Trellis 2

इंटीग्रेट करें

मॉडल id trellis-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/trellis-2?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"
  }'

# 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"

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/trellis-2?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  }),
});
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 + ")");

import os
import requests

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

payload = {
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/trellis-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"])

# 1. Connect once (Claude Code; Cursor, VS Code, Claude Desktop: https://doitong.com/hi/developers/docs/mcp)
claude mcp add --transport http doitong-models https://api.doitong.com/v1/mcp \
  --header "Authorization: Bearer $DOITONG_API_KEY"

# 2. Your agent calls the "run" tool with:
{
  "model_id": "trellis-2",
  "input": {
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  }
}

Trellis 2 मॉडल (trellis-2) को Doitong API के ज़रिए कॉल करें। एजेंट के लिए दस्तावेज़: https://doitong.com/hi/developers/models/trellis-2.md

POST https://api.doitong.com/v1/run/trellis-2?wait=20
Authorization: Bearer $DOITONG_API_KEY
Content-Type: application/json

{
  "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
}

यदि रिस्पॉन्स स्टेटस "queued" या "running" है, तो GET https://api.doitong.com/v1/requests/REQUEST_ID?wait=20 को तब तक पोल करें जब तक यह "succeeded" न हो जाए; फ़ाइलें outputs[].url में हैं। उसी बॉडी के साथ POST https://api.doitong.com/v1/quote/trellis-2 चलाने से रन से पहले सटीक कीमत मिलती है।

यह अनुरोध: $0.30 300 API क्रेडिट इसे इस पेज पर चलाएँ

API कुंजी प्राप्त करें

Microsoft इमेज से 3D #image-to-3d

एकल इमेज को टेक्सचर वाले GLB 3D मेश में बदलता है, जिसमें संरचना, आकार, टेक्सचर और UV सेटिंग समायोजित की जा सकती हैं

OpenAPI Markdown

Microsoft · 3D

आपका पहला परिणाम यहाँ आएगा

नीचे एक अनुरोध बनाएँ और उसे अपनी API कुंजी से चलाएँ। आउटपुट हमारे स्टोरेज में कॉपी किए जाते हैं और हमेशा के लिए या 7 दिन तक मुफ़्त में रखे जाते हैं।

अनुरोध बनाएँ

कीमत

सटीक कीमत

$0.30प्रति रन

300 API क्रेडिट

कीमत: $0.25 से

1 अनुरोध × $0.30 चलाएँ · $0.30

केवल सफलता पर शुल्क लिया जाता है; विफलता पर अपने-आप रिफंड किया जाता है।

resolution डिफ़ॉल्ट 1024

कीमत के नियम

जब resolution = 1024: $0.30 / अनुरोध
जब resolution = 1536: $0.35 / अनुरोध

प्रत्येक अनुरोध पर एक बार शुल्क लिया जाता है।

कोटेशन एंडपॉइंट: POST /quote/{id}

अनुरोध बनाएँ

कंट्रोल मॉडल स्कीमा से जनरेट होते हैं। इन्हें बदलने पर कोड और कीमत अपडेट होती है।

image •आवश्यक image_url

फ़ाइल ड्रॉप करें, या

3D रूपांतरण के लिए स्रोत इमेज का URL।

resolution डिफ़ॉल्ट 1024

आउटपुट का रिज़ॉल्यूशन; इसे बढ़ाने पर अधिक विवरण मिलता है, लेकिन अधिक समय लगता है।

उन्नत texture_size · ss_guidance_strength · ss_guidance_rescale · ss_guidance_interval_start · ss_guidance_interval_end · ss_sampling_steps · ss_rescale_t · shape_slat_guidance_strength · shape_slat_guidance_rescale · shape_slat_guidance_interval_start · shape_slat_guidance_interval_end · shape_slat_sampling_steps · shape_slat_rescale_t · tex_slat_guidance_strength · tex_slat_guidance_rescale · tex_slat_guidance_interval_start · tex_slat_guidance_interval_end · tex_slat_sampling_steps · tex_slat_rescale_t · decimation_target · remesh_band · remesh_project · uv_unwrap_angle_threshold_deg · uv_unwrap_refine_iterations · uv_unwrap_global_iterations · uv_unwrap_smooth_strength · seed · remesh

