# Trellis 2 API

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

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।

- Model id: `trellis-2`
- Made by: Microsoft
- Category: Image to 3D
- Output: 3d
- Price: from $0.25 / request (cheapest run $0.25 (250 API credits))
- Run: `POST https://api.doitong.com/v1/run/trellis-2`
- Quote: `POST https://api.doitong.com/v1/quote/trellis-2`
- Docs page: https://doitong.com/bn/developers/models/trellis-2

## Pricing

Price: **from $0.25 / request** (the lowest tier; the quote prices your exact input). Billed once per request.

Price rules (the first rule that matches the input wins; a parameter you leave out counts as its default):

- When `resolution` = 1024: $0.30 (300 API credits) / request
- When `resolution` = 1536: $0.35 (350 API credits) / request

The full example input below costs $0.30 = 300 API credits (1 request × 300 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/trellis-2` 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

Send either the canonical name or the native field name (not both). Canonical names are the same across models.

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `seed` |  | integer \| null | no |  |  | পুনরুৎপাদনযোগ্য র‍্যান্ডম জেনারেশনের জন্য ব্যবহৃত Seed। |
| `resolution` |  | enum (integer) | no | `1024` | `512`, `1024`, `1536` | আউটপুটের রেজোলিউশন; এটি বাড়ালে বিস্তারিত বাড়ে, তবে বেশি সময় লাগে। |
| `ss_guidance_strength` |  | number | no | `7.5` | 0 – 10 | প্রাথমিক 3D কাঠামোর বিশ্বস্ততা নিয়ন্ত্রণ: এটি বাড়ালে অতিরিক্ত নয়েজের ঝুঁকিতে ইনপুট ছবির সঙ্গে বেশি মিল পাওয়া যায়। |
| `ss_guidance_rescale` |  | number | no | `0.7` | 0 – 1 | 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` |  | number | no | `0.6` | 0 – 1 | 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` |  | number | no | `1` | 0 – 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` |  | integer | no | `12` | 1 – 50 | প্রাথমিক-কাঠামো ডিনয়েজিংয়ের সংখ্যা: অতিরিক্ত ধাপে সম্ভাব্য মানোন্নয়নের বিনিময়ে প্রসেসিং ধীর হয়। |
| `ss_rescale_t` |  | number | no | `5` | 1 – 6 | কাঠামো-জেনারেশনের নয়েজ শিডিউলের মাধ্যমে ট্রানজিশনের তীক্ষ্ণতা নির্ধারণ করুন: এই মান বাড়ালে ট্রানজিশন আরও তীক্ষ্ণ হয়। |
| `shape_slat_guidance_strength` |  | number | no | `7.5` | 0 – 10 | বিস্তারিত জ্যামিতির বিশ্বস্ততা নিয়ন্ত্রণ: ইনপুট ছবির প্রতি আনুগত্য বাড়ালে অতিরিক্ত নয়েজের ঝুঁকিসহ আরও বিস্তারিত পাওয়া যায়। |
| `shape_slat_guidance_rescale` |  | number | no | `0.5` | 0 – 1 | জ্যামিতি নয়েজযুক্ত দেখালে এই সেটিং বাড়ান: এটি আকৃতি ধাপে শক্তিশালী গাইডেন্সের কারণে সৃষ্ট আর্টিফ্যাক্ট কমায়। |
| `shape_slat_guidance_interval_start` |  | number | no | `0.6` | 0 – 1 | 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` |  | number | no | `1` | 0 – 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` |  | integer | no | `12` | 1 – 50 | আকৃতি-পরিশোধন ডিনয়েজিংয়ের সংখ্যা: অতিরিক্ত ধাপ ব্যবহার করলে সম্ভাব্য মসৃণ জ্যামিতির বিনিময়ে গতি কমে। |
| `shape_slat_rescale_t` |  | number | no | `3` | 1 – 6 | আকৃতি-পরিশোধনের নয়েজ শিডিউলের মাধ্যমে জ্যামিতিক বিবরণের তীক্ষ্ণতা নির্ধারণ করুন; এই মান বাড়ালে বিবরণ আরও তীক্ষ্ণ হয়। |
| `tex_slat_guidance_strength` |  | number | no | `1` | 0 – 10 | টেক্সচার রঙের বিশ্বস্ততা নিয়ন্ত্রণ: বেশি সেটিংসে ইনপুট ছবির রঙের প্রতি বেশি আনুগত্য উজ্জ্বলতা বাড়ায়, তবে অতিরিক্ত স্যাচুরেশন ঘটাতে পারে। |
| `tex_slat_guidance_rescale` |  | number | no | `0` | 0 – 1 | নয়েজযুক্ত টেক্সচার বা রঙের ব্যান্ডিং কমাতে এই সেটিং বাড়ান: এটি টেক্সচার ধাপে শক্তিশালী গাইডেন্সের কারণে সৃষ্ট আর্টিফ্যাক্ট কমায়। |
| `tex_slat_guidance_interval_start` |  | number | no | `0.6` | 0 – 1 | 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` |  | number | no | `0.9` | 0 – 1 | 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` |  | integer | no | `12` | 1 – 50 | টেক্সচার জেনারেট করতে ব্যবহৃত ডিনয়েজিং ধাপের সংখ্যা। ধাপের সংখ্যা বাড়ালে বেশি সময় লাগে, তবে আরও পরিষ্কার টেক্সচার পাওয়া যেতে পারে। |
| `tex_slat_rescale_t` |  | number | no | `3` | 1 – 6 | টেক্সচার-জেনারেশনের নয়েজ শিডিউলের মাধ্যমে টেক্সচারের বিবরণের তীক্ষ্ণতা নির্ধারণ করুন; এই মান বাড়ালে বিবরণ আরও তীক্ষ্ণ হয়। |
| `decimation_target` |  | integer | no | `500000` | 5,000 – 2,000,000 | মেশের vertex-count লক্ষ্য; সাধারণ ব্যবহারের জন্য 500k এবং ওয়েব/মোবাইলের জন্য 20k–50k প্রস্তাবিত। লক্ষ্য কমালে মেশের ডিটেইলের বিনিময়ে ফাইল ছোট হয়। |
| `texture_size` |  | enum (integer) | no | `2048` | `1024`, `2048`, `4096` | বেকিংয়ের জন্য মেশ টেক্সচারের রেজোলিউশন। এই রেজোলিউশন বাড়ালে পৃষ্ঠের সূক্ষ্ম বিবরণের সঙ্গে বড় ফাইল তৈরি হয়। |
| `remesh` |  | boolean | no | `true` |  | 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_band` |  | number | no | `1` | 0 – 4 | 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` |  | number | no | `0` | 0 – 1 | 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` |  | number | no | `90` | 0 – 180 | 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` |  | integer | no | `0` | 0 – 10 | UV চার্ট গণনার জন্য ব্যবহৃত স্থানীয় রিফাইনমেন্ট পাসের সংখ্যা। |
| `uv_unwrap_global_iterations` |  | integer | no | `1` | 1 – 10 | UV চার্ট গণনার জন্য ব্যবহৃত গ্লোবাল ক্লাস্টারিং পাসের সংখ্যা বাড়ালে চার্টের ভারসাম্য উন্নত হতে পারে। |
| `uv_unwrap_smooth_strength` |  | number | no | `1` | 0 – 10 | UV চার্টের প্রান্তগুলো কতটা জোরালোভাবে স্মুথ করা হবে তা সামঞ্জস্য করুন; বেশি সেটিংয়ে কম দৃশ্যমান সিমের সঙ্গে UV বিকৃতির ঝুঁকি থাকে। |
| `image_url` | `image` | string (image URL) | yes |  |  | 3D রূপান্তরের জন্য উৎস ছবির দিকে নির্দেশকারী URL। |

