رفتن به محتوا

Nemotron Diffusion Vlm

یکپارچه‌سازی

شناسه مدل 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"

این درخواست: ≈⁨‎$۰٫۰۰۵⁩ ۵ اعتبار API اجرای آن در این صفحه

دریافت کلید API
NVIDIA بینایی #utility#editing

مدل بینایی-زبان که با رمزگشایی متنی مبتنی بر انتشار، به پرامپت‌های مربوط به تصویر پاسخ می‌دهد

NVIDIA · متن

اولین نتیجه شما اینجا قرار می‌گیرد

درخواست را در زیر بسازید و با کلید API خود اجرا کنید. خروجی‌ها در فضای ذخیره‌سازی ما کپی می‌شوند و برای همیشه یا به‌مدت ۷ روز رایگان نگه‌داری می‌شوند.

ساخت درخواست

کنترل‌ها از شِمای مدل تولید می‌شوند. با تغییر آن‌ها، کد و قیمت به‌روزرسانی می‌شوند.

•الزامی

پرامپتی که مشخص می‌کند درباره تصویر چه پاسخی داده شود.

•الزامی image_url
یک فایل بیندازید، یا

URL تصویر مورد پردازش.

پیشرفته max_tokens · num_inference_steps · block_length · threshold · enable_safety_checker
پیش‌فرض 512

حد بالای توکن‌های تولیدشده.

پیش‌فرض 256

تعداد گام‌های رمزگشایی diffusion را هنگام تعیین صریح، مضربی از max_tokens / block_length انتخاب کنید؛ این تعداد نباید از این خارج‌قسمت کمتر باشد.

پیش‌فرض 32

طول هر بلوک رمزگشایی diffusion.

پیش‌فرض 0.9

حد آستانه اطمینان برای رمزگشایی diffusion.

POST /run/nemotron-diffusion-vlm?wait=20 قیمت → ⁨‎$۰٫۰۰۵⁩
# 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"

اجرای این درخواست

کلید شما در این مرورگر باقی می‌ماند: فقط به Doitong API ارسال می‌شود و فقط در صورت فعال‌کردن گزینه «یادآوری»، در localStorage ذخیره می‌شود. دریافت کلید API

درباره Nemotron Diffusion Vlm

تصویر را در `image_url` و پرسش را در `prompt` می‌گیرد و پاسخ متنی برمی‌گرداند. رمزگشایی از طریق `max_tokens` (1 تا 8192)، `num_inference_steps` (1 تا 1024)، `block_length` (8 تا 128) و `threshold` اطمینان از 0 تا 1 قابل تنظیم است. خروجی همچنین جزئیات زمان‌بندی و مصرف را شامل می‌شود.

پارامترها

نام استاندارد یا نام بومی را ارسال کنید، نه هر دو. نام‌های استاندارد

نامنوع پیش‌فرضمجاز توضیحات
image_urlالزامی image
نوعurl · image
URL تصویر مورد پردازش.
promptالزامی
نوعstring
پرامپتی که مشخص می‌کند درباره تصویر چه پاسخی داده شود.
max_tokensاختیاری
نوعinteger
پیش‌فرض512
۱ – ۸٬۱۹۲
حد بالای توکن‌های تولیدشده.
num_inference_stepsاختیاری
نوعinteger | null
پیش‌فرض256
۱ – ۱٬۰۲۴
تعداد گام‌های رمزگشایی diffusion را هنگام تعیین صریح، مضربی از max_tokens / block_length انتخاب کنید؛ این تعداد نباید از این خارج‌قسمت کمتر باشد.
block_lengthاختیاری
نوعinteger
پیش‌فرض32
۸ – ۱۲۸
طول هر بلوک رمزگشایی diffusion.
thresholdاختیاری
نوعnumber
پیش‌فرض0.9
۰ – ۱
حد آستانه اطمینان برای رمزگشایی diffusion.
enable_safety_checkerاختیاری
نوعboolean
پیش‌فرضtrue
با تنظیم false، در صورت مجاز بودن فراخواننده، می‌توان بررسی را آسان‌گیرانه‌تر کرد.
الزامی نام استاندارد، همچنین پذیرفته می‌شود

پارامترهای فایل یک URL عمومی https://، یک URI از نوع data: تا سقف 10 MB، یا file_url یک فایل بارگذاری‌شده را می‌پذیرند. فایل‌ها

خروجی

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"
  }
}
فایل‌های شما، انتخاب شماهر outputs[].url کپی‌ای در فضای ذخیره‌سازی ماست: برای همیشه (با هزینه به‌ازای هر GB-ماه) یا به‌مدت ۷ روز رایگان، بر اساس تنظیم حساب شما یا ?storage=.
ساختار یکسان در همه مدل‌هاtype، url، content_type، width، height و duration برای تصاویر، ویدیو و صدا یکسان هستند. output شیء نتیجه اختصاصی مدل است.
فیلدهای خروجی
output
stringپاسخ تولیدشده توسط مدل.
usage
object {prompt_tokens, completion_tokens, num_function_evals}جزئیات مصرف توکن و رمزگشایی diffusion.
timings
object {total_time, image_validation_time, preprocessing_time, gpu_transfer_time, generation_time, decode_time}جزئیات زمان پردازش درخواست، برحسب ثانیه.

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/nemotron-diffusion-vlm.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt