رفتن به محتوا

Scail 2

یکپارچه‌سازی

شناسه مدل scail-2
# 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/scail-2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "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: ⁨‎$۲٫۰۰⁩ ۲٬۰۰۰ اعتبار API فایل‌های شما پیش از اجرا اندازه‌گیری می‌شوند اجرای آن در این صفحه

دریافت کلید API
Open model ویدیو به ویدیو حداکثر 704p #stylized#transform

متحرک‌سازی تصویر شخصیت مرجع با حرکت ویدئوی محرک، یا جایگزینی آن در صحنه اصلی

Open model · 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.

•الزامی

پرامپت مشخص‌کنندهٔ ویدیوی خروجی مطلوب.

•الزامی image_url
یک فایل بیندازید، یا

URL تصویر مرجع شخصیت که شخصیت موردنظر برای متحرک‌سازی یا جایگزینی سوژه را فراهم می‌کند؛ ویدیوی محرک، انیمیشن یا جایگزینی را تعیین می‌کند.

•الزامی video_url
یک فایل بیندازید، یا

ویدیوی محرک حرکت را از طریق URL ارائه کنید؛ این ویدیو می‌تواند شامل یک انسان، چند انسان یا یک حیوان باشد.

resolution پیش‌فرض 512p

وضوح خروجی با تعیین خودکار جهت‌گیری بر اساس نسبت ابعاد تصویر مرجع. در حالت افقی، 512p به 896x512 و 704p به 1280x704 نگاشت می‌شود؛ حالت عمودی به‌ترتیب از 512x896 و 704x1280 استفاده می‌کند.

پیشرفته mode · driving_type · subject_type · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker
mode پیش‌فرض animation

نحوهٔ استفاده از شخصیت مرجع: `replacement` صحنهٔ اصلی را حفظ می‌کند اما شخصیت را جایگزین سوژهٔ محرک می‌کند؛ `animation` حرکت محرک را روی شخصیت اعمال می‌کند.

driving_type پیش‌فرض end_to_end

حرکت انیمیشن مستقیماً از ویدیوی محرکی می‌آید که با SAM3 ماسک شده است؛ `end_to_end` مقدار پیش‌فرض و گزینهٔ پیشنهادی برای بیشترین پایداری است. در عوض، `pose` از NLF/DWPose برای رندر اسکلت صریح از آن ویدیو استفاده می‌کند و کنترل بیشتری روی ورودی‌های دشوار فراهم می‌کند.

subject_type پیش‌فرض human

انتخاب سوژهٔ ویدیوی محرک؛ `animal` پرامپت تشخیص SAM3 را برای سوژه‌های غیر-`human` تنظیم می‌کند.

پیش‌فرض 40

تعداد گام‌های نمونه‌برداری انتشار. افزایش آن کیفیت را بهبود می‌دهد اما زمان بیشتری می‌برد.

پیش‌فرض 5

شدت راهنمایی بدون طبقه‌بندی که پایبندی به پرامپت را در برابر خلاقیت متعادل می‌کند.

پیش‌فرض 3

شیفت زمان‌بندی نویز برای تطبیق جریان، با مقدار پیشنهادی 3.0 هنگام استفاده از 512p.

seed تولید که در پاسخ گنجانده می‌شود؛ چه صراحتاً ارائه شده باشد و چه به‌دلیل خالی‌بودن ورودی به‌صورت تصادفی انتخاب شده باشد.

POST /run/scail-2?wait=20 قیمت → ⁨‎$۲٫۰۰⁩
# 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/scail-2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "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 Scail 2

یک `image_url` از شخصیت مرجع و یک `video_url` محرک شامل یک انسان، چند انسان یا حیوان می‌گیرد. در حالت `animation`، شخصیت حرکت محرک را اجرا می‌کند؛ در حالت `replacement`، سوژه را جایگزین می‌کند و صحنه را نگه می‌دارد. وضوح 512p یا 704p است و جهت‌گیری از تصویر انتخاب می‌شود. `driving_type` می‌تواند رانش مستقیم سرتاسری یا اسکلت ژست صریح را به کار ببرد.

