सामग्री पर जाएँ

VGGT-1B

इंटीग्रेट करें

मॉडल id vggt-1b
# 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"

प्रति रन अधिकतम $1.755 तक वास्तविक उपयोग के अनुसार शुल्क लिया जाता है, बाकी रिफंड किया जाता है इसे इस पेज पर चलाएँ

API कुंजी प्राप्त करें

48 तक इमेज या वीडियो से 3D सीन का पुनर्निर्माण करता है और डेप्थ मैप, कैमरा पोज़ तथा पॉइंट क्लाउड लौटाता है

Meta · डेटा (JSON)

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

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

उन्नत images · video · alpha_blend_onto · array_encoding · frame_sampling_rate · confidence_percentile · max_points · export_prediction_data · export_depth_maps · export_point_cloud · enable_safety_checker · exclude_keys
image_urls
फ़ाइल ड्रॉप करें, या · 48 तक

पुनर्निर्माण स्रोत इमेज, जिनमें से हर एक को वर्गाकार पैड करके सबसे लंबी dimension को 518 पिक्सेल पर रिसाइज़ किया जाता है। JPEG, PNG, WEBP और Pillow द्वारा डीकोड किए जा सकने वाले किसी भी अतिरिक्त इमेज फ़ॉर्मेट को स्वीकार किया जाता है।

video_url
फ़ाइल ड्रॉप करें, या

वैकल्पिक स्रोत वीडियो, जिसके सैंपल किए गए फ़्रेम संयुक्त इनपुट में image_urls के बाद आते हैं। सैंपलिंग हर `frame_sampling_rate`-वें फ़्रेम पर होती है और इसमें हमेशा पहला तथा अंतिम फ़्रेम शामिल होता है।

alpha_blend_onto डिफ़ॉल्ट white

Alpha चैनल के उपचार के चार विकल्प हैं: 'keep' मूल पिक्सेल मान बदले बिना alpha हटाता है; 'mean' ImageNet mean RGB के सामने कंपोज़िट करता है। ठोस बैकग्राउंड के लिए संबंधित रंग के सामने कंपोज़िट करने हेतु 'white' या 'black' चुनें।

array_encoding डिफ़ॉल्ट base64

prediction JSON फ़ाइलों के लिए array स्टोरेज फ़ॉर्मैट, जिसमें 'list' 'base64' की तुलना में बहुत अधिक जगह लेता है। नेस्टेड JSON सूचियों के लिए 'list' या {data, shape, dtype} वाले ऑब्जेक्ट के लिए 'base64' चुनें।

डिफ़ॉल्ट 24

केवल तब लागू होने वाला फ़्रेम अंतराल जब वीडियो `video_url` के माध्यम से दिया गया हो; अन्यथा इसका कोई प्रभाव नहीं होता। अंतराल की परवाह किए बिना दोनों सीमा फ़्रेम रखे जाते हैं और बीच में हर n-वाँ फ़्रेम सैंपल किया जाता है।

डिफ़ॉल्ट 50

पॉइंट-क्लाउड निर्माण के लिए confidence-आधारित फ़िल्टरिंग प्रतिशत: 0 फ़िल्टरिंग अक्षम करता है, जबकि अन्य मान कम confidence वाले पॉइंट से शुरू करके उतने प्रतिशत पॉइंट बाहर कर देते हैं।

डिफ़ॉल्ट 250000

GLB पॉइंट-काउंट सीमा, डिफ़ॉल्ट 250,000। serialization और अपलोड latency कम रखने के लिए, क्लाउड इस बजट से अधिक होने पर समान रूप से subsample किया गया चयन लिखा जाता है।

हर prediction JSON फ़ाइल से बाहर रखी जाने वाली कुंजियाँ।

POST /run/vggt-1b?wait=20 कोटेशन → $1.755
# 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"

यह अनुरोध चलाएँ

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। API कुंजी प्राप्त करें

VGGT-1B के बारे में

मल्टीपल व्यू से ज्योमेट्री का अनुमान लगाता है। `image_urls` में 48 इमेज तक दें, वैकल्पिक रूप से हर `frame_sampling_rate` फ़्रेम पर सैंपल किया गया एक `video_url` जोड़ें। यह प्रति-फ़्रेम डेप्थ मैप, कैमरा एक्सट्रिंसिक्स और इंट्रिंसिक्स, रॉ प्रेडिक्शन फ़ाइलें, और कैमरा कोन्स के साथ एक GLB पॉइंट क्लाउड लौटाता है। `confidence_percentile` और `max_points` कंट्रोल करते हैं कि पॉइंट क्लाउड कितना डेंस है।

पैरामीटर

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

नामप्रकार डिफ़ॉल्टअनुमत विवरण
image_urlsवैकल्पिक images
प्रकारurl[] · image
≤ 48 आइटम
पुनर्निर्माण स्रोत इमेज, जिनमें से हर एक को वर्गाकार पैड करके सबसे लंबी dimension को 518 पिक्सेल पर रिसाइज़ किया जाता है। JPEG, PNG, WEBP और Pillow द्वारा डीकोड किए जा सकने वाले किसी भी अतिरिक्त इमेज फ़ॉर्मेट को स्वीकार किया जाता है।
video_urlवैकल्पिक video
प्रकारurl · video
वैकल्पिक स्रोत वीडियो, जिसके सैंपल किए गए फ़्रेम संयुक्त इनपुट में image_urls के बाद आते हैं। सैंपलिंग हर `frame_sampling_rate`-वें फ़्रेम पर होती है और इसमें हमेशा पहला तथा अंतिम फ़्रेम शामिल होता है।
frame_sampling_rateवैकल्पिक
प्रकारinteger
डिफ़ॉल्ट24
1 – 1,000
केवल तब लागू होने वाला फ़्रेम अंतराल जब वीडियो `video_url` के माध्यम से दिया गया हो; अन्यथा इसका कोई प्रभाव नहीं होता। अंतराल की परवाह किए बिना दोनों सीमा फ़्रेम रखे जाते हैं और बीच में हर n-वाँ फ़्रेम सैंपल किया जाता है।
alpha_blend_ontoवैकल्पिक
प्रकारenum
डिफ़ॉल्टwhite
keepwhiteblackmean
Alpha चैनल के उपचार के चार विकल्प हैं: 'keep' मूल पिक्सेल मान बदले बिना alpha हटाता है; 'mean' ImageNet mean RGB के सामने कंपोज़िट करता है। ठोस बैकग्राउंड के लिए संबंधित रंग के सामने कंपोज़िट करने हेतु 'white' या 'black' चुनें।
export_prediction_dataवैकल्पिक
प्रकारboolean
डिफ़ॉल्टtrue
अलग-अलग फ़्रेम के लिए रॉ प्रेडिक्शन को अलग JSON फ़ाइलों के रूप में एक्सपोर्ट करें। हर फ़ाइल में depth और उसका confidence, एक mask और एन्कोडेड camera pose शामिल होता है।
export_depth_mapsवैकल्पिक
प्रकारboolean
डिफ़ॉल्टtrue
`depth_range` को पिक्सेल मान 0–65535 पर रैखिक रूप से मैप करके depth raster एक्सपोर्ट करें। हर फ़्रेम को 16-bit precision वाली अलग grayscale PNG मिलती है।
export_point_cloudवैकल्पिक
प्रकारboolean
डिफ़ॉल्टtrue
फ्यूज़ किए गए रंगीन point cloud को GLB फ़ॉर्मेट में एक्सपोर्ट करें; अनुमानित कैमरों को सीन में अलग-अलग cone mesh के रूप में दर्शाया जाता है।
array_encodingवैकल्पिक
प्रकारenum
डिफ़ॉल्टbase64
base64list
prediction JSON फ़ाइलों के लिए array स्टोरेज फ़ॉर्मैट, जिसमें 'list' 'base64' की तुलना में बहुत अधिक जगह लेता है। नेस्टेड JSON सूचियों के लिए 'list' या {data, shape, dtype} वाले ऑब्जेक्ट के लिए 'base64' चुनें।
exclude_keysवैकल्पिक
प्रकारenum[]
हर prediction JSON फ़ाइल से बाहर रखी जाने वाली कुंजियाँ।
confidence_percentileवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट50
0 – 100
पॉइंट-क्लाउड निर्माण के लिए confidence-आधारित फ़िल्टरिंग प्रतिशत: 0 फ़िल्टरिंग अक्षम करता है, जबकि अन्य मान कम confidence वाले पॉइंट से शुरू करके उतने प्रतिशत पॉइंट बाहर कर देते हैं।
max_pointsवैकल्पिक
प्रकारinteger
डिफ़ॉल्ट250000
1,000 – 50,00,000
GLB पॉइंट-काउंट सीमा, डिफ़ॉल्ट 250,000। serialization और अपलोड latency कम रखने के लिए, क्लाउड इस बजट से अधिक होने पर समान रूप से subsample किया गया चयन लिखा जाता है।
enable_safety_checkerवैकल्पिक
प्रकारboolean
डिफ़ॉल्टtrue
इनपुट इमेज और वीडियो की safety-checking टॉगल।
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": "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"
  }
}
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
point_cloud
object {url, content_type, file_name, file_size} | null`export_point_cloud` true होने पर लौटाया गया पॉइंट-क्लाउड export; इसका GLB scene fused cloud को camera cones के साथ संयोजित करता है।
depth_maps
array of object {url, content_type, file_name, file_size, width, height}`export_depth_maps` true होने पर उपलब्ध depth-map export। प्रविष्टियाँ source फ़्रेम sequence का अनुसरण करती हैं, जिसमें प्रत्येक फ़्रेम 16-bit depth वाले grayscale PNG raster के रूप में प्रस्तुत होता है।
prediction_data
array of object {url, content_type, file_name, file_size}Raw prediction export: `export_prediction_data` true होने पर प्रत्येक फ़्रेम की अपनी JSON फ़ाइल होती है और फ़ाइलें फ़्रेम sequence का अनुसरण करती हैं।
num_frames
integerकुल पुनर्निर्मित फ़्रेम संख्या, जिसमें इमेज और वीडियो से sample किए गए फ़्रेम शामिल हैं।
depth_range
array of number`depth_maps` quantization के लिए उपयोग की गई depth सीमाएँ [min, max]। depth को min + pixel * (max - min) / 65535 के रूप में पुनर्प्राप्त करें।
extrinsics
array of array of array of numberप्रत्येक फ़्रेम के लिए camera-from-world extrinsic matrices, आकार 3x4; OpenCV axes x के साथ दाईं ओर, y के साथ नीचे और z के साथ आगे इंगित करते हैं।
intrinsics
array of array of array of numberप्रत्येक फ़्रेम के लिए pinhole intrinsic matrices, आकार 3x3, जो मॉडल के 518x518 फ़्रेम के pixel coordinates में व्यक्त की गई हैं।
timings
objectप्रत्येक stage में बीता wall-clock समय, सेकंड में।

AI एजेंट के लिए: इस पेज का Markdown यहाँ है https://doitong.com/hi/developers/models/vggt-1b.md. सभी मॉडल और गाइड: https://doitong.com/developers/llms.txt