File parameters (`image`) take a public `https://` URL, a `data:` URI up to 10 MB, or the `file_url` of an upload from `POST /files`.

## Example input

Required parameters only:

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

A fuller example:

```json
{
  "image_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/trellis-2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image_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/trellis-2?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "image_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 = {
    "image_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/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"])
```

### 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": "trellis-2",
      "input": {
        "image_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": "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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `model_glb` | object {url, content_type, file_name, file_size} | GLB ফরম্যাটে জেনারেট করা 3D মডেল। |

## Related models

- [Trellis 2 · Retexture](https://doitong.com/developers/models/trellis-2/retexture.md) (`trellis-2/retexture`): from $0.20 / request
- [Trellis](https://doitong.com/developers/models/trellis.md) (`trellis`): $0.02 / request
- [Trellis · Multi](https://doitong.com/developers/models/trellis/multi.md) (`trellis/multi`): $0.02 / request
- [TRELLIS.2 LoRA Inference](https://doitong.com/developers/models/trellis-2-lora.md) (`trellis-2-lora`): from $0.25 / request
- [Hi3D Image to 3D](https://doitong.com/developers/models/hitem3d/hi3d/image-to-3d.md) (`hitem3d/hi3d/image-to-3d`): $0.50 / run
- [Hi3D Image to 3D · v3.0](https://doitong.com/developers/models/hitem3d/hi3d/v3.0/image-to-3d.md) (`hitem3d/hi3d/v3.0/image-to-3d`): from $1.80 / run
- [Hi3D Multiview to 3D · Multi View to 3D](https://doitong.com/developers/models/hitem3d/hi3d/multi-view-to-3d.md) (`hitem3d/hi3d/multi-view-to-3d`): $0.50 / run
- [Hi3D Multiview to 3D · v3.0 · Multi View to 3D](https://doitong.com/developers/models/hitem3d/hi3d/v3.0/multi-view-to-3d.md) (`hitem3d/hi3d/v3.0/multi-view-to-3d`): from $1.80 / run

## Links

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