texture_size डिफ़ॉल्ट 2048

बेकिंग के लिए मेश टेक्सचर रिज़ॉल्यूशन। इस रिज़ॉल्यूशन को बढ़ाने पर सतह का बारीक विवरण बढ़ता है, लेकिन फ़ाइलें बड़ी होती हैं।

ss_guidance_strength डिफ़ॉल्ट 7.5

प्रारंभिक 3D संरचना की निष्ठा नियंत्रित करता है: इसे बढ़ाने पर इनपुट इमेज से अधिक समानता मिलती है, लेकिन अतिरिक्त नॉइज़ का जोखिम रहता है।

ss_guidance_rescale डिफ़ॉल्ट 0.7

चरण 1 के मार्गदर्शन-आर्टिफ़ैक्ट को नियंत्रित करता है; कम सेटिंग पर मार्गदर्शन प्रभाव अधिक मजबूत और अधिक सेटिंग पर आउटपुट अधिक स्थिर होता है।

ss_guidance_interval_start डिफ़ॉल्ट 0.6

चरण 1 (विरल संरचना) में classifier-free guidance विंडो की आरंभिक सीमा, नॉइज़ हटाने के अंश के रूप में व्यक्त। कम सेटिंग पर मार्गदर्शन पहले शुरू होता है; केवल interval_start से interval_end तक का अंतराल मार्गदर्शन का उपयोग करता है, बाकी जगह बिना मार्गदर्शन प्रोसेसिंग होती है।

ss_guidance_interval_end डिफ़ॉल्ट 1

चरण 1 (विरल संरचना) के लिए मार्गदर्शन कटऑफ़: ss_guidance_interval_start के बराबर या उससे बड़ा मान चुनें। यह मान नॉइज़ हटाने की उस प्रगति का अंश बताता है जहाँ classifier-free guidance रुकता है।

ss_sampling_steps डिफ़ॉल्ट 12

प्रारंभिक संरचना के डिनॉइज़िंग चरणों की संख्या: अतिरिक्त चरणों से संभावित गुणवत्ता लाभ मिलता है, लेकिन प्रोसेसिंग धीमी होती है।

ss_rescale_t डिफ़ॉल्ट 5

संरचना-निर्माण नॉइज़ शेड्यूल के माध्यम से ट्रांज़िशन की तीक्ष्णता सेट करें: यह मान बढ़ाने पर ट्रांज़िशन अधिक तीक्ष्ण होते हैं।

shape_slat_guidance_strength डिफ़ॉल्ट 7.5

विस्तृत ज्यामिति की निष्ठा नियंत्रित करता है: इनपुट इमेज के अधिक अनुरूप होने पर अतिरिक्त विवरण मिलता है, लेकिन नॉइज़ बढ़ने का जोखिम रहता है।

shape_slat_guidance_rescale डिफ़ॉल्ट 0.5

ज्यामिति नॉइज़युक्त दिखने पर यह सेटिंग बढ़ाएँ: इससे आकार चरण के दौरान मजबूत मार्गदर्शन से उत्पन्न आर्टिफ़ैक्ट कम होते हैं।

shape_slat_guidance_interval_start डिफ़ॉल्ट 0.6

चरण 2 में आकार परिष्करण के लिए classifier-free guidance सक्रिय होने का बिंदु। नॉइज़ हटाने की प्रगति के अंश के रूप में व्यक्त, यह interval_start सेट करता है; मार्गदर्शन केवल interval_start और interval_end से बंधी विंडो में काम करता है।

shape_slat_guidance_interval_end डिफ़ॉल्ट 1

चरण 2 (आकार परिष्करण) के लिए मार्गदर्शन कटऑफ़: shape_slat_guidance_interval_start के बराबर या उससे बड़ा मान चुनें। यह मान नॉइज़ हटाने की उस प्रगति का अंश बताता है जहाँ classifier-free guidance रुकता है।

shape_slat_sampling_steps डिफ़ॉल्ट 12

आकार-सुधार डिनॉइज़िंग चरणों की संख्या: अतिरिक्त चरणों से ज्यामिति संभावित रूप से अधिक सहज होती है, लेकिन गति कम होती है।

shape_slat_rescale_t डिफ़ॉल्ट 3

आकार-सुधार नॉइज़ शेड्यूल के माध्यम से ज्यामितीय विवरण की तीक्ष्णता सेट करें; यह मान बढ़ाने पर विवरण अधिक तीक्ष्ण होते हैं।

tex_slat_guidance_strength डिफ़ॉल्ट 1

टेक्सचर रंग की निष्ठा नियंत्रित करता है: अधिक सेटिंग पर इनपुट इमेज के रंगों से अधिक समानता जीवंतता बढ़ाती है, लेकिन अत्यधिक संतृप्ति हो सकती है।

tex_slat_guidance_rescale डिफ़ॉल्ट 0

नॉइज़युक्त टेक्सचर या रंग बैंडिंग को ठीक करने के लिए यह सेटिंग बढ़ाएँ: इससे टेक्सचर चरण के दौरान मजबूत मार्गदर्शन से उत्पन्न आर्टिफ़ैक्ट कम होते हैं।

tex_slat_guidance_interval_start डिफ़ॉल्ट 0.6

चरण 3 में टेक्सचर निर्माण के लिए classifier-free guidance सक्रिय होने का बिंदु। नॉइज़ हटाने की प्रगति के अंश के रूप में व्यक्त, यह interval_start सेट करता है; मार्गदर्शन केवल interval_start और interval_end से बंधी विंडो में काम करता है।

tex_slat_guidance_interval_end डिफ़ॉल्ट 0.9

चरण 3 (टेक्सचर) के लिए मार्गदर्शन कटऑफ़: tex_slat_guidance_interval_start के बराबर या उससे बड़ा मान चुनें। यह मान नॉइज़ हटाने की उस प्रगति का अंश बताता है जहाँ classifier-free guidance रुकता है।

tex_slat_sampling_steps डिफ़ॉल्ट 12

टेक्सचर बनाने के लिए उपयोग किए जाने वाले डिनॉइज़िंग चरणों की संख्या। चरणों की संख्या बढ़ाने पर अधिक समय लगता है, लेकिन टेक्सचर अधिक साफ़ हो सकते हैं।

tex_slat_rescale_t डिफ़ॉल्ट 3

टेक्सचर-निर्माण नॉइज़ शेड्यूल के माध्यम से टेक्सचर विवरण की तीक्ष्णता सेट करें; यह मान बढ़ाने पर विवरण अधिक तीक्ष्ण होते हैं।

decimation_target डिफ़ॉल्ट 500000

मेश वर्टेक्स-गणना लक्ष्य, सामान्य उपयोग के लिए 500k और वेब/मोबाइल के लिए 20k–50k अनुशंसित। लक्ष्य घटाने पर मेश विवरण कम होता है और फ़ाइलें छोटी हो जाती हैं।

remesh_band डिफ़ॉल्ट 1

रीमेशिंग मूवमेंट की अनुमति: इस मान को बढ़ाने पर अतिरिक्त स्मूदिंग से बारीक विवरण कम हो सकता है। यह सेटिंग मूल सतह के सापेक्ष वर्टेक्स के विस्थापन को सीमित करती है।

remesh_project डिफ़ॉल्ट 0

रीमेश किए गए वर्टेक्स को मूल सतह पर वापस लाने के लिए प्रोजेक्शन की तीव्रता: 1 पूर्ण प्रोजेक्शन के माध्यम से विवरण सुरक्षित रखता है, जबकि 0 प्रोजेक्शन बंद रखकर अधिक स्मूद परिणाम देता है।

uv_unwrap_angle_threshold_deg डिफ़ॉल्ट 90

UV चार्ट की कोणीय सीमा डिग्री में, जो यह सीमित करती है कि एक ही चार्ट में पड़ोसी फेस नॉर्मल्स कितने भिन्न हो सकते हैं। सीमा बढ़ाने पर कम और बड़े चार्ट बनते हैं, लेकिन स्ट्रेचिंग का जोखिम रहता है; इसे घटाने पर अधिक चार्ट और कम विकृति मिलती है।

