Léim chuig an ábhar

Scail 2

Comhtháthú

Aitheantas na samhla 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"

Comhaid cosúil leis an sampla: $2.00 2,000 gcreidmheas API déantar do chuid comhad a thomhas roimh an rith Rith ar an leathanach seo

Faigh eochair API
Open model Físeán go Físeán suas le 704p #stylized#transform

Beochann íomhá tagartha de charachtar le gluaiseacht ó fhíseán tiomána, nó cuireann sé isteach sa radharc bunaidh í

Open model · Físeán

Beidh do chéad toradh anseo

Tóg iarratas thíos agus rith é le d’eochair API. Cóipeáiltear na haschuir chuig ár stóráil, coinnithe go deo nó ar feadh 7 lá saor in aisce.

Tóg iarratas

Gintear na rialtáin ó scéim na samhla. Nuashonraítear an cód agus an praghas de réir mar a athraíonn tú iad.

•riachtanach

Leid a shonraíonn an físeán aschuir inmhianaithe.

•riachtanach image_url
Scaoil comhad, nó

URL íomhá thagartha carachtair a sholáthraíonn an carachtar le beochan nó le cur in ionad ábhair; is é an físeán tiomána a chinneann an bheochan nó an t-athsholáthar.

•riachtanach video_url
Scaoil comhad, nó

Soláthair físeán tiomána gluaisne trí URL, ina bhfuil duine amháin, roinnt daoine nó ainmhí.

resolution réamhshocrú 512p

Taifeach aschuir agus an treoshuíomh á chinneadh go huathoibríoch de réir chóimheas gné na híomhá tagartha. Sa tírdhreach, mapálann 512p go 896x512 agus 704p go 1280x704; úsáideann portráid 512x896 agus 704x1280 faoi seach.

Ardleibhéal mode · driving_type · subject_type · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker
mode réamhshocrú animation

Roghnaigh conas an carachtar tagartha a úsáid: coinníonn `replacement` an radharc bunaidh ach cuireann sé an carachtar in ionad an ábhair tiomána; cuireann `animation` gluaisne an tiománaí i bhfeidhm ar an gcarachtar.

driving_type réamhshocrú end_to_end

Tagann gluaisne na beochana go díreach ó fhíseán tiomána atá maiscithe ag SAM3 le `end_to_end`, an rogha réamhshocraithe mholta don stóinseacht is mó. De rogha air sin, úsáideann `pose` NLF/DWPose chun cnámharlach follasach a rindreáil ón bhfíseán sin, rud a thugann níos mó smachta le hionchuir dhúshlánacha.

subject_type réamhshocrú human

Roghnú ábhair an fhíseáin tiomána, agus `animal` ag cumrú leid bhraite SAM3 d'ábhair nach `human` iad.

réamhshocrú 40

Líon na gcéimeanna samplála idirleata. Feabhsaíonn é a mhéadú an cháilíocht ach tógann sé níos mó ama.

réamhshocrú 5

Neart treorach saor ó aicmitheoir, a chothromaíonn cloí leis an leid agus cruthaitheacht.

réamhshocrú 3

Aistriú sceidil torainn le haghaidh meaitseáil sreafa, agus socrú molta 3.0 agus 512p á úsáid.

Síol giniúna a chuirtear san áireamh sa fhreagra, cibé acu a soláthraíodh go sainráite é nó a roghnaíodh go randamach toisc go raibh an t-ionchur folamh.

POST /run/scail-2?wait=20 luachan → $2.00
# 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"

Rith an t-iarratas seo

Fanann d'eochair sa bhrabhsálaí seo: seoltar chuig Doitong API amháin í agus sábháiltear (localStorage) í ach amháin má chuireann tú tic le Meabhraigh. Faigh eochair API

Maidir le Scail 2

Glacann sé `image_url` tagartha de charachtar agus `video_url` tiomána a thaispeánann duine, roinnt daoine nó ainmhí. I mód `animation` déanann an carachtar gluaiseacht an tiomána; i mód `replacement` cuirtear é in áit an ábhair agus coinnítear an radharc. Is é 512p nó 704p an taifeach, agus roghnaítear an treoshuíomh ón íomhá. Is féidir le `driving_type` tiomáint dhíreach cheann go ceann nó creatlach staidiúir shoiléir a úsáid.

Paraiméadair

Seol an t-ainm canónach nó an t-ainm dúchasach, ní an dá cheann. Ainmneacha canónacha

AinmCineál RéamhshocrúCeadaithe Cur síos
promptriachtanach
Cineálstring
Leid a shonraíonn an físeán aschuir inmhianaithe.
image_urlriachtanach image
Cineálurl · image
URL íomhá thagartha carachtair a sholáthraíonn an carachtar le beochan nó le cur in ionad ábhair; is é an físeán tiomána a chinneann an bheochan nó an t-athsholáthar.
video_urlriachtanach video
Cineálurl · video
Soláthair físeán tiomána gluaisne trí URL, ina bhfuil duine amháin, roinnt daoine nó ainmhí.
moderoghnach
Cineálenum
Réamhshocrúanimation
animationreplacement
Roghnaigh conas an carachtar tagartha a úsáid: coinníonn `replacement` an radharc bunaidh ach cuireann sé an carachtar in ionad an ábhair tiomána; cuireann `animation` gluaisne an tiománaí i bhfeidhm ar an gcarachtar.
driving_typeroghnach
Cineálenum
Réamhshocrúend_to_end
end_to_endpose
Tagann gluaisne na beochana go díreach ó fhíseán tiomána atá maiscithe ag SAM3 le `end_to_end`, an rogha réamhshocraithe mholta don stóinseacht is mó. De rogha air sin, úsáideann `pose` NLF/DWPose chun cnámharlach follasach a rindreáil ón bhfíseán sin, rud a thugann níos mó smachta le hionchuir dhúshlánacha.
subject_typeroghnach
Cineálenum
Réamhshocrúhuman
humananimal
Roghnú ábhair an fhíseáin tiomána, agus `animal` ag cumrú leid bhraite SAM3 d'ábhair nach `human` iad.
resolutionroghnach
Cineálenum
Réamhshocrú512p
512p704p
Taifeach aschuir agus an treoshuíomh á chinneadh go huathoibríoch de réir chóimheas gné na híomhá tagartha. Sa tírdhreach, mapálann 512p go 896x512 agus 704p go 1280x704; úsáideann portráid 512x896 agus 704x1280 faoi seach.
num_inference_stepsroghnach
Cineálinteger
Réamhshocrú40
2 – 50
Líon na gcéimeanna samplála idirleata. Feabhsaíonn é a mhéadú an cháilíocht ach tógann sé níos mó ama.
guidance_scaleroghnach
Cineálnumber
Réamhshocrú5
1 – 10
Neart treorach saor ó aicmitheoir, a chothromaíonn cloí leis an leid agus cruthaitheacht.
shiftroghnach
Cineálnumber
Réamhshocrú3
1 – 10
Aistriú sceidil torainn le haghaidh meaitseáil sreafa, agus socrú molta 3.0 agus 512p á úsáid.
seedroghnach
Cineálinteger | null
Síol giniúna a chuirtear san áireamh sa fhreagra, cibé acu a soláthraíodh go sainráite é nó a roghnaíodh go randamach toisc go raibh an t-ionchur folamh.
enable_safety_checkerroghnach
Cineálboolean
Réamhshocrútrue
Is féidir an scagadh a mhaolú trí false a shocrú, ar choinníoll go bhfuil údarú ag an nglaoiteoir.
riachtanach Ainm canónach, glactar leis freisin

Glacann paraiméadair chomhaid le URL poiblí https://, URI data: suas le 10 MB, nó file_url uaslódála. Comhaid

Aschur

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"
  }
}
Do chuid comhad, do roghaIs cóip ar ár stóráil é gach outputs[].url: coinnithe go deo (íoctha in aghaidh GB-mhí) nó ar feadh 7 lá saor in aisce, de réir shocrú do chuntais nó ?storage=.
An cruth céanna ar gach samhailtype, url, content_type, width, height agus duration, d'íomhánna, d'fhíseáin agus d'fhuaim araon. Is é output réad toraidh na samhla féin.
Réimsí aschuir
video
object {url, content_type, file_name, file_size}Comhad físeáin a tháirgtear leis an nginiúint.
seed
integerSíol a úsáidtear le haghaidh giniúint físeáin.
preprocessing_video
object {url, content_type, file_name, file_size} | nullFíseán dífhabhtaithe ina bhfuil ionchur riochtaithe staidiúir Stage-A a soláthraíodh don tsamhail idirleata, ar fáil ach amháin le `output_preprocessing=true`. Braitheann a ábhar ar `driving_type`: úsáideann `end_to_end` píosaí tiomána atá maiscithe ag SAM3, agus úsáideann `driving_type=pose` cnámharlach atá rindreáilte ag NLF/DWPose.
preprocessing_mask_video
object {url, content_type, file_name, file_size} | nullFíseán masc tiomána Stage-A le haghaidh dífhabhtaithe, ar fáil ach amháin le `output_preprocessing=true`.

Do ghníomhairí AI: tá an leathanach seo mar Markdown ag https://doitong.com/ga/developers/models/scail-2.md. Gach samhail agus treoir: https://doitong.com/developers/llms.txt