Leum chun t-susbaint

Nemotron Diffusion Vlm

Amalaich

ID a’ mhodail 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"

An t-iarrtas seo: ≈$0.005 5 creideasan API Ruith e air an duilleig seo

Faigh iuchair API
NVIDIA Lèirsinn #utility#editing

Modail lèirsinn-cànain a fhreagras promtaichean mu ìomhaigh a’ cleachdadh dì-chòdachadh teacsa stèidhichte air sgaoileadh

NVIDIA · Teacsa

Thèid a’ chiad toradh agad an-seo

Tog iarrtas gu h-ìosal agus ruith e leis an iuchair API agad. Tha na h-às-churan air an lethbhreacadh dhan stòradh againn, air an cumail gu bràth no 7 latha an-asgaidh.

Tog iarrtas

Tha na smachdan air an cruthachadh bho sgeama a’ mhodail. Bidh an còd agus a’ phrìs ag ùrachadh fhad ’s a dh’atharraicheas tu iad.

•riatanach

Prompt a’ sònrachadh dè bu chòir a fhreagairt mun ìomhaigh.

•riatanach image_url
Leig às faidhle, no

URL a’ comharrachadh na h-ìomhaigh airson giullachd.

Adhartach max_tokens · num_inference_steps · block_length · threshold · enable_safety_checker
bun-roghainn 512

Crìoch àrd air tòcanan a chaidh a ghineadh.

bun-roghainn 256

Tagh àireamh cheumannan dì-chòdachaidh diffusion mar iomadan de max_tokens / block_length nuair a shònraicheas tu gu soilleir e; feumaidh an àireamh a bhith co-dhiù cho mòr ris a’ cho-mheas sin cuideachd.

bun-roghainn 32

Fad gach bloca dì-chòdachaidh diffusion.

bun-roghainn 0.9

Crìoch misneachd airson dì-chòdachadh diffusion.

POST /run/nemotron-diffusion-vlm?wait=20 tuairmse → $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"

Ruith an t-iarrtas seo

Fuirichidh an iuchair agad sa bhrobhsair seo: thèid a cur chun Doitong API a-mhàin agus a sàbhaladh (localStorage) a-mhàin ma chuireas tu comharra ri Cuimhnich. Faigh iuchair API

Mu Nemotron Diffusion Vlm

Gabhaidh e ri ìomhaigh ann an `image_url` agus ceist ann an `prompt`, agus tillidh e freagairt teacsa. Faodar dì-chòdachadh atharrachadh tro `max_tokens` (1 gu 8192), `num_inference_steps` (1 gu 1024), `block_length` (8 gu 128) agus `threshold` misneachd bho 0 gu 1. Tha an toradh cuideachd a’ gabhail a-steach mion-fhiosrachadh ùineachaidh agus cleachdaidh.

Paramadairean

Cuir an t-ainm canonical no an t-ainm dùthchasach, chan e an dà chuid. Ainmean canonical

AinmSeòrsa Bun-roghainnCeadaichte Tuairisgeul
image_urlriatanach image
Seòrsaurl · image
URL a’ comharrachadh na h-ìomhaigh airson giullachd.
promptriatanach
Seòrsastring
Prompt a’ sònrachadh dè bu chòir a fhreagairt mun ìomhaigh.
max_tokensroghainneil
Seòrsainteger
Bun-roghainn512
1 – 8,192
Crìoch àrd air tòcanan a chaidh a ghineadh.
num_inference_stepsroghainneil
Seòrsainteger | null
Bun-roghainn256
1 – 1,024
Tagh àireamh cheumannan dì-chòdachaidh diffusion mar iomadan de max_tokens / block_length nuair a shònraicheas tu gu soilleir e; feumaidh an àireamh a bhith co-dhiù cho mòr ris a’ cho-mheas sin cuideachd.
block_lengthroghainneil
Seòrsainteger
Bun-roghainn32
8 – 128
Fad gach bloca dì-chòdachaidh diffusion.
thresholdroghainneil
Seòrsanumber
Bun-roghainn0.9
0 – 1
Crìoch misneachd airson dì-chòdachadh diffusion.
enable_safety_checkerroghainneil
Seòrsaboolean
Bun-roghainntrue
Faodar sgrìonadh a shocrachadh le false, ma tha cead aig an neach-gairm.
riatanach Ainm canonical, gabhar ris cuideachd

Gabhaidh paramadairean faidhle ri URL poblach https://, URI data: suas ri 10 MB, no file_url de luchdachadh suas. Faidhlichean

Toradh

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"
  }
}
Na faidhlichean agad, do roghainnTha gach outputs[].url na lethbhreac air an stòradh againn: air a chumail gu bràth (air a phàigheadh gach GB-mìos) no 7 latha an-asgaidh, a rèir suidheachadh a’ chunntais agad no ?storage=.
An aon chruth air gach modailtype, url, content_type, width, height agus duration, airson dealbhan, bhidio agus fuaim le chèile. ’S e output nì toraidh a’ mhodail fhèin.
Raointean toraidh
output
stringFreagairt a rinn am modail.
usage
object {prompt_tokens, completion_tokens, num_function_evals}Mion-fhiosrachadh cleachdaidh airson tòcanan agus dì-chòdachadh diffusion.
timings
object {total_time, image_validation_time, preprocessing_time, gpu_transfer_time, generation_time, decode_time}Briseadh sìos air amannan giullachd an iarrtais, air an tomhas ann an diogan.

Do riochdairean AI: tha an duilleag seo mar Markdown aig https://doitong.com/gd/developers/models/nemotron-diffusion-vlm.md. Na modailean agus na treòraichean uile: https://doitong.com/developers/llms.txt