پارامترها

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

نامنوع پیش‌فرضمجاز توضیحات
promptالزامی
نوعstring
پرامپت مشخص‌کنندهٔ ویدیوی خروجی مطلوب.
image_urlالزامی image
نوعurl · image
URL تصویر مرجع شخصیت که شخصیت موردنظر برای متحرک‌سازی یا جایگزینی سوژه را فراهم می‌کند؛ ویدیوی محرک، انیمیشن یا جایگزینی را تعیین می‌کند.
video_urlالزامی video
نوعurl · video
ویدیوی محرک حرکت را از طریق URL ارائه کنید؛ این ویدیو می‌تواند شامل یک انسان، چند انسان یا یک حیوان باشد.
modeاختیاری
نوعenum
پیش‌فرضanimation
animationreplacement
نحوهٔ استفاده از شخصیت مرجع: `replacement` صحنهٔ اصلی را حفظ می‌کند اما شخصیت را جایگزین سوژهٔ محرک می‌کند؛ `animation` حرکت محرک را روی شخصیت اعمال می‌کند.
driving_typeاختیاری
نوعenum
پیش‌فرضend_to_end
end_to_endpose
حرکت انیمیشن مستقیماً از ویدیوی محرکی می‌آید که با SAM3 ماسک شده است؛ `end_to_end` مقدار پیش‌فرض و گزینهٔ پیشنهادی برای بیشترین پایداری است. در عوض، `pose` از NLF/DWPose برای رندر اسکلت صریح از آن ویدیو استفاده می‌کند و کنترل بیشتری روی ورودی‌های دشوار فراهم می‌کند.
subject_typeاختیاری
نوعenum
پیش‌فرضhuman
humananimal
انتخاب سوژهٔ ویدیوی محرک؛ `animal` پرامپت تشخیص SAM3 را برای سوژه‌های غیر-`human` تنظیم می‌کند.
resolutionاختیاری
نوعenum
پیش‌فرض512p
512p704p
وضوح خروجی با تعیین خودکار جهت‌گیری بر اساس نسبت ابعاد تصویر مرجع. در حالت افقی، 512p به 896x512 و 704p به 1280x704 نگاشت می‌شود؛ حالت عمودی به‌ترتیب از 512x896 و 704x1280 استفاده می‌کند.
num_inference_stepsاختیاری
نوعinteger
پیش‌فرض40
۲ – ۵۰
تعداد گام‌های نمونه‌برداری انتشار. افزایش آن کیفیت را بهبود می‌دهد اما زمان بیشتری می‌برد.
guidance_scaleاختیاری
نوعnumber
پیش‌فرض5
۱ – ۱۰
شدت راهنمایی بدون طبقه‌بندی که پایبندی به پرامپت را در برابر خلاقیت متعادل می‌کند.
shiftاختیاری
نوعnumber
پیش‌فرض3
۱ – ۱۰
شیفت زمان‌بندی نویز برای تطبیق جریان، با مقدار پیشنهادی 3.0 هنگام استفاده از 512p.
seedاختیاری
نوعinteger | null
seed تولید که در پاسخ گنجانده می‌شود؛ چه صراحتاً ارائه شده باشد و چه به‌دلیل خالی‌بودن ورودی به‌صورت تصادفی انتخاب شده باشد.
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": "scail-2",
  "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": 2000,
    "usd": "2.00",
    "charged": 2000,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "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
    },
    "seed": 42,
    "preprocessing_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
    },
    "preprocessing_mask_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
    }
  },
  "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}فایل ویدیویی تولیدشده.
seed
integerseed استفاده‌شده برای تولید ویدیو.
preprocessing_video
object {url, content_type, file_name, file_size} | nullویدیوی اشکال‌زدایی شامل ورودی شرطی‌سازی وضعیت Stage-A ارائه‌شده به مدل انتشار که فقط با `output_preprocessing=true` در دسترس است. محتوای آن به `driving_type` بستگی دارد: `end_to_end` از ویدیوی محرک ماسک‌شده با SAM3 استفاده می‌کند، در حالی که `driving_type=pose` از اسکلت رندرشده با NLF/DWPose استفاده می‌کند.
preprocessing_mask_video
object {url, content_type, file_name, file_size} | nullویدیوی ماسک محرک Stage-A برای اشکال‌زدایی که فقط با `output_preprocessing=true` در دسترس است.

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/scail-2.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt