Gå til indhold

Nemotron Diffusion Vlm

Integrer

Model-id nemotron-diffusion-vlm
# 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/nemotron-diffusion-vlm?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",
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# 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"

Denne anmodning: ≈0,005 $ 5 API-kreditter Kør den på denne side

Hent API-nøgle
NVIDIA Vision #utility#editing

Vision-language-model, der besvarer prompts om et billede ved hjælp af diffusionsbaseret tekstafkodning

NVIDIA · Tekst

Dit første resultat kommer her

Opret en anmodning nedenfor, og kør den med din API-nøgle. Output kopieres til vores lagring, gemt for altid eller 7 dage gratis.

Opret en anmodning

Kontrollerne genereres fra modellens skema. Koden og prisen opdateres, når du ændrer dem.

•påkrævet

Prompt, der angiver, hvad der skal besvares om billedet.

•påkrævet image_url
Slip en fil, eller

URL, der peger på billedet, som skal behandles.

Avanceret max_tokens · num_inference_steps · block_length · threshold · enable_safety_checker
standard 512

Øvre grænse for genererede tokens.

standard 256

Vælg antallet af dekodningstrin for diffusion som et multiplum af max_tokens / block_length, når det angives eksplicit; antallet må heller ikke være mindre end denne kvotient.

standard 32

Længden af hver dekoderingsblok for diffusion.

standard 0.9

Konfidensgrænse for dekodning med diffusion.

POST /run/nemotron-diffusion-vlm?wait=20 pris → 0,005 $
# 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/nemotron-diffusion-vlm?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",
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# 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"

Kør denne anmodning

Din nøgle forbliver i denne browser: Den sendes kun til Doitong API og gemmes kun i localStorage, hvis du markerer Husk. Hent en API-nøgle

Om Nemotron Diffusion Vlm

Tager et billede i `image_url` og et spørgsmål i `prompt` og returnerer et tekstsvar. Afkodningen kan justeres via `max_tokens` (1 til 8192), `num_inference_steps` (1 til 1024), `block_length` (8 til 128) og en konfidens-`threshold` fra 0 til 1. Output omfatter også oplysninger om tid og forbrug.

Parametre

Send enten det kanoniske navn eller det oprindelige navn, ikke begge. Kanoniske navne

NavnType StandardTilladt Beskrivelse
image_urlpåkrævet image
Typeurl · image
URL, der peger på billedet, som skal behandles.
promptpåkrævet
Typestring
Prompt, der angiver, hvad der skal besvares om billedet.
max_tokensvalgfri
Typeinteger
Standard512
1 – 8.192
Øvre grænse for genererede tokens.
num_inference_stepsvalgfri
Typeinteger | null
Standard256
1 – 1.024
Vælg antallet af dekodningstrin for diffusion som et multiplum af max_tokens / block_length, når det angives eksplicit; antallet må heller ikke være mindre end denne kvotient.
block_lengthvalgfri
Typeinteger
Standard32
8 – 128
Længden af hver dekoderingsblok for diffusion.
thresholdvalgfri
Typenumber
Standard0.9
0 – 1
Konfidensgrænse for dekodning med diffusion.
enable_safety_checkervalgfri
Typeboolean
Standardtrue
Screening kan lempes ved at angive false, hvis den kaldende part er autoriseret.
påkrævet Kanonisk navn, også accepteret

Filparametre accepterer en offentlig https://-URL, en data:-URI på op til 10 MB eller file_url fra en upload. Filer

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "nemotron-diffusion-vlm",
  "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": 5,
    "usd": "0.005",
    "charged": 5,
    "refunded": 0
  },
  "input": {
    "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  },
  "output": {
    "output": "The image shows a dog sitting outdoors.",
    "usage": {
      "prompt_tokens": 1,
      "completion_tokens": 1,
      "num_function_evals": 1
    },
    "timings": {
      "total_time": 1.0,
      "image_validation_time": 1.0,
      "preprocessing_time": 1.0,
      "gpu_transfer_time": 1.0,
      "generation_time": 1.0,
      "decode_time": 1.0
    }
  },
  "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"
  }
}
Dine filer, dit valgHver outputs[].url er en kopi på vores lagring: gemt for altid (betales pr. GB-måned) eller 7 dage gratis, afhængigt af din kontoindstilling eller ?storage=.
Samme struktur for alle modellertype, url, content_type, width, height og duration for billeder, video og lyd. output er modellens eget resultatobjekt.
Outputfelter
output
stringSvar genereret af modellen.
usage
object {prompt_tokens, completion_tokens, num_function_evals}Detaljer om forbrug af token og dekodning med diffusion.
timings
object {total_time, image_validation_time, preprocessing_time, gpu_transfer_time, generation_time, decode_time}Opdeling af behandlingstider for anmodningen, målt i sekund.

Til AI-agenter: Denne side som Markdown findes på https://doitong.com/da/developers/models/nemotron-diffusion-vlm.md. Alle modeller og vejledninger: https://doitong.com/developers/llms.txt