Trellis 2

ইন্টিগ্রেট করুন

মডেল id trellis-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/trellis-2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image": "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"

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/trellis-2?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "image": "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 + ")");

import os
import requests

API = "https://api.doitong.com/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "image": "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/trellis-2", 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"])

# 1. Connect once (Claude Code; Cursor, VS Code, Claude Desktop: https://doitong.com/bn/developers/docs/mcp)
claude mcp add --transport http doitong-models https://api.doitong.com/v1/mcp \
  --header "Authorization: Bearer $DOITONG_API_KEY"

# 2. Your agent calls the "run" tool with:
{
  "model_id": "trellis-2",
  "input": {
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  }
}

Doitong API-এর মাধ্যমে Trellis 2 মডেল (trellis-2) কল করুন। এজেন্টদের জন্য ডকুমেন্টেশন: https://doitong.com/bn/developers/models/trellis-2.md

POST https://api.doitong.com/v1/run/trellis-2?wait=20
Authorization: Bearer $DOITONG_API_KEY
Content-Type: application/json

{
  "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
}

রেসপন্সের স্ট্যাটাস যদি "queued" বা "running" হয়, তাহলে এটি "succeeded" না হওয়া পর্যন্ত GET https://api.doitong.com/v1/requests/REQUEST_ID?wait=20 পোল করুন; ফাইলগুলো outputs[].url-এ থাকে। রান করার আগেই সঠিক মূল্য জানতে একই বডি দিয়ে POST https://api.doitong.com/v1/quote/trellis-2 করুন।

এই অনুরোধ: ০.৩০$ ৩০০ API ক্রেডিট এই পেজে চালান

API কী পান

Microsoft ছবি থেকে 3D #image-to-3d

টিউনযোগ্য স্ট্রাকচার, আকৃতি, টেক্সচার ও UV সেটিংসহ একটি ছবি থেকে টেক্সচারযুক্ত GLB 3D মেশ তৈরি করে

OpenAPI Markdown

Microsoft · 3D

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

মূল্য

সঠিক মূল্য

০.৩০$প্রতি রান

৩০০ API ক্রেডিট

মূল্য: ০.২৫$ থেকে

১টি রিকোয়েস্ট × ০.৩০$ চালান · ০.৩০$

শুধু সফল হলে চার্জ করা হয়, ব্যর্থ হলে স্বয়ংক্রিয়ভাবে ফেরত দেওয়া হয়।

resolution ডিফল্ট 1024

মূল্যের নিয়ম

resolution = 1024 হলে: ০.৩০$ / রিকোয়েস্ট
resolution = 1536 হলে: ০.৩৫$ / রিকোয়েস্ট

প্রতি অনুরোধে একবার চার্জ করা হয়।

কোট এন্ডপয়েন্ট: POST /quote/{id}

একটি অনুরোধ তৈরি করুন

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

image •আবশ্যক image_url

একটি ফাইল ড্রপ করুন, অথবা

3D রূপান্তরের জন্য উৎস ছবির দিকে নির্দেশকারী URL।

resolution ডিফল্ট 1024

আউটপুটের রেজোলিউশন; এটি বাড়ালে বিস্তারিত বাড়ে, তবে বেশি সময় লাগে।

অ্যাডভান্সড texture_size · ss_guidance_strength · ss_guidance_rescale · ss_guidance_interval_start · ss_guidance_interval_end · ss_sampling_steps · ss_rescale_t · shape_slat_guidance_strength · shape_slat_guidance_rescale · shape_slat_guidance_interval_start · shape_slat_guidance_interval_end · shape_slat_sampling_steps · shape_slat_rescale_t · tex_slat_guidance_strength · tex_slat_guidance_rescale · tex_slat_guidance_interval_start · tex_slat_guidance_interval_end · tex_slat_sampling_steps · tex_slat_rescale_t · decimation_target · remesh_band · remesh_project · uv_unwrap_angle_threshold_deg · uv_unwrap_refine_iterations · uv_unwrap_global_iterations · uv_unwrap_smooth_strength · seed · remesh

texture_size ডিফল্ট 2048

বেকিংয়ের জন্য মেশ টেক্সচারের রেজোলিউশন। এই রেজোলিউশন বাড়ালে পৃষ্ঠের সূক্ষ্ম বিবরণের সঙ্গে বড় ফাইল তৈরি হয়।

ss_guidance_strength ডিফল্ট 7.5

প্রাথমিক 3D কাঠামোর বিশ্বস্ততা নিয়ন্ত্রণ: এটি বাড়ালে অতিরিক্ত নয়েজের ঝুঁকিতে ইনপুট ছবির সঙ্গে বেশি মিল পাওয়া যায়।

ss_guidance_rescale ডিফল্ট 0.7

স্টেজ 1-এর গাইডেন্স-আর্টিফ্যাক্ট নিয়ন্ত্রণ, যেখানে কম সেটিংসে শক্তিশালী গাইডেন্স প্রভাব এবং বেশি সেটিংসে আরও স্থিতিশীল আউটপুটের মধ্যে ভারসাম্য থাকে।

ss_guidance_interval_start ডিফল্ট 0.6

stage 1 (sparse structure)-এ classifier-free guidance window-এর শুরুর সীমা, ডিনয়েজিং ভগ্নাংশ হিসেবে প্রকাশিত। কম সেটিংয়ে গাইডেন্স আগে শুরু হয়; interval_start থেকে interval_end পর্যন্ত শুধু এই পরিসরেই গাইডেন্স ব্যবহৃত হয়, বাকি অংশে গাইডেন্স ছাড়া প্রসেসিং হয়।

ss_guidance_interval_end ডিফল্ট 1

stage 1 (sparse structure)-এর গাইডেন্স কাটঅফ: ss_guidance_interval_start-এর সমান বা তার চেয়ে বড় মান নির্বাচন করুন। মানটি classifier-free guidance বন্ধ হওয়ার সময়ে পৌঁছানো ডিনয়েজিং ভগ্নাংশ নির্ধারণ করে।

ss_sampling_steps ডিফল্ট 12

প্রাথমিক-কাঠামো ডিনয়েজিংয়ের সংখ্যা: অতিরিক্ত ধাপে সম্ভাব্য মানোন্নয়নের বিনিময়ে প্রসেসিং ধীর হয়।

ss_rescale_t ডিফল্ট 5

কাঠামো-জেনারেশনের নয়েজ শিডিউলের মাধ্যমে ট্রানজিশনের তীক্ষ্ণতা নির্ধারণ করুন: এই মান বাড়ালে ট্রানজিশন আরও তীক্ষ্ণ হয়।

shape_slat_guidance_strength ডিফল্ট 7.5

বিস্তারিত জ্যামিতির বিশ্বস্ততা নিয়ন্ত্রণ: ইনপুট ছবির প্রতি আনুগত্য বাড়ালে অতিরিক্ত নয়েজের ঝুঁকিসহ আরও বিস্তারিত পাওয়া যায়।

shape_slat_guidance_rescale ডিফল্ট 0.5

জ্যামিতি নয়েজযুক্ত দেখালে এই সেটিং বাড়ান: এটি আকৃতি ধাপে শক্তিশালী গাইডেন্সের কারণে সৃষ্ট আর্টিফ্যাক্ট কমায়।

shape_slat_guidance_interval_start ডিফল্ট 0.6

stage 2-এ shape refinement-এর জন্য classifier-free guidance সক্রিয় হওয়ার বিন্দু। ডিনয়েজিং অগ্রগতির ভগ্নাংশ হিসেবে প্রকাশিত এই মান interval_start নির্ধারণ করে; interval_start ও interval_end দ্বারা সীমাবদ্ধ উইন্ডোর মধ্যেই গাইডেন্স কাজ করে।

shape_slat_guidance_interval_end ডিফল্ট 1

stage 2 (shape refinement)-এর গাইডেন্স কাটঅফ: shape_slat_guidance_interval_start-এর সমান বা তার চেয়ে বড় মান নির্বাচন করুন। মানটি classifier-free guidance বন্ধ হওয়ার সময়ে পৌঁছানো ডিনয়েজিং ভগ্নাংশ নির্ধারণ করে।