uv_unwrap_refine_iterations डिफ़ॉल्ट 0

UV चार्ट की गणना के लिए उपयोग किए जाने वाले स्थानीय रिफाइनमेंट पास की संख्या।

uv_unwrap_global_iterations डिफ़ॉल्ट 1

चार्ट की गणना के लिए उपयोग किए जाने वाले ग्लोबल क्लस्टरिंग पास की संख्या बढ़ाने से UV चार्ट का संतुलन बेहतर हो सकता है।

uv_unwrap_smooth_strength डिफ़ॉल्ट 1

UV चार्ट के किनारों को कितनी तीव्रता से स्मूद करना है, इसे समायोजित करें; अधिक सेटिंग पर कम दिखाई देने वाले सीम के साथ UV विकृति का जोखिम रहता है।

seed

पुनरुत्पाद्य रैंडम निर्माण के लिए उपयोग किया गया सीड।

POST /run/trellis-2?wait=20 कोटेशन → $0.30

# 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/trellis-2?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"
  }'

# 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"

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/trellis-2?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  }),
});
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 + ")");

import os
import requests

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

payload = {
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/trellis-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"])

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "trellis-2",
      "input": {
        "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
      },
      "wait_seconds": 20
    }
  }
}

यह अनुरोध चलाएँ

API कुंजी

आपकी key इसी ब्राउज़र में रहती है: इसे केवल Doitong API को भेजा जाता है और केवल तभी (localStorage) में सेव किया जाता है जब आप Remember चुनते हैं। इस ब्राउज़र में याद रखें API कुंजी प्राप्त करें

Trellis 2 के बारे में

एक इमेज (`image_url`) से 3D एसेट बनाता है और GLB फ़ाइल लौटाता है। `resolution` 512, 1024 या 1536 है, और `texture_size` 1024, 2048 या 4096 है। तीनों चरणों (संरचना, आकार, टेक्सचर) में अपने-अपने गाइडेंस और सैंपलिंग-स्टेप नियंत्रण होते हैं। `decimation_target` मेश के वर्टेक्स की संख्या (5,000 to 2,000,000) तय करता है, और रीमेशिंग तथा UV-अनरैपिंग के विकल्प उपलब्ध हैं।

पैरामीटर

कैनोनिकल नाम या नेटिव नाम में से कोई एक भेजें, दोनों नहीं। कैनोनिकल नाम

नामप्रकार डिफ़ॉल्टअनुमत विवरण

seedवैकल्पिक

प्रकारinteger | null

पुनरुत्पाद्य रैंडम निर्माण के लिए उपयोग किया गया सीड।

resolutionवैकल्पिक

प्रकारenum

डिफ़ॉल्ट1024

51210241536

ss_guidance_strengthवैकल्पिक

प्रकारnumber

डिफ़ॉल्ट7.5

0 – 10

ss_guidance_rescaleवैकल्पिक

प्रकारnumber

डिफ़ॉल्ट0.7

0 – 1

ss_guidance_interval_startवैकल्पिक

प्रकारnumber

डिफ़ॉल्ट0.6

0 – 1

ss_guidance_interval_endवैकल्पिक

प्रकारnumber

डिफ़ॉल्ट1

0 – 1

ss_sampling_stepsवैकल्पिक

प्रकारinteger

डिफ़ॉल्ट12

1 – 50

ss_rescale_tवैकल्पिक

प्रकारnumber

डिफ़ॉल्ट5

1 – 6

shape_slat_guidance_strengthवैकल्पिक

प्रकारnumber

डिफ़ॉल्ट7.5

0 – 10

shape_slat_guidance_rescaleवैकल्पिक

प्रकारnumber

डिफ़ॉल्ट0.5

0 – 1

shape_slat_guidance_interval_startवैकल्पिक

प्रकारnumber

डिफ़ॉल्ट0.6

0 – 1

shape_slat_guidance_interval_endवैकल्पिक

प्रकारnumber

डिफ़ॉल्ट1

0 – 1

shape_slat_sampling_stepsवैकल्पिक

प्रकारinteger

डिफ़ॉल्ट12

1 – 50

shape_slat_rescale_tवैकल्पिक

प्रकारnumber

डिफ़ॉल्ट3

1 – 6

tex_slat_guidance_strengthवैकल्पिक

प्रकारnumber

डिफ़ॉल्ट1

0 – 10

tex_slat_guidance_rescaleवैकल्पिक

प्रकारnumber

डिफ़ॉल्ट0

0 – 1

tex_slat_guidance_interval_startवैकल्पिक

प्रकारnumber

डिफ़ॉल्ट0.6

0 – 1

tex_slat_guidance_interval_endवैकल्पिक

प्रकारnumber

डिफ़ॉल्ट0.9

0 – 1

tex_slat_sampling_stepsवैकल्पिक

प्रकारinteger

डिफ़ॉल्ट12

1 – 50

tex_slat_rescale_tवैकल्पिक

प्रकारnumber

डिफ़ॉल्ट3

1 – 6

decimation_targetवैकल्पिक

प्रकारinteger

डिफ़ॉल्ट500000

5,000 – 20,00,000

texture_sizeवैकल्पिक

प्रकारenum

डिफ़ॉल्ट2048

102420484096

remeshवैकल्पिक

प्रकारboolean

डिफ़ॉल्टtrue

टोपोलॉजी पुनर्निर्माण, जो अधिक साफ़ मेश त्रिभुज बनाता है और आमतौर पर एनीमेशन या 3D प्रिंटिंग जैसे बाद के उपयोगों के लिए उपयुक्तता सुधारता है, लेकिन प्रोसेसिंग धीमी होती है।

remesh_bandवैकल्पिक

प्रकारnumber

डिफ़ॉल्ट1

0 – 4

remesh_projectवैकल्पिक

प्रकारnumber

डिफ़ॉल्ट0

0 – 1

uv_unwrap_angle_threshold_degवैकल्पिक

प्रकारnumber

डिफ़ॉल्ट90

0 – 180

uv_unwrap_refine_iterationsवैकल्पिक

प्रकारinteger

डिफ़ॉल्ट0

0 – 10

UV चार्ट की गणना के लिए उपयोग किए जाने वाले स्थानीय रिफाइनमेंट पास की संख्या।

uv_unwrap_global_iterationsवैकल्पिक

प्रकारinteger

डिफ़ॉल्ट1

1 – 10

uv_unwrap_smooth_strengthवैकल्पिक

प्रकारnumber

डिफ़ॉल्ट1

0 – 10

image_urlआवश्यक image

प्रकारurl · image

3D रूपांतरण के लिए स्रोत इमेज का URL।

आवश्यक कैनोनिकल नाम, यह भी स्वीकार्य है

फ़ाइल पैरामीटर में सार्वजनिक https:// URL, 10 MB तक का data: URI, या अपलोड का file_url लिया जाता है। फ़ाइलें

आउटपुट

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t

{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "trellis-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": 300,
    "usd": "0.30",
    "charged": 300,
    "refunded": 0
  },
  "input": {
    "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  },
  "output": {
    "model_glb": {
      "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
    }
  },
  "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"
  }
}

आपकी फ़ाइलें, आपकी पसंदहर outputs[].url हमारे स्टोरेज में एक कॉपी है: हमेशा के लिए (प्रति GB-माह भुगतान) या 7 दिन तक मुफ़्त में, आपके अकाउंट की सेटिंग या ?storage= के अनुसार।

हर मॉडल पर एक जैसा आकारइमेज, वीडियो और ऑडियो सभी के लिए type, url, content_type, width, height और duration। output मॉडल का अपना परिणाम ऑब्जेक्ट है।

आउटपुट के फ़ील्ड

model_glb: object {url, content_type, file_name, file_size}GLB फ़ॉर्मेट में निर्मित 3D मॉडल।

और मॉडल: इमेज से 3D

AI एजेंट के लिए: इस पेज का Markdown यहाँ है https://doitong.com/hi/developers/models/trellis-2.md. सभी मॉडल और गाइड: https://doitong.com/developers/llms.txt

आपका पहला परिणाम यहाँ आएगा

अनुरोध बनाएँ

यह अनुरोध चलाएँ

Trellis 2 के बारे में

पैरामीटर

आउटपुट

अन्य Trellis 2 वेरिएंट

Trellis 2 · Retexture वेरिएंट: 2

और मॉडल: इमेज से 3D

Trellis वेरिएंट: 2

Trellis · Multi वेरिएंट: 2

TRELLIS.2 LoRA Inference

Hi3D Image to 3D वेरिएंट: 6