Μετάβαση στο περιεχόμενο

BiRefNet V2 Background Removal

Ενσωμάτωση

id μοντέλου birefnet/v2
# 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/birefnet/v2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image": "https://content.doitong.com/images/showcase/v3/gen_sneaker_ad.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"

Αυτό το αίτημα: ≈0,002 $ 2 πιστώσεις API Εκτέλεση σε αυτήν τη σελίδα

Λήψη κλειδιού API
BiRefNet Αφαίρεση φόντου #cutout#matting#open-weights

Ανοιχτή αφαίρεση φόντου και απομόνωση έως 2304 px, με προαιρετική έξοδο μάσκας.

BiRefNet · Εικόνα

Το πρώτο σας αποτέλεσμα θα εμφανιστεί εδώ

Δημιουργήστε ένα αίτημα παρακάτω και εκτελέστε το με το κλειδί API σας. Οι έξοδοι αντιγράφονται στην αποθήκευσή μας και διατηρούνται για πάντα ή 7 ημέρες δωρεάν.

Δημιουργία αιτήματος

Τα στοιχεία ελέγχου δημιουργούνται από το σχήμα του μοντέλου. Ο κώδικας και η τιμή ενημερώνονται καθώς τα αλλάζετε.

•απαιτείται image_url
Αποθέστε ένα αρχείο ή

URL που προσδιορίζει την εικόνα της οποίας θα αφαιρεθεί το φόντο.

Για προχωρημένους operating_resolution · output_format · model · output_mask · refine_foreground · mask_only
operating_resolution προεπιλογή 1024x1024

Ανάλυση εργασίας, με το '2304x2304' να περιορίζεται στο μοντέλο 'General Use (Dynamic)'. Για εικόνες εισόδου υψηλής ανάλυσης, οι υψηλότερες ρυθμίσεις βελτιώνουν την ακρίβεια εξόδου.

output_format προεπιλογή png

Μορφή της εικόνας που προκύπτει.

προεπιλογή General Use (Light)

Επιλογή μοντέλου αφαίρεσης φόντου: το 'General Use (Light)' αντιστοιχεί στο BiRefNet, είναι το αρχικό μοντέλο του αποθετηρίου BiRefNet και συνιστάται για τις περισσότερες χρήσεις. Το 'General Use (Light 2K)' αντιστοιχεί στο BiRefNet_lite-2K και χρησιμοποιεί το αρχικό μοντέλο που εκπαιδεύτηκε σε εικόνες 2K. Το 'General Use (Heavy)' αντιστοιχεί στο BiRefNet_lite και προσφέρει μεγαλύτερη ακρίβεια με πιο αργή επεξεργασία. Το 'Matting' αντιστοιχεί στο BiRefNet-matting και έχει εκπαιδευτεί ειδικά για matting εικόνων. Το 'Portrait' αντιστοιχεί στο BiRefNet-portrait και έχει εκπαιδευτεί ειδικά σε εικόνες πορτρέτων. Το 'General Use (Dynamic)' αντιστοιχεί στο BiRefNet_dynamic και υποστηρίζει μεταβλητές αναλύσεις από 256x256 έως 2304x2304.

POST /run/birefnet/v2?wait=20 προσφορά → 0,002 $
# 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/birefnet/v2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image": "https://content.doitong.com/images/showcase/v3/gen_sneaker_ad.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"

Εκτέλεση αυτού του αιτήματος

Το κλειδί σας παραμένει σε αυτό το πρόγραμμα περιήγησης: αποστέλλεται μόνο στο Doitong API και αποθηκεύεται (localStorage) μόνο αν ενεργοποιήσετε την επιλογή «Να απομνημονεύεται». Λήψη κλειδιού API

Σχετικά με το BiRefNet V2 Background Removal

Το BiRefNet V2 διαχωρίζει το θέμα από το φόντο με διάφορες παραλλαγές μοντέλου (light, heavy, matting, portrait, dynamic) και αναλύσεις λειτουργίας έως 2304x2304. Επιστρέφει το αποκομμένο θέμα και προαιρετικά τη μάσκα σε PNG, WebP ή GIF.

