# Scail 2 API

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

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.

- Model id: `scail-2`
- Made by: Open model
- Category: Video to Video
- Output: video
- Price per second of your input video: $0.20 / second of input video (cheapest run $0.20 (200 API credits))
- Run: `POST https://api.doitong.com/v1/run/scail-2`
- Quote: `POST https://api.doitong.com/v1/quote/scail-2`
- Docs page: https://doitong.com/fa/developers/models/scail-2

## Pricing

Price: **$0.20 / second of input video**. Price per second of your input video: the input files are measured before the run (length, resolution, frame rate). The quote measures the same files and is exactly what the run charges.

The full example input below costs $2.00 = 2000 API credits (10 s input video × $0.20).

Prices are the upstream price in USD, paid from the API balance in API credits (1000 API credits = 1 USD). `POST https://api.doitong.com/v1/quote/scail-2` with the same JSON body returns the exact price for that input; the quote is exactly what a run charges. Invalid input is never charged and failed or canceled requests are refunded automatically.

## Input parameters

Send either the canonical name or the native field name (not both). Canonical names are the same across models.

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `prompt` |  | string | yes |  |  | پرامپت مشخص‌کنندهٔ ویدیوی خروجی مطلوب. |
| `image_url` | `image` | string (image URL) | yes |  |  | URL تصویر مرجع شخصیت که شخصیت موردنظر برای متحرک‌سازی یا جایگزینی سوژه را فراهم می‌کند؛ ویدیوی محرک، انیمیشن یا جایگزینی را تعیین می‌کند. |
| `video_url` | `video` | string (video URL) | yes |  |  | ویدیوی محرک حرکت را از طریق URL ارائه کنید؛ این ویدیو می‌تواند شامل یک انسان، چند انسان یا یک حیوان باشد. |
| `mode` |  | enum (string) | no | `animation` | `animation`, `replacement` | 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` |  | enum (string) | no | `end_to_end` | `end_to_end`, `pose` | 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` |  | enum (string) | no | `human` | `human`, `animal` | انتخاب سوژهٔ ویدیوی محرک؛ `animal` پرامپت تشخیص SAM3 را برای سوژه‌های غیر-`human` تنظیم می‌کند. |
| `resolution` |  | enum (string) | no | `512p` | `512p`, `704p` | 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_steps` |  | integer | no | `40` | 2 – 50 | تعداد گام‌های نمونه‌برداری انتشار. افزایش آن کیفیت را بهبود می‌دهد اما زمان بیشتری می‌برد. |
| `guidance_scale` |  | number | no | `5` | 1 – 10 | شدت راهنمایی بدون طبقه‌بندی که پایبندی به پرامپت را در برابر خلاقیت متعادل می‌کند. |
| `shift` |  | number | no | `3` | 1 – 10 | شیفت زمان‌بندی نویز برای تطبیق جریان، با مقدار پیشنهادی 3.0 هنگام استفاده از 512p. |
| `seed` |  | integer \| null | no |  |  | seed تولید که در پاسخ گنجانده می‌شود؛ چه صراحتاً ارائه شده باشد و چه به‌دلیل خالی‌بودن ورودی به‌صورت تصادفی انتخاب شده باشد. |
| `enable_safety_checker` |  | boolean | no | `true` |  | با تنظیم false، در صورت مجاز بودن فراخواننده، می‌توان بررسی را آسان‌گیرانه‌تر کرد. |

File parameters (`image`, `video`) take a public `https://` URL, a `data:` URI up to 10 MB, or the `file_url` of an upload from `POST /files`.

## Example input

Required parameters only:

```json
{
  "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"
}
```

A fuller example:

```json
{
  "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"
}
```

## Run it

Set `DOITONG_API_KEY` to a key from https://doitong.com/developers/dashboard#keys. `?wait=20` returns the finished request in the same call when it is ready within 20 seconds; otherwise poll `GET /requests/{id}` (it also accepts `?wait=`), or pass `webhook_url`.

### curl

```bash
# 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_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"
  }'

# 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"
```

### JavaScript

```javascript
const API = "https://api.doitong.com/v1";
const headers = {
  "Authorization": "Bearer " + process.env.DOITONG_API_KEY,
  "Content-Type": "application/json",
};

// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/scail-2?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "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"
  }),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);

// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
  res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
  request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");
```

### Python

```python
import os
import requests

API = "https://api.doitong.com/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "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",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/scail-2", params={"wait": 20}, json=payload, headers=headers)
request = r.json()
if not r.ok:
    raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"])

# Not finished yet: long-poll until it is
while request["status"] in ("queued", "running"):
    request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json()
if request["status"] != "succeeded":
    raise RuntimeError(request["error"])
print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"])
```

### MCP

The MCP server at `https://api.doitong.com/v1/mcp` exposes the tools `search_models`, `get_model`, `quote`, `run`, `get_request`, `cancel_request`, `list_requests`, `create_upload` and `get_account`. A `run` call for this model:

```json
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "scail-2",
      "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"
      },
      "wait_seconds": 20
    }
  }
}
```

## Response

Every call returns a request object. `status` is one of `queued`, `running`, `succeeded`, `failed`, `canceled`. `outputs` lists the generated files with URLs on our storage (kept forever, or 7 days with `?storage=temporary`; `storage` says which); `output` is the model's own result object with the same URLs.

```json
{
  "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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `video` | object {url, content_type, file_name, file_size} | فایل ویدیویی تولیدشده. |
| `seed` | integer | seed استفاده‌شده برای تولید ویدیو. |
| `preprocessing_video` | object {url, content_type, file_name, file_size} \| null | ویدیوی 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} \| null | ویدیوی ماسک محرک Stage-A برای اشکال‌زدایی که فقط با `output_preprocessing=true` در دسترس است. |

## Related models

- [AMT Interpolation](https://doitong.com/developers/models/amt-interpolation.md) (`amt-interpolation`): $0.000575 / second of processing time
- [AnimateDiff Turbo · Video to Video](https://doitong.com/developers/models/fast-animatediff/turbo/video-to-video.md) (`fast-animatediff/turbo/video-to-video`): $0.00125 / second of processing time
- [AnimateDiff · Video to Video](https://doitong.com/developers/models/fast-animatediff/video-to-video.md) (`fast-animatediff/video-to-video`): $0.00125 / second of processing time
- [Bernini-R Edit Video](https://doitong.com/developers/models/bernini-r/edit-video.md) (`bernini-r/edit-video`): from $0.04 / second of output video
- [Bernini-R Reference Edit Video](https://doitong.com/developers/models/bernini-r/reference-edit-video.md) (`bernini-r/reference-edit-video`): from $0.04 / second of output video
- [DWPose Pose Prediction · Video](https://doitong.com/developers/models/dwpose/video.md) (`dwpose/video`): $0.0006 / second of processing time
- [Editto](https://doitong.com/developers/models/editto.md) (`editto`): from $0.04 / second of output video
- [ID-V2V](https://doitong.com/developers/models/id-v2v.md) (`id-v2v`): $0.20 / second of output video

## Links

- HTML page: https://doitong.com/developers/models/scail-2
- All models and guides for AI agents: https://doitong.com/developers/llms.txt
- OpenAPI 3.1 with this model's typed request body: https://doitong.com/developers/openapi.json?model=scail-2
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/scail-2