رفتن به محتوا

ReconViaGen 0.5

یکپارچه‌سازی

شناسه مدل reconviagen-0.5
# 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/reconviagen-0.5?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "images": [
      "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"

این درخواست: ⁨‎$۰٫۳۰⁩ ۳۰۰ اعتبار API اجرای آن در این صفحه

دریافت کلید API
Open model تصویر به 3D #multi-view#3d-reconstruction

بازسازی چندنمایی تصویر به 3D که از 1 تا 16 عکس یک شیء، مش GLB بافت‌دار تولید می‌کند

Open model · 3D

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 image_urls
یک فایل بیندازید، یا · حداکثر 16

نماها را برای بازسازی سه‌بعدی ارائه کنید: یک نما کافی است، اما نماهای بیشتر کیفیت را بهبود می‌دهند و همه باید یک شیء یکسان را نشان دهند.

resolution پیش‌فرض 1024

وضوح خروجی؛ افزایش آن جزئیات را بیشتر اما پردازش را طولانی‌تر می‌کند.

پیشرفته ss_source · texture_size · multi_image_strategy · ss_guidance_strength · ss_guidance_rescale · ss_sampling_steps · ss_rescale_t · slat_guidance_strength · slat_guidance_rescale · slat_sampling_steps · slat_rescale_t · shape_slat_guidance_strength · shape_slat_guidance_rescale · shape_slat_sampling_steps · shape_slat_rescale_t · tex_slat_guidance_strength · tex_slat_guidance_rescale · tex_slat_sampling_steps · tex_slat_rescale_t · decimation_target · seed · enable_safety_checker
ss_source پیش‌فرض mesh

منبع مورد استفاده برای ساخت ساختار تنک. برای بیشترین سرعت 'direct'، برای بالاترین کیفیت 'mesh' و برای پردازش چندنما با TRELLIS.2، گزینه 'mvtrellis2' را انتخاب کنید.

texture_size پیش‌فرض 2048

وضوح مورد استفاده برای تصویر بافت پخته‌شده مش.

پیش‌فرض adaptive_guidance_weight

راهبرد شرطی‌سازی چندنما که فقط با چند تصویر ورودی کاربرد دارد؛ در بیشتر موارد برای بهترین نتیجه 'adaptive_guidance_weight' را انتخاب کنید.

پیش‌فرض 7.5

وفاداری ساختار سه‌بعدی اولیه به ورودی را کنترل می‌کند؛ با افزایش این مقدار، نویز احتمالی بیشتری در ازای تطابق نزدیک‌تر ایجاد می‌شود.

پیش‌فرض 0.7

کاهش مصنوعات ناشی از هدایت شدید در مرحله 1.

پیش‌فرض 12

تعداد گام‌های حذف نویز برای ایجاد ساختار اولیه.

پیش‌فرض 5

تیزی زمان‌بندی نویز هنگام تولید ساختار.

پیش‌فرض 7.5

شدت هدایت مرحله SLat؛ فقط زمانی اعمال می‌شود که ss_source روی 'mesh' تنظیم شده باشد.

پیش‌فرض 0.5

بازمقیاس‌دهی هدایت مرحله SLat؛ فقط زمانی اعمال می‌شود که ss_source روی 'mesh' تنظیم شده باشد.

پیش‌فرض 12

تعداد گام‌های نمونه‌برداری مرحله SLat؛ فقط زمانی اعمال می‌شود که ss_source روی 'mesh' تنظیم شده باشد.

پیش‌فرض 3

تنظیم Rescale T در مرحله SLat؛ فقط زمانی اعمال می‌شود که ss_source روی 'mesh' تنظیم شده باشد.

پیش‌فرض 7.5

میزان پایبندی به ورودی هنگام تولید هندسه دقیق.

پیش‌فرض 0.5

کاهش مصنوعات ناشی از هدایت شدید در مرحله شکل.

پیش‌فرض 12

تعداد گام‌های حذف نویز برای اصلاح شکل.

پیش‌فرض 3

تیزی زمان‌بندی نویز هنگام اصلاح شکل.

پیش‌فرض 1

میزان پایبندی بافت به رنگ‌های ورودی.

پیش‌فرض 0

کاهش مصنوعات ناشی از هدایت شدید در مرحله بافت.

پیش‌فرض 12

تعداد گام‌های حذف نویز استفاده‌شده برای تولید بافت‌ها.

پیش‌فرض 3

تیزی زمان‌بندی نویز هنگام تولید بافت‌ها.

پیش‌فرض 500000

تعداد رأس مورد نظر برای مش کامل.

seed استفاده‌شده برای تولید تصادفی تکرارپذیر.

POST /run/reconviagen-0.5?wait=20 قیمت → ⁨‎$۰٫۳۰⁩
# 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/reconviagen-0.5?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "images": [
      "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"

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 ReconViaGen 0.5

از `image_urls` یک مدل 3D می‌سازد که 1 تا 16 نمای یک شیء را می‌گیرد؛ نماهای بیشتر بازسازی را بهبود می‌دهند. فایل GLB با مواد PBR برمی‌گرداند. `resolution` می‌تواند 512، 1024 یا 1536، `texture_size` می‌تواند 1024، 2048 یا 4096 باشد و `decimation_target` تعداد رأس‌های مش را از 5,000 تا 2,000,000 تعیین می‌کند. `ss_source` و `multi_image_strategy` نحوه ترکیب ساختار و نماها را انتخاب می‌کنند و کنترل‌های هدایت و نمونه‌برداری مرحله‌ای نیز ارائه می‌شود.

