Aqbeż għall-kontenut

Flux 3 Action

Integra

Id tal-mudell flux-3-action/so101
# 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/flux-3-action/so101?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "scene_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "wrist_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "state": [
      -18.94,
      134.52,
      120.15,
      28.3,
      -32.17,
      27.02
    ]
  }'

# 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"

Din it-talba: ≈$0.003 3 krediti tal-API Ħaddmu f’din il-paġna

Ikseb ċavetta API
Black Forest Labs Vidjo għal vidjo #robotic#arm

Mudell ta’ politika robotika li jbassar biċċiet ta’ azzjoni tad-driegħ SO-101 minn frejms tal-kamera, stat tal-ġogi u istruzzjoni

Magħmul fuq Doitong

Xogħlijiet pubbliċi magħmula b’Flux 3 Action mill-komunità ta’ Doitong. Uża prompt mill-ġdid bi klikk waħda.

Xogħlijiet pubbliċi murija: 9
Close-up portrait seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lemb...

Close-up portrait seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lembut kebiruan, dikelilingi bunga teratai berkelopak penuh yang bermekaran indah di permukaan air. Rambutnya pirang pucat tersanggul longgar dengan beberapa helaian tipis jatuh alami membingkai sisi...

Close-up portrait seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lemb...

Close-up portrait seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lembut kebiruan, dikelilingi bunga teratai berkelopak penuh yang bermekaran indah di permukaan air. Rambutnya pirang pucat tersanggul longgar dengan beberapa helaian tipis jatuh alami membingkai sisi...

Prompt Details Seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lembut ...

Prompt Details Seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lembut kebiruan, dikelilingi bunga teratai berkelopak penuh yang bermekaran indah di permukaan air. Rambutnya pirang pucat tersanggul longgar dengan beberapa helaian tipis jatuh alami membingkai sisi...

Seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lembut kebiruan, dikel...

Seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lembut kebiruan, dikelilingi bunga teratai berkelopak penuh yang bermekaran indah di permukaan air. Rambutnya pirang pucat tersanggul longgar dengan beberapa helaian tipis jatuh alami membingkai sisi wajahnya. Ia memeluk...

​"Potret sinematik ultra-realistis close-up seorang anak laki-laki kecil (balita) yang sangat men...

​"Potret sinematik ultra-realistis close-up seorang anak laki-laki kecil (balita) yang sangat menggemaskan dengan mata cokelat besar yang ekspresif, rambut hitam berantakan yang tebal, mengenakan kaus putih kerah henley. Dia berpose dengan kedua tangan terkatup di depan dada, menunjukkan senyum...

​"Potret sinematik ultra-realistis close-up seorang anak laki-laki kecil (balita) yang sangat men...

​"Potret sinematik ultra-realistis close-up seorang anak laki-laki kecil (balita) yang sangat menggemaskan dengan mata cokelat besar yang ekspresif, rambut hitam berantakan yang tebal, mengenakan kaus putih kerah henley. Dia berpose dengan kedua tangan terkatup di depan dada, menunjukkan senyum...

​"Potret sinematik ultra-realistis close-up seorang anak laki-laki kecil (balita) yang sangat men...

​"Potret sinematik ultra-realistis close-up seorang anak laki-laki kecil (balita) yang sangat menggemaskan dengan mata cokelat besar yang ekspresif, rambut hitam berantakan yang tebal, mengenakan kaus putih kerah henley. Dia berpose dengan kedua tangan terkatup di depan dada, menunjukkan senyum...

Foto sinematik hiper-realistis resolusi tinggi menampilkan seorang pria muda Indonesia dengan tub...

Foto sinematik hiper-realistis resolusi tinggi menampilkan seorang pria muda Indonesia dengan tubuh ramping dan proporsional, rambut hitam pendek agak acak, mengenakan jaket kulit hitam, celana riding fit, dan sepatu motor. Ia sedang melakukan aksi freestyle ekstrem dengan motor sport 500cc...

Ibni talba

Il-kontrolli jiġu ġġenerati mill-iskema tal-mudell. Il-kodiċi u l-prezz jaġġornaw hekk kif tibdilhom.

•meħtieġ 88 / 2000

Istruzzjonijiet għall-kompiti tar-robot espressi b’lingwa naturali.

•meħtieġ
Waqqa’ fajl, jew

Immaġni tat-tile tax-xellug li turi l-frejm attwali tal-kamera fissa tax-xena wara d-daqs mill-ġdid għal 256x256.

•meħtieġ
Waqqa’ fajl, jew

Il-frejm attwali tal-kamera tal-polz, imqiegħed fit-tile tal-lemin u bid-daqs imnaqqas għal 256x256.

•meħtieġ

Valuri tal-istat imkejla fl-ordni: pan u lift tal-ispalla, flex tal-minkeb, flex u roll tal-polz, kollha fi gradi, segwiti mill-pożizzjoni tal-gripper bħala perċentwal.

Avvanzat history_scene_image_url · history_wrist_image_url · num_inference_steps · guidance_scale · seed · state_history · command_history
Waqqa’ fajl, jew

Input storiku tal-frejm tax-xena li jeħtieġ `state_history`; jekk jitħalla barra, jintuża l-frejm attwali. Il-frejm ipprovdut jirrappreżenta l-ewwel osservazzjoni tal-istorja, 7 ticks ilu.

Waqqa’ fajl, jew

Il-frejm tal-kamera tal-polz fl-ewwel tick tal-istorja; `state_history` huwa meħtieġ.

prestabbilit 4

Numru ta’ passi ta’ denoising ta’ Euler; il-validazzjoni tal-checkpoint użat 4 passi.

prestabbilit 3

Saħħa tal-gwida mingħajr klassifikatur kemm għall-vidjo kif ukoll għall-azzjoni; issettja għal 1.0 biex tiddiżattiva CFG.

Seed tat-teħid tal-kampjuni bis-settings ta’ referenza ta’ DROID: 0 u SO-101: 42. Jekk ma tispeċifikahx, jintgħażel seed bl-addoċċ.

Storja tal-istat imkejjel, li titħalla barra għal episodju ġdid u inkella teħtieġ `command_history`. Ibgħat il-kejl f’ordni kronoloġika għas-7 control ticks immedjatament qabel `state`, fi 30 Hz.

Storja tal-kmandi assoluti li teħtieġ `state_history`, bl-aħħar kmand mibgħut fl-aħħar ringiela. Ir-ringieli jimxu kronoloġikament fuq 8 observation ticks u jispeċifikaw il-kmand fis-seħħ f’kull tick.

POST /run/flux-3-action/so101?wait=20 kwotazzjoni → $0.003
# 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/flux-3-action/so101?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "scene_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "wrist_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "state": [
      -18.94,
      134.52,
      120.15,
      28.3,
      -32.17,
      27.02
    ]
  }'

# 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"

Ħaddem din it-talba

Iċ-ċavetta tiegħek tibqa’ f’dan il-browser: tintbagħat biss lid-Doitong API u tiġi ssejvjata (localStorage) biss jekk timmarka Ftakar. Ikseb ċavetta API

Dwar Flux 3 Action

Minflok media, dan jirritorna JSON b’`actions` imbassra, ir-rata ta’ kontroll tagħhom, it-tikketti tal-kolonni, u kemm passi inizjali għandhom jiġu eżegwiti (`execute_steps`) qabel tintalab biċċa ġdida. L-inputs meħtieġa huma `prompt` testwali (sa 2000 karattru), `scene_image_url`, `wrist_image_url`, u `state` b’6 valuri. Inputs tal-istorja mhux obbligatorji (`state_history`, `command_history`, immaġnijiet tal-istorja) jipprovdu kuntest temporali. `num_inference_steps` jaħdem minn 1 sa 8 u `guidance_scale` minn 1 sa 10.

