Lumaktaw sa nilalaman

Nemotron Diffusion Vlm

I-integrate

ID ng modelo nemotron-diffusion-vlm
# 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/nemotron-diffusion-vlm?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# 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"

Kahilingang ito: ≈$0.005 5 kredito ng API Patakbuhin ito sa page na ito

Kumuha ng API key
NVIDIA Vision #utility#editing

Modelong pang-bisyon at wika na sumasagot sa mga prompt tungkol sa larawan gamit ang pag-decode ng teksto na nakabatay sa diffusion

NVIDIA · Text

Dito mapupunta ang iyong unang resulta

Bumuo ng kahilingan sa ibaba at patakbuhin ito gamit ang iyong API key. Kinokopya ang mga output sa aming storage, na pinananatili nang walang hanggan o 7 araw nang libre.

Bumuo ng kahilingan

Ang mga control ay binubuo mula sa schema ng modelo. Nagbabago ang code at presyo habang ina-adjust mo ang mga ito.

•kinakailangan

Prompt na tumutukoy kung ano ang sasagutin tungkol sa larawan.

•kinakailangan image_url
Mag-drop ng file, o

URL na tumutukoy sa larawang ipoproseso.

advanced max_tokens · num_inference_steps · block_length · threshold · enable_safety_checker
default na 512

Pinakamataas na bilang ng mga nabuong token.

default na 256

Piliin ang bilang ng diffusion decoding step bilang multiple ng max_tokens / block_length kapag tahasang tinutukoy ito; dapat ding hindi mas maliit ang bilang kaysa sa quotient na iyon.

default na 32

Haba ng bawat diffusion decoding block.

default na 0.9

Confidence cutoff para sa diffusion decoding.

POST /run/nemotron-diffusion-vlm?wait=20 presyo → $0.005
# 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/nemotron-diffusion-vlm?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# 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"

Patakbuhin ang kahilingang ito

Nananatili ang iyong key sa browser na ito: ipinapadala lamang ito sa Doitong API at sine-save (localStorage) lamang kung pipiliin mo ang Tandaan. Kumuha ng API key

Tungkol sa Nemotron Diffusion Vlm

Tumatanggap ng larawan sa `image_url` at tanong sa `prompt`, at nagbabalik ng sagot na teksto. Maaaring ayusin ang pag-decode gamit ang `max_tokens` (1 hanggang 8192), `num_inference_steps` (1 hanggang 1024), `block_length` (8 hanggang 128) at `threshold` ng kumpiyansa mula 0 hanggang 1. Kasama rin sa output ang mga detalye ng oras at paggamit.

Mga parameter

Ipadala ang canonical na pangalan o ang native na pangalan, hindi pareho. Mga canonical na pangalan

PangalanUri defaultPinapayagan Paglalarawan
image_urlkinakailangan image
Uriurl · image
URL na tumutukoy sa larawang ipoproseso.
promptkinakailangan
Uristring
Prompt na tumutukoy kung ano ang sasagutin tungkol sa larawan.
max_tokensopsyonal
Uriinteger
default512
1 – 8,192
Pinakamataas na bilang ng mga nabuong token.
num_inference_stepsopsyonal
Uriinteger | null
default256
1 – 1,024
Piliin ang bilang ng diffusion decoding step bilang multiple ng max_tokens / block_length kapag tahasang tinutukoy ito; dapat ding hindi mas maliit ang bilang kaysa sa quotient na iyon.
block_lengthopsyonal
Uriinteger
default32
8 – 128
Haba ng bawat diffusion decoding block.
thresholdopsyonal
Urinumber
default0.9
0 – 1
Confidence cutoff para sa diffusion decoding.
enable_safety_checkeropsyonal
Uriboolean
defaulttrue
Maaaring luwagan ang screening sa pamamagitan ng pagtatakda ng false, kung awtorisado ang tumatawag.
kinakailangan Canonical na pangalan, tinatanggap din

Tumatanggap ang mga parameter ng file ng pampublikong https:// URL, data: URI na hanggang 10 MB, o file_url ng isang upload. Mga file

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "nemotron-diffusion-vlm",
  "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": 5,
    "usd": "0.005",
    "charged": 5,
    "refunded": 0
  },
  "input": {
    "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  },
  "output": {
    "output": "The image shows a dog sitting outdoors.",
    "usage": {
      "prompt_tokens": 1,
      "completion_tokens": 1,
      "num_function_evals": 1
    },
    "timings": {
      "total_time": 1.0,
      "image_validation_time": 1.0,
      "preprocessing_time": 1.0,
      "gpu_transfer_time": 1.0,
      "generation_time": 1.0,
      "decode_time": 1.0
    }
  },
  "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"
  }
}
Ikaw ang pumipili para sa iyong mga fileAng bawat outputs[].url ay kopya sa aming storage: pinananatili nang walang hanggan (sinisingil bawat GB-month) o 7 araw nang libre, ayon sa setting ng iyong account o ?storage=.
Parehong shape sa bawat modelotype, url, content_type, width, height at duration, para sa mga larawan, video at audio. Ang output ay sariling result object ng modelo.
Mga field ng output
output
stringSagot na ginawa ng modelo.
usage
object {prompt_tokens, completion_tokens, num_function_evals}Mga detalye ng paggamit ng token at diffusion decoding.
timings
object {total_time, image_validation_time, preprocessing_time, gpu_transfer_time, generation_time, decode_time}Pagkakahati ng mga oras ng pagproseso ng kahilingan, na sinusukat sa segundo.

Para sa mga AI agent: nasa Markdown ang pahinang ito sa https://doitong.com/fil/developers/models/nemotron-diffusion-vlm.md. Lahat ng modelo at gabay: https://doitong.com/developers/llms.txt