پارامترها

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

نامنوع پیش‌فرضمجاز توضیحات
seedاختیاری
نوعinteger | null
seed استفاده‌شده برای تولید تصادفی تکرارپذیر.
resolutionاختیاری
نوعenum
پیش‌فرض1024
51210241536
وضوح خروجی؛ افزایش آن جزئیات را بیشتر اما پردازش را طولانی‌تر می‌کند.
ss_sourceاختیاری
نوعenum
پیش‌فرضmesh
directmeshmvtrellis2
منبع مورد استفاده برای ساخت ساختار تنک. برای بیشترین سرعت 'direct'، برای بالاترین کیفیت 'mesh' و برای پردازش چندنما با TRELLIS.2، گزینه 'mvtrellis2' را انتخاب کنید.
ss_guidance_strengthاختیاری
نوعnumber
پیش‌فرض7.5
۰ – ۱۰
وفاداری ساختار سه‌بعدی اولیه به ورودی را کنترل می‌کند؛ با افزایش این مقدار، نویز احتمالی بیشتری در ازای تطابق نزدیک‌تر ایجاد می‌شود.
ss_guidance_rescaleاختیاری
نوعnumber
پیش‌فرض0.7
۰ – ۱
کاهش مصنوعات ناشی از هدایت شدید در مرحله 1.
ss_sampling_stepsاختیاری
نوعinteger
پیش‌فرض12
۱ – ۵۰
تعداد گام‌های حذف نویز برای ایجاد ساختار اولیه.
ss_rescale_tاختیاری
نوعnumber
پیش‌فرض5
۱ – ۶
تیزی زمان‌بندی نویز هنگام تولید ساختار.
slat_guidance_strengthاختیاری
نوعnumber
پیش‌فرض7.5
۰ – ۱۰
شدت هدایت مرحله SLat؛ فقط زمانی اعمال می‌شود که ss_source روی 'mesh' تنظیم شده باشد.
slat_guidance_rescaleاختیاری
نوعnumber
پیش‌فرض0.5
۰ – ۱
بازمقیاس‌دهی هدایت مرحله SLat؛ فقط زمانی اعمال می‌شود که ss_source روی 'mesh' تنظیم شده باشد.
slat_sampling_stepsاختیاری
نوعinteger
پیش‌فرض12
۱ – ۵۰
تعداد گام‌های نمونه‌برداری مرحله SLat؛ فقط زمانی اعمال می‌شود که ss_source روی 'mesh' تنظیم شده باشد.
slat_rescale_tاختیاری
نوعnumber
پیش‌فرض3
۱ – ۶
تنظیم Rescale T در مرحله SLat؛ فقط زمانی اعمال می‌شود که ss_source روی 'mesh' تنظیم شده باشد.
shape_slat_guidance_strengthاختیاری
نوعnumber
پیش‌فرض7.5
۰ – ۱۰
میزان پایبندی به ورودی هنگام تولید هندسه دقیق.
shape_slat_guidance_rescaleاختیاری
نوعnumber
پیش‌فرض0.5
۰ – ۱
کاهش مصنوعات ناشی از هدایت شدید در مرحله شکل.
shape_slat_sampling_stepsاختیاری
نوعinteger
پیش‌فرض12
۱ – ۵۰
تعداد گام‌های حذف نویز برای اصلاح شکل.
shape_slat_rescale_tاختیاری
نوعnumber
پیش‌فرض3
۱ – ۶
تیزی زمان‌بندی نویز هنگام اصلاح شکل.
tex_slat_guidance_strengthاختیاری
نوعnumber
پیش‌فرض1
۰ – ۱۰
میزان پایبندی بافت به رنگ‌های ورودی.
tex_slat_guidance_rescaleاختیاری
نوعnumber
پیش‌فرض0
۰ – ۱
کاهش مصنوعات ناشی از هدایت شدید در مرحله بافت.
tex_slat_sampling_stepsاختیاری
نوعinteger
پیش‌فرض12
۱ – ۵۰
تعداد گام‌های حذف نویز استفاده‌شده برای تولید بافت‌ها.
tex_slat_rescale_tاختیاری
نوعnumber
پیش‌فرض3
۱ – ۶
تیزی زمان‌بندی نویز هنگام تولید بافت‌ها.
decimation_targetاختیاری
نوعinteger
پیش‌فرض500000
۵٬۰۰۰ – ۲٬۰۰۰٬۰۰۰
تعداد رأس مورد نظر برای مش کامل.
texture_sizeاختیاری
نوعenum
پیش‌فرض2048
102420484096
وضوح مورد استفاده برای تصویر بافت پخته‌شده مش.
image_urlsالزامی images
نوعurl[] · image
≤ ۱۶ مورد
نماها را برای بازسازی سه‌بعدی ارائه کنید: یک نما کافی است، اما نماهای بیشتر کیفیت را بهبود می‌دهند و همه باید یک شیء یکسان را نشان دهند.
multi_image_strategyاختیاری
نوعenum
پیش‌فرضadaptive_guidance_weight
average_rightweighted_averagesequentialaverageadaptive_guidance_weightfixed_guidance_rescale
راهبرد شرطی‌سازی چندنما که فقط با چند تصویر ورودی کاربرد دارد؛ در بیشتر موارد برای بهترین نتیجه 'adaptive_guidance_weight' را انتخاب کنید.
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": "reconviagen-0.5",
  "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_urls": [
      "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
    },
    "seed": 42
  },
  "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
model_glb
object {url, content_type, file_name, file_size}GLB تولیدشده حاوی یک مدل سه‌بعدی با مواد PBR.
seed
integerseed اعمال‌شده هنگام تولید.

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/reconviagen-0.5.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt