Мазмұнға өту

Nemotron Diffusion Vlm

Интеграциялау

Модель идентификаторы 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"

Осы сұрау: ≈0,005 $ 5 API кредиті Осы бетте іске қосу

API кілтін алу
NVIDIA Компьютерлік көру #utility#editing

Диффузияға негізделген мәтін декодтауы арқылы кескін туралы нұсқауларға жауап беретін vision-language моделі

NVIDIA · Мәтін

Алғашқы нәтижеңіз осында пайда болады

Төменде сұрау құрып, оны API кілтіңізбен іске қосыңыз. Шығыстар сақтау орнымызға көшіріліп, мәңгі немесе 7 күн тегін сақталады.

Сұрау жасау

Басқару элементтері модель схемасынан жасалады. Оларды өзгерткен сайын код пен баға жаңартылады.

•міндетті

Кескін туралы неге жауап беру керегін көрсететін нұсқау.

•міндетті image_url
Файлды тастаңыз немесе

Өңделетін кескінге сілтейтін URL.

Қосымша max_tokens · num_inference_steps · block_length · threshold · enable_safety_checker
әдепкі 512

Генерацияланған токендердің жоғарғы шегі.

әдепкі 256

Диффузиялық декодтау қадамдарының санын max_tokens / block_length мәнінің еселігі ретінде көрсетіңіз; бұл сан сол бөліндіден кем болмауы керек.

әдепкі 32

Әр диффузиялық декодтау блогының ұзындығы.

әдепкі 0.9

Диффузиялық декодтауға арналған сенімділік шегі.

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

Осы сұрауды іске қосу

Кілтіңіз осы браузерде қалады: ол тек Doitong API-ге жіберіледі және Remember параметрін белгілеcеңіз ғана localStorage ішінде сақталады. API кілтін алу

Nemotron Diffusion Vlm туралы

`image_url` арқылы сурет және `prompt` арқылы сұрақ қабылдап, мәтіндік жауап қайтарады. Декодтауды `max_tokens` (1-8192), `num_inference_steps` (1-1024), `block_length` (8-128) және 0-ден 1-ге дейінгі сенімділік `threshold` арқылы реттеуге болады. Шығыста уақыт пен пайдалану мәліметтері де бар.

Параметрлер

Канондық атауды немесе төл атауды жіберіңіз, екеуін қатар жібермеңіз. Канондық атаулар

АтауыТүрі ӘдепкіРұқсат етілген Сипаттама
image_urlміндетті image
Түріurl · image
Өңделетін кескінге сілтейтін URL.
promptміндетті
Түріstring
Кескін туралы неге жауап беру керегін көрсететін нұсқау.
max_tokensміндетті емес
Түріinteger
Әдепкі512
1 – 8 192
Генерацияланған токендердің жоғарғы шегі.
num_inference_stepsміндетті емес
Түріinteger | null
Әдепкі256
1 – 1 024
Диффузиялық декодтау қадамдарының санын max_tokens / block_length мәнінің еселігі ретінде көрсетіңіз; бұл сан сол бөліндіден кем болмауы керек.
block_lengthміндетті емес
Түріinteger
Әдепкі32
8 – 128
Әр диффузиялық декодтау блогының ұзындығы.
thresholdміндетті емес
Түріnumber
Әдепкі0.9
0 – 1
Диффузиялық декодтауға арналған сенімділік шегі.
enable_safety_checkerміндетті емес
Түріboolean
Әдепкіtrue
Шақырушы авторизацияланған болса, false мәнін орнату арқылы тексеруді жеңілдетуге болады.
міндетті Канондық атау, бұл да қабылданады

Файл параметрлері жалпыға қолжетімді https:// URL мекенжайын, 10 MB-қа дейінгі data: URI мекенжайын немесе жүктеп салынған файлдың file_url мәнін қабылдайды. Файлдар

Шығыс

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"
  }
}
Файлдарыңыз — таңдауыңызӘр outputs[].url — сақтау орнымыздағы көшірме: мәңгі (әр GB-ай үшін ақылы) немесе аккаунт параметрі не ?storage= арқылы 7 күн тегін сақталады.
Әр модельдегі пішім бірдейtype, url, content_type, width, height және duration — кескіндерге, бейнеге және аудиоға ортақ. output — модельдің өз нәтижелер нысаны.
Шығыс өрістері
output
stringМодель жасаған жауап.
usage
object {prompt_tokens, completion_tokens, num_function_evals}Токендерді пайдалану және диффузиялық декодтау мәліметтері.
timings
object {total_time, image_validation_time, preprocessing_time, gpu_transfer_time, generation_time, decode_time}Сұрауды өңдеу уақытының секундпен өлшенген бөлінісі.

AI агенттеріне: бұл беттің Markdown нұсқасы мына жерде: https://doitong.com/kk/developers/models/nemotron-diffusion-vlm.md. Барлық модельдер мен нұсқаулықтар: https://doitong.com/developers/llms.txt