shape_slat_sampling_steps ডিফল্ট 12

আকৃতি-পরিশোধন ডিনয়েজিংয়ের সংখ্যা: অতিরিক্ত ধাপ ব্যবহার করলে সম্ভাব্য মসৃণ জ্যামিতির বিনিময়ে গতি কমে।

shape_slat_rescale_t ডিফল্ট 3

আকৃতি-পরিশোধনের নয়েজ শিডিউলের মাধ্যমে জ্যামিতিক বিবরণের তীক্ষ্ণতা নির্ধারণ করুন; এই মান বাড়ালে বিবরণ আরও তীক্ষ্ণ হয়।

tex_slat_guidance_strength ডিফল্ট 1

টেক্সচার রঙের বিশ্বস্ততা নিয়ন্ত্রণ: বেশি সেটিংসে ইনপুট ছবির রঙের প্রতি বেশি আনুগত্য উজ্জ্বলতা বাড়ায়, তবে অতিরিক্ত স্যাচুরেশন ঘটাতে পারে।

tex_slat_guidance_rescale ডিফল্ট 0

নয়েজযুক্ত টেক্সচার বা রঙের ব্যান্ডিং কমাতে এই সেটিং বাড়ান: এটি টেক্সচার ধাপে শক্তিশালী গাইডেন্সের কারণে সৃষ্ট আর্টিফ্যাক্ট কমায়।

tex_slat_guidance_interval_start ডিফল্ট 0.6

stage 3-এ texture জেনারেশন-এর জন্য classifier-free guidance সক্রিয় হওয়ার বিন্দু। ডিনয়েজিং অগ্রগতির ভগ্নাংশ হিসেবে প্রকাশিত এই মান interval_start নির্ধারণ করে; interval_start ও interval_end দ্বারা সীমাবদ্ধ উইন্ডোর মধ্যেই গাইডেন্স কাজ করে।

tex_slat_guidance_interval_end ডিফল্ট 0.9

stage 3 (texture)-এর গাইডেন্স কাটঅফ: tex_slat_guidance_interval_start-এর সমান বা তার চেয়ে বড় মান নির্বাচন করুন। মানটি classifier-free guidance বন্ধ হওয়ার সময়ে পৌঁছানো ডিনয়েজিং ভগ্নাংশ নির্ধারণ করে।

tex_slat_sampling_steps ডিফল্ট 12

টেক্সচার জেনারেট করতে ব্যবহৃত ডিনয়েজিং ধাপের সংখ্যা। ধাপের সংখ্যা বাড়ালে বেশি সময় লাগে, তবে আরও পরিষ্কার টেক্সচার পাওয়া যেতে পারে।

tex_slat_rescale_t ডিফল্ট 3

টেক্সচার-জেনারেশনের নয়েজ শিডিউলের মাধ্যমে টেক্সচারের বিবরণের তীক্ষ্ণতা নির্ধারণ করুন; এই মান বাড়ালে বিবরণ আরও তীক্ষ্ণ হয়।

decimation_target ডিফল্ট 500000

মেশের vertex-count লক্ষ্য; সাধারণ ব্যবহারের জন্য 500k এবং ওয়েব/মোবাইলের জন্য 20k–50k প্রস্তাবিত। লক্ষ্য কমালে মেশের ডিটেইলের বিনিময়ে ফাইল ছোট হয়।

remesh_band ডিফল্ট 1

রিমেশিং মুভমেন্টের অনুমোদন: এই মান বাড়ালে অতিরিক্ত স্মুথিংয়ের কারণে সূক্ষ্ম বিবরণ কমে যেতে পারে। এই সেটিংটি মূল সারফেসের তুলনায় ভার্টেক্সের সরণ সীমিত করে।

remesh_project ডিফল্ট 0

রিমেশ করা ভার্টেক্সগুলোকে মূল সারফেসে ফিরিয়ে আনার প্রজেকশন শক্তি: 1 সম্পূর্ণ প্রজেকশনের মাধ্যমে বিবরণ সংরক্ষণ করে, আর 0 প্রজেকশন বন্ধ রেখে আরও মসৃণ ফল দেয়।

uv_unwrap_angle_threshold_deg ডিফল্ট 90

ডিগ্রিতে UV চার্টের কোণের সীমা, যা একটি চার্টের মধ্যে প্রতিবেশী ফেসের নরমালগুলোর পার্থক্য কতটা হতে পারে তা সীমিত করে। সীমা বাড়ালে টান পড়ার ঝুঁকিতে কম, বড় চার্ট তৈরি হয়; কমালে বেশি চার্ট এবং কম বিকৃতি তৈরি হয়।

uv_unwrap_refine_iterations ডিফল্ট 0

UV চার্ট গণনার জন্য ব্যবহৃত স্থানীয় রিফাইনমেন্ট পাসের সংখ্যা।

uv_unwrap_global_iterations ডিফল্ট 1

UV চার্ট গণনার জন্য ব্যবহৃত গ্লোবাল ক্লাস্টারিং পাসের সংখ্যা বাড়ালে চার্টের ভারসাম্য উন্নত হতে পারে।

uv_unwrap_smooth_strength ডিফল্ট 1

UV চার্টের প্রান্তগুলো কতটা জোরালোভাবে স্মুথ করা হবে তা সামঞ্জস্য করুন; বেশি সেটিংয়ে কম দৃশ্যমান সিমের সঙ্গে UV বিকৃতির ঝুঁকি থাকে।

seed

পুনরুৎপাদনযোগ্য র‍্যান্ডম জেনারেশনের জন্য ব্যবহৃত Seed।

POST /run/trellis-2?wait=20 মূল্য → ০.৩০$

# 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/trellis-2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image": "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"

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/trellis-2?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "image": "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 + ")");

import os
import requests

API = "https://api.doitong.com/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "image": "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/trellis-2", 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"])

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "trellis-2",
      "input": {
        "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
      },
      "wait_seconds": 20
    }
  }
}

এই অনুরোধ চালান

API কী

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

Trellis 2 সম্পর্কে

একটি ছবি (`image_url`) থেকে 3D অ্যাসেট তৈরি করে এবং একটি GLB ফাইল ফেরত দেয়। `resolution` 512, 1024 অথবা 1536 এবং `texture_size` 1024, 2048 অথবা 4096। তিনটি ধাপের (স্ট্রাকচার, আকৃতি, টেক্সচার) প্রতিটির নিজস্ব গাইডেন্স ও স্যাম্পলিং-স্টেপ নিয়ন্ত্রণ রয়েছে। `decimation_target` মেশের ভার্টেক্স সংখ্যা নির্ধারণ করে (5,000 to 2,000,000), এবং রিমেশিং ও UV আনর‍্যাপিং অপশনও দেওয়া আছে।