Παράμετροι

Στείλτε είτε το κανονικό όνομα είτε το εγγενές όνομα, όχι και τα δύο. Κανονικά ονόματα

ΌνομαΤύπος ΠροεπιλογήΕπιτρεπόμενο Περιγραφή
modelπροαιρετικό
Τύποςenum
ΠροεπιλογήGeneral Use (Light)
General Use (Light)General Use (Light 2K)General Use (Heavy)MattingPortraitGeneral Use (Dynamic)
Επιλογή μοντέλου αφαίρεσης φόντου: το 'General Use (Light)' αντιστοιχεί στο BiRefNet, είναι το αρχικό μοντέλο του αποθετηρίου BiRefNet και συνιστάται για τις περισσότερες χρήσεις. Το 'General Use (Light 2K)' αντιστοιχεί στο BiRefNet_lite-2K και χρησιμοποιεί το αρχικό μοντέλο που εκπαιδεύτηκε σε εικόνες 2K. Το 'General Use (Heavy)' αντιστοιχεί στο BiRefNet_lite και προσφέρει μεγαλύτερη ακρίβεια με πιο αργή επεξεργασία. Το 'Matting' αντιστοιχεί στο BiRefNet-matting και έχει εκπαιδευτεί ειδικά για matting εικόνων. Το 'Portrait' αντιστοιχεί στο BiRefNet-portrait και έχει εκπαιδευτεί ειδικά σε εικόνες πορτρέτων. Το 'General Use (Dynamic)' αντιστοιχεί στο BiRefNet_dynamic και υποστηρίζει μεταβλητές αναλύσεις από 256x256 έως 2304x2304.
operating_resolutionπροαιρετικό
Τύποςenum
Προεπιλογή1024x1024
1024x10242048x20482304x2304
Ανάλυση εργασίας, με το '2304x2304' να περιορίζεται στο μοντέλο 'General Use (Dynamic)'. Για εικόνες εισόδου υψηλής ανάλυσης, οι υψηλότερες ρυθμίσεις βελτιώνουν την ακρίβεια εξόδου.
output_maskπροαιρετικό
Τύποςboolean
Προεπιλογήfalse
Ελέγχει αν η μάσκα αφαίρεσης φόντου περιλαμβάνεται στην έξοδο.
refine_foregroundπροαιρετικό
Τύποςboolean
Προεπιλογήtrue
Ελέγχει τη βελτίωση του προσκηνίου με βάση την εκτιμώμενη μάσκα.
image_urlαπαιτείται image
Τύποςurl · image
URL που προσδιορίζει την εικόνα της οποίας θα αφαιρεθεί το φόντο.
output_formatπροαιρετικό
Τύποςenum
Προεπιλογήpng
webppnggif
Μορφή της εικόνας που προκύπτει.
mask_onlyπροαιρετικό
Τύποςboolean
Προεπιλογήfalse
Διακόπτης εξόδου μόνο μάσκας: το `True` παρακάμπτει τη βελτίωση προσκηνίου και αφήνει την εικόνα αμετάβλητη, επιστρέφοντας μόνο τη μάσκα τμηματοποίησης. Όταν απαιτείται μόνο μάσκα, αποφεύγει επιπλέον υπολογισμούς και μειώνει τα μεταφερόμενα δεδομένα.
απαιτείται Κανονικό όνομα, επίσης αποδεκτό

Οι παράμετροι αρχείων δέχονται ένα δημόσιο URL https://, ένα URI data: έως 10 MB ή το file_url μιας μεταφόρτωσης. Αρχεία

Έξοδος

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "birefnet/v2",
  "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": 2,
    "usd": "0.002",
    "charged": 2,
    "refunded": 0
  },
  "input": {
    "image": "https://content.doitong.com/images/showcase/v3/gen_sneaker_ad.jpg"
  },
  "output": {
    "image": {
      "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,
      "width": 1024,
      "height": 768
    },
    "mask_image": {
      "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,
      "width": 1024,
      "height": 768
    }
  },
  "outputs": [
    {
      "type": "image",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_size": 1843200,
      "width": 1024,
      "height": 768,
      "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"
  }
}
Τα αρχεία σας, η επιλογή σαςΚάθε outputs[].url είναι ένα αντίγραφο στην αποθήκευσή μας: διατηρείται για πάντα (χρέωση ανά GB-μήνα) ή 7 ημέρες δωρεάν, σύμφωνα με τη ρύθμιση του λογαριασμού σας ή ?storage=.
Ίδια μορφή σε κάθε μοντέλοtype, url, content_type, width, height και duration, τόσο για εικόνες όσο και για βίντεο και ήχο. Το output είναι το αντικείμενο αποτελέσματος του ίδιου του μοντέλου.
Πεδία εξόδου
image
object {url, content_type, file_name, file_size, width, height}Εικόνα μετά την αφαίρεση φόντου ή μάσκα τμηματοποίησης όταν το `mask_only` είναι `True`.
mask_image
object {url, content_type, file_name, file_size, width, height} | nullΜάσκα που εφαρμόζεται κατά την αφαίρεση φόντου.

Περισσότερα μοντέλα: Αφαίρεση φόντου

Για πράκτορες AI: αυτή η σελίδα σε Markdown βρίσκεται στη διεύθυνση https://doitong.com/el/developers/models/birefnet/v2.md. Όλα τα μοντέλα και οι οδηγοί: https://doitong.com/developers/llms.txt