رفتن به محتوا

Sam 3 1 · Video

یکپارچه‌سازی

شناسه مدل sam-3-1/video
# 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/sam-3-1/video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "video": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  }'

# 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"

فایل‌هایی مانند نمونه: ⁨‎$۰٫۱۹⁩ ۱۹۰ اعتبار API فایل‌های شما پیش از اجرا اندازه‌گیری می‌شوند اجرای آن در این صفحه

دریافت کلید API
Meta ویدیو به ویدیو #segmentation#mask#real-time

قطعه‌بندی ویدئویی SAM 3.1 برای ردیابی حداکثر 128 شیء با خروجی mp4 یا webm

Meta · ویدیو

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.

پیش‌فرض

پرامپت بخش‌بندی با پشتیبانی از چند شیء ردیابی‌شده از طریق توضیحات جداشده با ویرگول، مانند 'person, cloth'.

•الزامی video_url
یک فایل بیندازید، یا

URL ویدیو برای بخش‌بندی.

پیشرفته video_output_type · detection_threshold · max_num_objects · apply_mask · point_prompts · box_prompts
video_output_type پیش‌فرض X264 (.mp4)

نوع خروجی ویدیوی حاصل.

پیش‌فرض 0.5

آستانهٔ اطمینان تشخیص؛ کاهش مقدار، تعداد تشخیص‌ها را با هزینهٔ کاهش دقت افزایش می‌دهد. دامنه 0.0–1.0 است.

پیش‌فرض 16

حداکثر تعداد اشیایی که در ویدیو ردیابی می‌شوند.

پیش‌فرض []

مجموعه‌ای از پرامپت‌های مبتنی بر نقطه.

پیش‌فرض []

پرامپت‌های کادر به‌صورت تاپل‌های مختصات (x_min, y_min, x_max, y_max).

POST /run/sam-3-1/video?wait=20 قیمت → ⁨‎$۰٫۱۹⁩
# 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/sam-3-1/video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "video": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  }'

# 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 Sam 3 1 · Video

اشیا را در ویدئو با SAM 3.1 و با `prompt` متنی جداشده با ویرگول، نقاط یا کادرها قطعه‌بندی و ردیابی می‌کند. `max_num_objects` تعداد اشیای قابل ردیابی را از 1 تا 128 تعیین می‌کند (پیش‌فرض 16). `detection_threshold` بین 0.1 و 1 است. خروجی X264 (.mp4) یا VP9 (.webm) است.

پارامترها

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

نامنوع پیش‌فرضمجاز توضیحات
video_urlالزامی video
نوعurl · video
URL ویدیو برای بخش‌بندی.
promptاختیاری
نوعstring
پیش‌فرض
پرامپت بخش‌بندی با پشتیبانی از چند شیء ردیابی‌شده از طریق توضیحات جداشده با ویرگول، مانند 'person, cloth'.
point_promptsاختیاری
نوعobject[]
پیش‌فرض[]
مجموعه‌ای از پرامپت‌های مبتنی بر نقطه.
point_prompts[].xاختیاری
نوعinteger | null
موقعیت پرامپت روی محور X.
point_prompts[].yاختیاری
نوعinteger | null
موقعیت پرامپت روی محور Y.
point_prompts[].labelاختیاری
نوعenum
01
برچسب پیش‌زمینه/پس‌زمینه: مقدار 1 نشان‌دهنده پیش‌زمینه و 0 نشان‌دهنده پس‌زمینه است.
point_prompts[].object_idاختیاری
نوعinteger | null
شناسه اختیاری برای گروه‌بندی پرامپت‌هایی که یک شیء را اصلاح می‌کنند. اگر متن نیز به‌عنوان پرامپت ارائه شود، این شناسه تعیین می‌کند نقاط کدام شیء شناسایی‌شده را اصلاح کنند.
box_promptsاختیاری
نوعobject[]
پیش‌فرض[]
پرامپت‌های کادر به‌صورت تاپل‌های مختصات (x_min, y_min, x_max, y_max).
box_prompts[].x_minاختیاری
نوعinteger | null
کمینهٔ مختصات x برای کادر.
box_prompts[].y_minاختیاری
نوعinteger | null
کمینهٔ مختصات y برای کادر.
box_prompts[].x_maxاختیاری
نوعinteger | null
حداکثر مختصات X برای جعبه.
box_prompts[].y_maxاختیاری
نوعinteger | null
حداکثر مختصات Y برای جعبه.
box_prompts[].object_idاختیاری
نوعinteger | null
شناسه اختیاری برای گروه‌بندی جعبه‌هایی که یک شیء را اصلاح می‌کنند.
apply_maskاختیاری
نوعboolean
پیش‌فرضtrue
اینکه ماسک‌گذاری روی ویدیو اعمال شود یا نه.
video_output_typeاختیاری
نوعenum
پیش‌فرضX264 (.mp4)
X264 (.mp4)VP9 (.webm)
نوع خروجی ویدیوی حاصل.
detection_thresholdاختیاری
نوعnumber
پیش‌فرض0.5
۰٫۱ – ۱
آستانهٔ اطمینان تشخیص؛ کاهش مقدار، تعداد تشخیص‌ها را با هزینهٔ کاهش دقت افزایش می‌دهد. دامنه 0.0–1.0 است.
max_num_objectsاختیاری
نوعinteger
پیش‌فرض16
۱ – ۱۲۸
حداکثر تعداد اشیایی که در ویدیو ردیابی می‌شوند.
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": "sam-3-1/video",
  "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": 190,
    "usd": "0.19",
    "charged": 190,
    "refunded": 0
  },
  "input": {
    "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  },
  "output": {
    "video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_name": "0-output.mp4",
      "file_size": 1843200
    },
    "boundingbox_frames_zip": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_name": "0-output.mp4",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "video",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_size": 1843200,
      "width": 1280,
      "height": 720,
      "duration": 5,
      "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
video
object {url, content_type, file_name, file_size}ویدیوی تولیدشده از بخش‌بندی.
boundingbox_frames_zip
object {url, content_type, file_name, file_size} | nullبایگانی ZIP پوشش‌های کادر محدودکننده برای هر فریم.

مدل‌های بیشتر: ویدیو به ویدیو

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/sam-3-1/video.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt