 এবং 704x1280 ব্যবহার করা হয়।

অ্যাডভান্সড mode · driving_type · subject_type · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker
mode ডিফল্ট animation

reference character কীভাবে ব্যবহার হবে তা নির্বাচন করুন: `replacement` মূল scene বজায় রেখে driving subject-এর বদলে character বসায়; `animation` driving motion character-এর ওপর প্রয়োগ করে।

driving_type ডিফল্ট end_to_end

Animation motion সরাসরি `end_to_end`-সহ SAM3 দিয়ে mask করা driving ভিডিও থেকে আসে, যা সর্বোচ্চ robustness-এর জন্য ডিফল্ট ও সুপারিশকৃত পছন্দ। বিকল্পভাবে, `pose` NLF/DWPose ব্যবহার করে ওই ভিডিও থেকে explicit skeleton render করে, যা challenging ইনপুট-এ বেশি নিয়ন্ত্রণ দেয়।

subject_type ডিফল্ট human

Driving-ভিডিও subject selection, যেখানে `animal` non-`human` subject-এর জন্য SAM3-এর detection প্রম্পট কনফিগার করে।

ডিফল্ট 40

Diffusion sampling step-এর সংখ্যা। এটি বাড়ালে quality উন্নত হয়, তবে বেশি সময় লাগে।

ডিফল্ট 5

ক্লাসিফায়ার-মুক্ত গাইডেন্সের শক্তি, যা প্রম্পট অনুসরণ এবং সৃজনশীলতার মধ্যে ভারসাম্য বজায় রাখে।

ডিফল্ট 3

Flow matching-এর noise-schedule shift; 512p ব্যবহার করলে 3.0 সেটিং সুপারিশ করা হয়।

রেসপন্সে অন্তর্ভুক্ত জেনারেশন seed, যা স্পষ্টভাবে দেওয়া হতে পারে অথবা ইনপুট খালি থাকলে এলোমেলোভাবে নির্বাচন করা হতে পারে।

POST /run/scail-2?wait=20 মূল্য → ২.০০$
# 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/scail-2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "video": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  }'

# 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"

এই অনুরোধ চালান

আপনার key এই ব্রাউজারেই থাকে: এটি শুধু Doitong API-তে পাঠানো হয় এবং Remember টিক দিলে কেবল localStorage-এ সংরক্ষিত হয়। একটি API কী পান

Scail 2 সম্পর্কে

একটি রেফারেন্স চরিত্রের `image_url` এবং একজন মানুষ, একাধিক মানুষ বা কোনো প্রাণীর গতিবিধি দেখানো একটি `video_url` নেয়। `animation` মোডে চরিত্রটি ভিডিওর গতিবিধি অনুসরণ করে; `replacement` মোডে দৃশ্য অক্ষুণ্ণ রেখে মূল মানুষ বা প্রাণীর জায়গায় চরিত্রটিকে বসায়। রেজোলিউশন 512p বা 704p, আর ছবির ভিত্তিতে ওরিয়েন্টেশন নির্ধারিত হয়। `driving_type` সরাসরি এন্ড-টু-এন্ড গতিবিধি অনুসরণ অথবা সুস্পষ্ট পোজ স্কেলেটন ব্যবহার করতে পারে।

প্যারামিটার

ক্যানোনিকাল নাম অথবা নেটিভ নাম—দুটো একসঙ্গে নয়—পাঠান। ক্যানোনিকাল নামগুলো

নামধরন ডিফল্টঅনুমোদিত বিবরণ
promptআবশ্যক
ধরনstring
পছন্দসই আউটপুট ভিডিও নির্দিষ্ট করা প্রম্পট।
image_urlআবশ্যক image
ধরনurl · image
animate বা subject-এর বিকল্প হিসেবে ব্যবহারের character-সহ reference character ছবি URL; driving ভিডিও animation বা replacement নির্ধারণ করে।
video_urlআবশ্যক video
ধরনurl · video
URL-এর মাধ্যমে motion-driving ভিডিও দিন, যাতে একজন মানুষ, একাধিক মানুষ বা একটি প্রাণী থাকতে পারে।
modeঐচ্ছিক
ধরনenum
ডিফল্টanimation
animationreplacement
reference character কীভাবে ব্যবহার হবে তা নির্বাচন করুন: `replacement` মূল scene বজায় রেখে driving subject-এর বদলে character বসায়; `animation` driving motion character-এর ওপর প্রয়োগ করে।
driving_typeঐচ্ছিক
ধরনenum
ডিফল্টend_to_end
end_to_endpose
Animation motion সরাসরি `end_to_end`-সহ SAM3 দিয়ে mask করা driving ভিডিও থেকে আসে, যা সর্বোচ্চ robustness-এর জন্য ডিফল্ট ও সুপারিশকৃত পছন্দ। বিকল্পভাবে, `pose` NLF/DWPose ব্যবহার করে ওই ভিডিও থেকে explicit skeleton render করে, যা challenging ইনপুট-এ বেশি নিয়ন্ত্রণ দেয়।
subject_typeঐচ্ছিক
ধরনenum
ডিফল্টhuman
humananimal
Driving-ভিডিও subject selection, যেখানে `animal` non-`human` subject-এর জন্য SAM3-এর detection প্রম্পট কনফিগার করে।
resolutionঐচ্ছিক
ধরনenum
ডিফল্ট512p
512p704p
Reference ছবির aspect ratio অনুযায়ী orientation স্বয়ংক্রিয়ভাবে নির্ধারিত আউটপুট রেজোলিউশন। Landscape-এ 512p হলো 896x512 এবং 704p হলো 1280x704; portrait-এ যথাক্রমে 512x896 এবং 704x1280 ব্যবহার করা হয়।
num_inference_stepsঐচ্ছিক
ধরনinteger
ডিফল্ট40
২ – ৫০
Diffusion sampling step-এর সংখ্যা। এটি বাড়ালে quality উন্নত হয়, তবে বেশি সময় লাগে।
guidance_scaleঐচ্ছিক
ধরনnumber
ডিফল্ট5
১ – ১০
ক্লাসিফায়ার-মুক্ত গাইডেন্সের শক্তি, যা প্রম্পট অনুসরণ এবং সৃজনশীলতার মধ্যে ভারসাম্য বজায় রাখে।
shiftঐচ্ছিক
ধরনnumber
ডিফল্ট3
১ – ১০
Flow matching-এর noise-schedule shift; 512p ব্যবহার করলে 3.0 সেটিং সুপারিশ করা হয়।
seedঐচ্ছিক
ধরনinteger | null
রেসপন্সে অন্তর্ভুক্ত জেনারেশন seed, যা স্পষ্টভাবে দেওয়া হতে পারে অথবা ইনপুট খালি থাকলে এলোমেলোভাবে নির্বাচন করা হতে পারে।
enable_safety_checkerঐচ্ছিক
ধরনboolean
ডিফল্টtrue
কলকারী অনুমোদিত হলে false সেট করে স্ক্রিনিং শিথিল করা যায়।
আবশ্যক ক্যানোনিকাল নাম, এটিও গ্রহণযোগ্য

ফাইল প্যারামিটার হিসেবে একটি পাবলিক https:// URL, 10 MB পর্যন্ত একটি data: URI, অথবা আপলোডের file_url গ্রহণ করা হয়। ফাইল

আউটপুট

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "scail-2",
  "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": 2000,
    "usd": "2.00",
    "charged": 2000,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  },
  "output": {
    "video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_name": "0-output.mp4",
      "file_size": 1843200
    },
    "seed": 42,
    "preprocessing_video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_name": "0-output.mp4",
      "file_size": 1843200
    },
    "preprocessing_mask_video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_name": "0-output.mp4",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "video",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_size": 1843200,
      "width": 1280,
      "height": 720,
      "duration": 5,
      "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"
  }
}
আপনার ফাইল, আপনার পছন্দপ্রতিটি outputs[].url আমাদের স্টোরেজে একটি কপি: চিরকাল রাখা হয় (প্রতি GB-মাস অনুযায়ী অর্থপ্রদত্ত) অথবা অ্যাকাউন্ট সেটিংস বা ?storage= অনুযায়ী বিনামূল্যে ৭ দিন পর্যন্ত।
প্রতিটি মডেলে একই গঠনছবি, ভিডিও এবং অডিও—সব ক্ষেত্রেই type, url, content_type, width, height এবং duration। output হলো মডেলের নিজস্ব ফলাফল অবজেক্ট।
আউটপুটের ফিল্ড
video
object {url, content_type, file_name, file_size}জেনারেশনের মাধ্যমে তৈরি ভিডিও ফাইল।
seed
integerভিডিও জেনারেশনের জন্য ব্যবহৃত seed।
preprocessing_video
object {url, content_type, file_name, file_size} | null`output_preprocessing=true` থাকলেই পাওয়া যায় এমন debug ভিডিও, যাতে diffusion মডেল-এ দেওয়া Stage-A pose-conditioning ইনপুট থাকে। এর content `driving_type`-এর ওপর নির্ভর করে: `end_to_end` SAM3 দিয়ে mask করা driving footage ব্যবহার করে, আর `driving_type=pose` NLF/DWPose দিয়ে render করা skeleton ব্যবহার করে।
preprocessing_mask_video
object {url, content_type, file_name, file_size} | nullDebugging-এর জন্য Stage-A driving mask ভিডিও, শুধু `output_preprocessing=true` থাকলেই পাওয়া যায়।

AI এজেন্টদের জন্য: এই পৃষ্ঠাটি Markdown হিসেবে এখানে আছে https://doitong.com/bn/developers/models/scail-2.md. সব মডেল ও গাইড: https://doitong.com/developers/llms.txt