Pāriet uz saturu

Nemotron Diffusion Vlm

Integrēt

Modeļa id 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"

Šis pieprasījums: ≈0,005 $ 5 API kredīti Izpildīt šajā lapā

Iegūt API atslēgu
NVIDIA Datorredze #utility#editing

Redzes un valodas modelis, kas atbild uz jautājumiem par attēlu, izmantojot uz difūziju balstītu teksta dekodēšanu

NVIDIA · Teksts

Šeit būs jūsu pirmais rezultāts

Izveidojiet pieprasījumu tālāk un izpildiet to ar savu API atslēgu. Izvades tiek kopētas mūsu krātuvē un glabātas mūžīgi vai 7 dienas bez maksas.

Izveidot pieprasījumu

Vadīklas tiek ģenerētas no modeļa shēmas. Kods un cena tiek atjaunināti, kad tos maināt.

•obligāts

Uzvedne, kas norāda, uz ko par attēlu jāatbild.

•obligāts image_url
Nometiet failu vai

URL, kas norāda uz apstrādājamo attēlu.

Papildu max_tokens · num_inference_steps · block_length · threshold · enable_safety_checker
noklusējums 512

Maksimālais ģenerēto marķieru skaits.

noklusējums 256

Norādot to tieši, izvēlieties difūzijas dekodēšanas soļu skaitu, kas ir max_tokens / block_length daudzkārtne; skaits nedrīkst būt mazāks par šo dalījumu.

noklusējums 32

Katra difūzijas dekodēšanas bloka garums.

noklusējums 0.9

Difūzijas dekodēšanas ticamības slieksnis.

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

Palaist šo pieprasījumu

Jūsu atslēga paliek šajā pārlūkprogrammā: tā tiek nosūtīta tikai uz Doitong API un saglabāta (localStorage) tikai tad, ja atzīmējat Atcerēties. Iegūt API atslēgu

Par Nemotron Diffusion Vlm

Saņem attēlu laukā `image_url` un jautājumu laukā `prompt`, un atgriež teksta atbildi. Dekodēšanu var pielāgot ar `max_tokens` (1 līdz 8192), `num_inference_steps` (1 līdz 1024), `block_length` (8 līdz 128) un ticamības `threshold` no 0 līdz 1. Izvade ietver arī laika un lietojuma informāciju.

Parametri

Nosūti vai nu kanonisko nosaukumu, vai vietējo nosaukumu, bet ne abus. Kan啤niskie nosaukumi

NosaukumsTips NoklusējumsAtļauts Apraksts
image_urlobligāts image
Tipsurl · image
URL, kas norāda uz apstrādājamo attēlu.
promptobligāts
Tipsstring
Uzvedne, kas norāda, uz ko par attēlu jāatbild.
max_tokensneobligāts
Tipsinteger
Noklusējums512
1 – 8192
Maksimālais ģenerēto marķieru skaits.
num_inference_stepsneobligāts
Tipsinteger | null
Noklusējums256
1 – 1024
Norādot to tieši, izvēlieties difūzijas dekodēšanas soļu skaitu, kas ir max_tokens / block_length daudzkārtne; skaits nedrīkst būt mazāks par šo dalījumu.
block_lengthneobligāts
Tipsinteger
Noklusējums32
8 – 128
Katra difūzijas dekodēšanas bloka garums.
thresholdneobligāts
Tipsnumber
Noklusējums0.9
0 – 1
Difūzijas dekodēšanas ticamības slieksnis.
enable_safety_checkerneobligāts
Tipsboolean
Noklusējumstrue
Pārbaudi var atslābināt, iestatot false, ja izsaucējam ir atļauja.
obligāts Kan啤niskais nosaukums, arī pieņemts

Failu parametriem nepieciešams publisks https:// URL, data: URI līdz 10 MB vai augšupielādes file_url. Faili

Izvade

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"
  }
}
Jūsu faili, jūsu izvēleKatrs outputs[].url ir kopija mūsu krātuvē: tiek glabāta mūžīgi (maksa par GB mēnesī) vai 7 dienas bez maksas — atbilstoši konta iestatījumam vai ?storage=.
Vienāda struktūra katram modelimtype, url, content_type, width, height un duration gan attēliem, gan video un audio. output ir paša modeļa rezultāta objekts.
Izvades lauki
output
stringModeļa ģenerētā atbilde.
usage
object {prompt_tokens, completion_tokens, num_function_evals}Informācija par marķieru lietojumu un difūzijas dekodēšanu.
timings
object {total_time, image_validation_time, preprocessing_time, gpu_transfer_time, generation_time, decode_time}Pieprasījuma apstrādes laiku sadalījums, mērīts sekundēs.

AI aģentiem: šī lapa Markdown formātā ir pieejama https://doitong.com/lv/developers/models/nemotron-diffusion-vlm.md. Visi modeļi un ceļveži: https://doitong.com/developers/llms.txt