প্যারামিটার

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

নামধরন ডিফল্টঅনুমোদিত বিবরণ

seedঐচ্ছিক

ধরনinteger | null

পুনরুৎপাদনযোগ্য র‍্যান্ডম জেনারেশনের জন্য ব্যবহৃত Seed।

resolutionঐচ্ছিক

ধরনenum

ডিফল্ট1024

51210241536

আউটপুটের রেজোলিউশন; এটি বাড়ালে বিস্তারিত বাড়ে, তবে বেশি সময় লাগে।

ss_guidance_strengthঐচ্ছিক

ধরনnumber

ডিফল্ট7.5

০ – ১০

ss_guidance_rescaleঐচ্ছিক

ধরনnumber

ডিফল্ট0.7

০ – ১

ss_guidance_interval_startঐচ্ছিক

ধরনnumber

ডিফল্ট0.6

০ – ১

ss_guidance_interval_endঐচ্ছিক

ধরনnumber

ডিফল্ট1

০ – ১

ss_sampling_stepsঐচ্ছিক

ধরনinteger

ডিফল্ট12

১ – ৫০

ss_rescale_tঐচ্ছিক

ধরনnumber

ডিফল্ট5

১ – ৬

shape_slat_guidance_strengthঐচ্ছিক

ধরনnumber

ডিফল্ট7.5

০ – ১০

shape_slat_guidance_rescaleঐচ্ছিক

ধরনnumber

ডিফল্ট0.5

০ – ১

shape_slat_guidance_interval_startঐচ্ছিক

ধরনnumber

ডিফল্ট0.6

০ – ১

shape_slat_guidance_interval_endঐচ্ছিক

ধরনnumber

ডিফল্ট1

০ – ১

shape_slat_sampling_stepsঐচ্ছিক

ধরনinteger

ডিফল্ট12

১ – ৫০

shape_slat_rescale_tঐচ্ছিক

ধরনnumber

ডিফল্ট3

১ – ৬

tex_slat_guidance_strengthঐচ্ছিক

ধরনnumber

ডিফল্ট1

০ – ১০

tex_slat_guidance_rescaleঐচ্ছিক

ধরনnumber

ডিফল্ট0

০ – ১

tex_slat_guidance_interval_startঐচ্ছিক

ধরনnumber

ডিফল্ট0.6

০ – ১

tex_slat_guidance_interval_endঐচ্ছিক

ধরনnumber

ডিফল্ট0.9

০ – ১

tex_slat_sampling_stepsঐচ্ছিক

ধরনinteger

ডিফল্ট12

১ – ৫০

tex_slat_rescale_tঐচ্ছিক

ধরনnumber

ডিফল্ট3

১ – ৬

decimation_targetঐচ্ছিক

ধরনinteger

ডিফল্ট500000

৫,০০০ – ২০,০০,০০০

texture_sizeঐচ্ছিক

ধরনenum

ডিফল্ট2048

102420484096

remeshঐচ্ছিক

ধরনboolean

ডিফল্টtrue

টপোলজি পুনর্গঠন, যা আরও পরিষ্কার মেশ ত্রিভুজ তৈরি করে এবং সাধারণত অ্যানিমেশন বা 3D প্রিন্টিংয়ের মতো পরবর্তী ব্যবহারের উপযোগিতা বাড়ায়; এর বিনিময়ে প্রসেসিং ধীর হয়।

remesh_bandঐচ্ছিক

ধরনnumber

ডিফল্ট1

০ – ৪

remesh_projectঐচ্ছিক

ধরনnumber

ডিফল্ট0

০ – ১

uv_unwrap_angle_threshold_degঐচ্ছিক

ধরনnumber

ডিফল্ট90

০ – ১৮০

uv_unwrap_refine_iterationsঐচ্ছিক

ধরনinteger

ডিফল্ট0

০ – ১০

UV চার্ট গণনার জন্য ব্যবহৃত স্থানীয় রিফাইনমেন্ট পাসের সংখ্যা।

uv_unwrap_global_iterationsঐচ্ছিক

ধরনinteger

ডিফল্ট1

১ – ১০

uv_unwrap_smooth_strengthঐচ্ছিক

ধরনnumber

ডিফল্ট1

০ – ১০

image_urlআবশ্যক image

ধরনurl · image

3D রূপান্তরের জন্য উৎস ছবির দিকে নির্দেশকারী URL।

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": "trellis-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": 300,
    "usd": "0.30",
    "charged": 300,
    "refunded": 0
  },
  "input": {
    "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  },
  "output": {
    "model_glb": {
      "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"
  }
}

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

model_glb: object {url, content_type, file_name, file_size}GLB ফরম্যাটে জেনারেট করা 3D মডেল।

আরও মডেল: ছবি থেকে 3D

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

আপনার প্রথম ফলাফল এখানে আসবে

একটি অনুরোধ তৈরি করুন

এই অনুরোধ চালান

Trellis 2 সম্পর্কে

প্যারামিটার

আউটপুট

অন্যান্য Trellis 2 ভ্যারিয়েন্ট

Trellis 2 · Retexture ভ্যারিয়েন্ট: 2

আরও মডেল: ছবি থেকে 3D

Trellis ভ্যারিয়েন্ট: 2

Trellis · Multi ভ্যারিয়েন্ট: 2

TRELLIS.2 LoRA Inference

Hi3D Image to 3D ভ্যারিয়েন্ট: 6