Sleppa yfir í efni

Nemotron Diffusion Vlm

Tengja

Auðkenni líkans 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"

Þessi beiðni: ≈0,005 $ 5 API-inneignir Keyra á þessari síðu

Fá API-lykil
NVIDIA Sjón #utility#editing

Sjón- og málalíkan sem svarar kvaðningum um mynd með textaafkóðun byggðri á diffusion

NVIDIA · Texti

Fyrsta niðurstaðan þín birtist hér

Búðu til beiðni hér að neðan og keyrðu hana með API-lyklinum þínum. Úttök eru afrituð í geymsluna okkar og geymd að eilífu eða 7 dagar án kostnaðar.

Búa til beiðni

Stýringar eru búnar til út frá líkanaskemanu. Kóðinn og verðið uppfærast þegar þú breytir þeim.

•áskilið

Kvaðning sem tilgreinir hverju á að svara um myndina.

•áskilið image_url
Slepptu skrá eða

URL sem vísar á myndina sem á að vinna úr.

Ítarlegt max_tokens · num_inference_steps · block_length · threshold · enable_safety_checker
sjálfgefið 512

Efri mörk myndaðra tákna.

sjálfgefið 256

Veldu fjölda afkóðunarskrefa dreifingar sem margfeldi af max_tokens / block_length þegar hann er tilgreindur sérstaklega; fjöldinn má einnig ekki vera minni en þessi deiling.

sjálfgefið 32

Lengd hvers afkóðunarhluta dreifingar.

sjálfgefið 0.9

Öryggismörk fyrir afkóðun dreifingar.

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

Keyra þessa beiðni

Lykillinn þinn er áfram í þessum vafra: hann er aðeins sendur til Doitong API og vistaður í localStorage aðeins ef þú hakar við Muna. Fá API-lykil

Um Nemotron Diffusion Vlm

Tekur mynd í `image_url` og spurningu í `prompt` og skilar textasvari. Afkóðun er stillanleg með `max_tokens` (1 til 8192), `num_inference_steps` (1 til 1024), `block_length` (8 til 128) og öryggismörkum `threshold` frá 0 til 1. Úttakið inniheldur einnig tímasetningar- og notkunarupplýsingar.

Færibreytur

Sendu annaðhvort samræmda heitið eða upprunalega heitið, ekki bæði. Samræmd heiti

HeitiGerð SjálfgefiðLeyfilegt Lýsing
image_urláskilið image
Gerðurl · image
URL sem vísar á myndina sem á að vinna úr.
promptáskilið
Gerðstring
Kvaðning sem tilgreinir hverju á að svara um myndina.
max_tokensvalfrjálst
Gerðinteger
Sjálfgefið512
1 – 8.192
Efri mörk myndaðra tákna.
num_inference_stepsvalfrjálst
Gerðinteger | null
Sjálfgefið256
1 – 1.024
Veldu fjölda afkóðunarskrefa dreifingar sem margfeldi af max_tokens / block_length þegar hann er tilgreindur sérstaklega; fjöldinn má einnig ekki vera minni en þessi deiling.
block_lengthvalfrjálst
Gerðinteger
Sjálfgefið32
8 – 128
Lengd hvers afkóðunarhluta dreifingar.
thresholdvalfrjálst
Gerðnumber
Sjálfgefið0.9
0 – 1
Öryggismörk fyrir afkóðun dreifingar.
enable_safety_checkervalfrjálst
Gerðboolean
Sjálfgefiðtrue
Hægt er að slaka á skimun með því að stilla false, ef beiðandi hefur heimild.
áskilið Samræmt heiti, einnig samþykkt

Skrárfæribreytur taka við opinberri https://-vefslóð, data:-URI allt að 10 MB eða file_url fyrir upphleðslu. Skrár

Úttak

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"
  }
}
Skrárnar þínar, þitt valHvert outputs[].url er afrit í geymslunni okkar: geymt að eilífu (greitt fyrir hvert GB-mánuðargildi) eða 7 dagar án kostnaðar, eftir stillingu aðgangsins þíns eða ?storage=.
Sama lögun í öllum líkönumtype, url, content_type, width, height og duration, jafnt fyrir myndir, myndbönd og hljóð. output er eigið niðurstöðuhlutur líkansins.
Reitir úttaks
output
stringSvar sem líkanið bjó til.
usage
object {prompt_tokens, completion_tokens, num_function_evals}Notkunarupplýsingar fyrir tákn og afkóðun dreifingar.
timings
object {total_time, image_validation_time, preprocessing_time, gpu_transfer_time, generation_time, decode_time}Sundurliðun vinnslutíma beiðni, mæld í sekúndum.

Fyrir gervigreindarþjóna: þessi síða á Markdown-sniði er á https://doitong.com/is/developers/models/nemotron-diffusion-vlm.md. Öll líkön og leiðbeiningar: https://doitong.com/developers/llms.txt