# VGGT-1B API

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

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।

- Model id: `vggt-1b`
- Made by: Meta
- Category: Vision
- Output: json
- Charged by usage (up to $1.755 per run, typical $0.04; the rest of the hold is refunded): $0.000975 / second of processing time (cheapest run $0.04 (40 API credits))
- Run: `POST https://api.doitong.com/v1/run/vggt-1b`
- Quote: `POST https://api.doitong.com/v1/quote/vggt-1b`
- Docs page: https://doitong.com/hi/developers/models/vggt-1b

## Pricing

Price: **$0.000975 / second of processing time**. Charged by actual usage at $0.000975 / second of processing time: up to $1.755 per run (the quote gives the maximum for your input), the rest is refunded automatically after the run. A typical run costs $0.04.

The full example input below holds up to $1.755 = 1755 API credits (up to 1800 s of processing time × $0.000975) when it starts; a typical run costs $0.04 (40 API credits).

Prices are the upstream price in USD, paid from the API balance in API credits (1000 API credits = 1 USD). This model is charged by usage: `POST https://api.doitong.com/v1/quote/vggt-1b` with the same JSON body returns the most the run can cost for that input (`credits`, debited when the run starts); after the run you pay the usage the model reports and the rest is refunded automatically. An input whose maximum would exceed the per-run limit is refused with 422. Invalid input is never charged and failed or canceled requests are refunded automatically.

## Input parameters

Send either the canonical name or the native field name (not both). Canonical names are the same across models.

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `image_urls` | `images` | array of image URL | no |  | ≤ 48 items | 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` | `video` | string (video URL) \| null | no |  |  | 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_rate` |  | integer | no | `24` | 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_onto` |  | enum (string) | no | `white` | `keep`, `white`, `black`, `mean` | 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_data` |  | boolean | no | `true` |  | 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_maps` |  | boolean | no | `true` |  | `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_cloud` |  | boolean | no | `true` |  | 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_encoding` |  | enum (string) | no | `base64` | `base64`, `list` | 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_keys` |  | array of enum (string) | no |  |  | हर prediction JSON फ़ाइल से बाहर रखी जाने वाली कुंजियाँ। |
| `confidence_percentile` |  | number | no | `50` | 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_points` |  | integer | no | `250000` | 1,000 – 5,000,000 | 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_checker` |  | boolean | no | `true` |  | इनपुट इमेज और वीडियो की safety-checking टॉगल। |

File parameters (`images`, `video`) take a public `https://` URL, a `data:` URI up to 10 MB, or the `file_url` of an upload from `POST /files`.

## Example input

Required parameters only:

```json
{}
```

A fuller example:

```json
{}
```

## Run it

Set `DOITONG_API_KEY` to a key from https://doitong.com/developers/dashboard#keys. `?wait=20` returns the finished request in the same call when it is ready within 20 seconds; otherwise poll `GET /requests/{id}` (it also accepts `?wait=`), or pass `webhook_url`.

### curl

```bash
# 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"
```

### JavaScript

```javascript
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/vggt-1b?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({}),
});
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 + ")");
```

### Python

```python
import os
import requests

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

payload = {}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/vggt-1b", 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"])
```

### MCP

The MCP server at `https://api.doitong.com/v1/mcp` exposes the tools `search_models`, `get_model`, `quote`, `run`, `get_request`, `cancel_request`, `list_requests`, `create_upload` and `get_account`. A `run` call for this model:

```json
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "vggt-1b",
      "input": {},
      "wait_seconds": 20
    }
  }
}
```

## Response

Every call returns a request object. `status` is one of `queued`, `running`, `succeeded`, `failed`, `canceled`. `outputs` lists the generated files with URLs on our storage (kept forever, or 7 days with `?storage=temporary`; `storage` says which); `output` is the model's own result object with the same URLs.

```json
{
  "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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `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` | integer | कुल 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 number | प्रत्येक 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 number | प्रत्येक फ़्रेम के लिए pinhole intrinsic matrices, आकार 3x3, जो मॉडल के 518x518 फ़्रेम के pixel coordinates में व्यक्त की गई हैं। |
| `timings` | object | प्रत्येक stage में बीता wall-clock समय, सेकंड में। |

## Related models

- [Sam 3 · Image · Embed](https://doitong.com/developers/models/sam-3/image/embed.md) (`sam-3/image/embed`): $0.005 / run
- [Bagel · Understand](https://doitong.com/developers/models/bagel/understand.md) (`bagel/understand`): $0.05 / request
- [Bria Ad Delayer](https://doitong.com/developers/models/bria/ad-delayer.md) (`bria/ad-delayer`): $0.30 / request
- [Florence 2 Large Caption](https://doitong.com/developers/models/florence-2-large/caption.md) (`florence-2-large/caption`): $0.003 / run
- [Florence 2 Large Detailed Caption](https://doitong.com/developers/models/florence-2-large/detailed-caption.md) (`florence-2-large/detailed-caption`): $0.004 / run
- [Florence 2 Large OCR](https://doitong.com/developers/models/florence-2-large/ocr.md) (`florence-2-large/ocr`): $0.003 / run
- [Florence 2 Large Region To Category](https://doitong.com/developers/models/florence-2-large/region-to-category.md) (`florence-2-large/region-to-category`): $0.003 / run
- [Florence-2 Large · More Detailed Caption](https://doitong.com/developers/models/florence-2-large/more-detailed-caption.md) (`florence-2-large/more-detailed-caption`): $0.004 / run

## Links

- HTML page: https://doitong.com/developers/models/vggt-1b
- All models and guides for AI agents: https://doitong.com/developers/llms.txt
- OpenAPI 3.1 with this model's typed request body: https://doitong.com/developers/openapi.json?model=vggt-1b
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/vggt-1b