# VGGT-1B API

> یک صحنهٔ 3D را از حداکثر 48 تصویر یا یک ویدیو بازسازی می‌کند و نقشه‌های عمق، وضعیت دوربین و ابر نقاط را برمی‌گرداند

هندسه را از نماهای متعدد تخمین می‌زند. حداکثر 48 تصویر را در `image_urls` ارائه دهید و در صورت نیاز یک `video_url` اضافه کنید که هر `frame_sampling_rate` فریم نمونه‌برداری می‌شود. نقشه‌های عمق هر فریم، پارامترهای خارجی و داخلی دوربین، فایل‌های خام پیش‌بینی و یک ابر نقاط GLB همراه با مخروط‌های دوربین را برمی‌گرداند. `confidence_percentile` و `max_points` تراکم ابر نقاط را کنترل می‌کنند.

- Model id: `vggt-1b`
- Made by: Meta
- Category: Vision
- Output: json
- Charged by usage (up to $1.755 per run, typical $0.04; the rest of the hold is refunded): $0.000975 / second of processing time (cheapest run $0.04 (40 API credits))
- Run: `POST https://api.doitong.com/v1/run/vggt-1b`
- Quote: `POST https://api.doitong.com/v1/quote/vggt-1b`
- Docs page: https://doitong.com/fa/developers/models/vggt-1b

## Pricing

Price: **$0.000975 / second of processing time**. Charged by actual usage at $0.000975 / second of processing time: up to $1.755 per run (the quote gives the maximum for your input), the rest is refunded automatically after the run. A typical run costs $0.04.

The full example input below holds up to $1.755 = 1755 API credits (up to 1800 s of processing time × $0.000975) when it starts; a typical run costs $0.04 (40 API credits).

Prices are the upstream price in USD, paid from the API balance in API credits (1000 API credits = 1 USD). This model is charged by usage: `POST https://api.doitong.com/v1/quote/vggt-1b` with the same JSON body returns the most the run can cost for that input (`credits`, debited when the run starts); after the run you pay the usage the model reports and the rest is refunded automatically. An input whose maximum would exceed the per-run limit is refused with 422. 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 |
|---|---|---|---|---|---|---|
| `image_urls` | `images` | array of image URL | no |  | ≤ 48 items | تصاویر منبع بازسازی که هرکدام درون مربع قرار گرفته و به بُعد بزرگ‌تر 518 پیکسل تغییر اندازه داده می‌شوند. JPEG، PNG، WEBP و هر قالب تصویر دیگری که Pillow بتواند رمزگشایی کند پذیرفته می‌شوند. |
| `video_url` | `video` | string (video URL) \| null | no |  |  | ویدیوی منبع اختیاری که فریم‌های نمونه‌برداری‌شدهٔ آن در ورودی ترکیبی، پس از image_urls قرار می‌گیرند. نمونه‌برداری با استفاده از هر `frame_sampling_rate`-اُمین فریم انجام می‌شود و همیشه شامل اولین و آخرین فریم است. |
| `frame_sampling_rate` |  | integer | no | `24` | 1 – 1,000 | بازهٔ فریم فقط زمانی اعمال می‌شود که ویدیو از طریق `video_url` ارائه شود؛ در غیر این صورت اثری ندارد. هر دو فریم مرزی، صرف‌نظر از بازه، حفظ می‌شوند و در میان آن‌ها هر n‌اُمین فریم نمونه‌برداری می‌شود. |
| `alpha_blend_onto` |  | enum (string) | no | `white` | `keep`, `white`, `black`, `mean` | پردازش کانال آلفا چهار گزینه دارد: 'keep' آلفا را بدون تغییر مقادیر پیکسل اصلی حذف می‌کند؛ 'mean' تصویر را روی میانگین RGB ImageNet ترکیب می‌کند. برای پس‌زمینهٔ یکدست، 'white' یا 'black' را انتخاب کنید تا تصویر روی رنگ مربوطه ترکیب شود. |
| `export_prediction_data` |  | boolean | no | `true` |  | پیش‌بینی‌های خام را به‌صورت فایل‌های JSON جداگانه برای فریم‌های منفرد صادر می‌کند. هر فایل شامل عمق و میزان اطمینان آن، یک ماسک و وضعیت دوربین کدگذاری‌شده است. |
| `export_depth_maps` |  | boolean | no | `true` |  | رسترهای عمق را با نگاشت خطی `depth_range` به مقادیر پیکسل 0–65535 صادر می‌کند. برای هر فریم، یک PNG خاکستری جداگانه با دقت 16 بیتی ایجاد می‌شود. |
| `export_point_cloud` |  | boolean | no | `true` |  | ابرنقاط رنگی ادغام‌شده را در قالب GLB صادر می‌کند و دوربین‌های تخمینی را به‌صورت مش‌های مخروطی منفرد در صحنه نمایش می‌دهد. |
| `array_encoding` |  | enum (string) | no | `base64` | `base64`, `list` | قالب ذخیره‌سازی آرایه برای فایل‌های JSON پیش‌بینی؛ 'list' فضای بسیار بیشتری از 'base64' مصرف می‌کند. برای فهرست‌های JSON تودرتو 'list' و برای اشیای شامل {data, shape, dtype}، 'base64' را انتخاب کنید. |
| `exclude_keys` |  | array of enum (string) | no |  |  | کلیدهایی که از همهٔ فایل‌های JSON پیش‌بینی حذف می‌شوند. |
| `confidence_percentile` |  | number | no | `50` | 0 – 100 | درصد فیلترسازی مبتنی بر اطمینان برای ساخت ابرنقاط: مقدار 0 فیلترسازی را غیرفعال می‌کند؛ مقادیر دیگر همان درصد از نقاط را، از کم‌اطمینان‌ترین نقاط، حذف می‌کنند. |
| `max_points` |  | integer | no | `250000` | 1,000 – 5,000,000 | سقف تعداد نقاط GLB که مقدار پیش‌فرض آن 250,000 است. برای کاهش تأخیر سریال‌سازی و بارگذاری، اگر ابر از این بودجه بیشتر شود، یک مجموعهٔ نمونه‌برداری‌شدهٔ یکنواخت نوشته می‌شود. |
| `enable_safety_checker` |  | boolean | no | `true` |  | کلید بررسی ایمنی برای تصاویر و ویدیوهای ورودی. |

File parameters (`images`, `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
{}
```

A fuller example:

```json
{}
```

## 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/vggt-1b?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{}'

# 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/vggt-1b?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({}),
});
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 = {}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/vggt-1b", 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": "vggt-1b",
      "input": {},
      "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": "vggt-1b",
  "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": 1755,
    "usd": "1.755",
    "charged": 1755,
    "refunded": 0
  },
  "input": {},
  "output": {
    "point_cloud": {
      "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
    },
    "depth_maps": [
      {
        "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,
        "width": 1024,
        "height": 768
      }
    ],
    "prediction_data": [
      {
        "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
      }
    ],
    "num_frames": 1,
    "depth_range": [
      1.0
    ],
    "extrinsics": [
      [
        [
          1.0
        ]
      ]
    ],
    "intrinsics": [
      [
        [
          1.0
        ]
      ]
    ],
    "timings": {}
  },
  "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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `point_cloud` | object {url, content_type, file_name, file_size} \| null | خروجی ابرنقاطی که وقتی `export_point_cloud` برابر true باشد برگردانده می‌شود؛ صحنهٔ GLB آن ابر ادغام‌شده را با مخروط‌های دوربین ترکیب می‌کند. |
| `depth_maps` | array of object {url, content_type, file_name, file_size, width, height} | خروجی نقشهٔ عمق که وقتی `export_depth_maps` برابر true باشد در دسترس است. ورودی‌ها از ترتیب فریم منبع پیروی می‌کنند و هر فریم به‌صورت یک رستر PNG خاکستری با عمق 16 بیتی نمایش داده می‌شود. |
| `prediction_data` | array of object {url, content_type, file_name, file_size} | خروجی پیش‌بینی خام: وقتی `export_prediction_data` برابر true باشد، هر فریم فایل JSON مخصوص خود را دارد و فایل‌ها از ترتیب فریم‌ها پیروی می‌کنند. |
| `num_frames` | integer | تعداد کل فریم‌های بازسازی‌شده، شامل تصاویر و فریم‌های نمونه‌برداری‌شده از ویدیو. |
| `depth_range` | array of number | کران‌های عمق [min, max] که برای کوانتیزه‌سازی `depth_maps` استفاده می‌شوند. عمق را به‌صورت min + pixel * (max - min) / 65535 بازیابی کنید. |
| `extrinsics` | array of array of array of number | ماتریس‌های خارجی دوربین نسبت به جهان، با اندازهٔ 3x4، برای هر فریم؛ محورهای OpenCV در راستای x به سمت راست، در راستای y به سمت پایین و در راستای z به سمت جلو هستند. |
| `intrinsics` | array of array of array of number | ماتریس‌های درونی سوراخ‌سوزنی، با اندازهٔ 3x3، برای هر فریم که در مختصات پیکسلی فریم 518x518 مدل بیان می‌شوند. |
| `timings` | object | زمان سپری‌شدهٔ ساعت‌محور برای هر مرحله، برحسب ثانیه. |

## Related models

- [Sam 3 · Image · Embed](https://doitong.com/developers/models/sam-3/image/embed.md) (`sam-3/image/embed`): $0.005 / run
- [Bagel · Understand](https://doitong.com/developers/models/bagel/understand.md) (`bagel/understand`): $0.05 / request
- [Bria Ad Delayer](https://doitong.com/developers/models/bria/ad-delayer.md) (`bria/ad-delayer`): $0.30 / request
- [Florence 2 Large Caption](https://doitong.com/developers/models/florence-2-large/caption.md) (`florence-2-large/caption`): $0.003 / run
- [Florence 2 Large Detailed Caption](https://doitong.com/developers/models/florence-2-large/detailed-caption.md) (`florence-2-large/detailed-caption`): $0.004 / run
- [Florence 2 Large OCR](https://doitong.com/developers/models/florence-2-large/ocr.md) (`florence-2-large/ocr`): $0.003 / run
- [Florence 2 Large Region To Category](https://doitong.com/developers/models/florence-2-large/region-to-category.md) (`florence-2-large/region-to-category`): $0.003 / run
- [Florence-2 Large · More Detailed Caption](https://doitong.com/developers/models/florence-2-large/more-detailed-caption.md) (`florence-2-large/more-detailed-caption`): $0.004 / run

## Links

- HTML page: https://doitong.com/developers/models/vggt-1b
- 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=vggt-1b
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/vggt-1b