Parametri

IsemTip PrestabbilitPermess Deskrizzjoni
promptmeħtieġ
Tipstring
≤ 2,000 karattri
Istruzzjonijiet għall-kompiti tar-robot espressi b’lingwa naturali.
scene_image_urlmeħtieġ
Tipurl · image
Immaġni tat-tile tax-xellug li turi l-frejm attwali tal-kamera fissa tax-xena wara d-daqs mill-ġdid għal 256x256.
wrist_image_urlmeħtieġ
Tipurl · image
Il-frejm attwali tal-kamera tal-polz, imqiegħed fit-tile tal-lemin u bid-daqs imnaqqas għal 256x256.
statemeħtieġ
Tipnumber[]
≤ 6 oġġetti≥ 6 oġġetti
Valuri tal-istat imkejla fl-ordni: pan u lift tal-ispalla, flex tal-minkeb, flex u roll tal-polz, kollha fi gradi, segwiti mill-pożizzjoni tal-gripper bħala perċentwal.
state_historymhux obbligatorju
Tiparray[]
≤ 7 oġġetti≥ 7 oġġetti
Storja tal-istat imkejjel, li titħalla barra għal episodju ġdid u inkella teħtieġ `command_history`. Ibgħat il-kejl f’ordni kronoloġika għas-7 control ticks immedjatament qabel `state`, fi 30 Hz.
command_historymhux obbligatorju
Tiparray[]
≤ 8 oġġetti≥ 8 oġġetti
Storja tal-kmandi assoluti li teħtieġ `state_history`, bl-aħħar kmand mibgħut fl-aħħar ringiela. Ir-ringieli jimxu kronoloġikament fuq 8 observation ticks u jispeċifikaw il-kmand fis-seħħ f’kull tick.
history_scene_image_urlmhux obbligatorju
Tipurl · image
Input storiku tal-frejm tax-xena li jeħtieġ `state_history`; jekk jitħalla barra, jintuża l-frejm attwali. Il-frejm ipprovdut jirrappreżenta l-ewwel osservazzjoni tal-istorja, 7 ticks ilu.
history_wrist_image_urlmhux obbligatorju
Tipurl · image
Il-frejm tal-kamera tal-polz fl-ewwel tick tal-istorja; `state_history` huwa meħtieġ.
num_inference_stepsmhux obbligatorju
Tipinteger
Prestabbilit4
1 – 8
Numru ta’ passi ta’ denoising ta’ Euler; il-validazzjoni tal-checkpoint użat 4 passi.
guidance_scalemhux obbligatorju
Tipnumber
Prestabbilit3
1 – 10
Saħħa tal-gwida mingħajr klassifikatur kemm għall-vidjo kif ukoll għall-azzjoni; issettja għal 1.0 biex tiddiżattiva CFG.
seedmhux obbligatorju
Tipinteger | null
Seed tat-teħid tal-kampjuni bis-settings ta’ referenza ta’ DROID: 0 u SO-101: 42. Jekk ma tispeċifikahx, jintgħażel seed bl-addoċċ.
meħtieġ

Il-parametri tal-fajls jaċċettaw URL pubbliku https://, URI data: sa 10 MB, jew file_url ta’ upload. Fajls

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "flux-3-action/so101",
  "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": 3,
    "usd": "0.003",
    "charged": 3,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "scene_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "wrist_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "state": [
      -18.94,
      134.52,
      120.15,
      28.3,
      -32.17,
      27.02
    ]
  },
  "output": {
    "actions": [
      [
        1.0
      ]
    ],
    "action_labels": [
      "string"
    ],
    "action_hz": 1.0,
    "execute_steps": 1,
    "seed": 42,
    "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"
  }
}
Il-fajls tiegħek, l-għażla tiegħekKull outputs[].url huwa kopja fil-ħażna tagħna: miżmuma għal dejjem (imħallsa għal kull GB-xahar) jew 7 ijiem b’xejn, skont l-issettjar tal-kont tiegħek jew ?storage=.
L-istess struttura fuq kull mudelltype, url, content_type, width, height u duration, kemm għall-immaġnijiet kif ukoll għall-vidjo u l-awdjo. output huwa l-oġġett tar-riżultat tal-mudell innifsu.
Oqsma tal-output
actions
array of array of numberArray ta’ azzjonijiet ippreveduti b’ringieli kronoloġiċi li jirrappreżentaw passi ta’ kontroll; il-valuri mhumiex limitati, għalhekk il-limiti tal-ġonot, tal-veloċità u tal-ispazju tax-xogħol għandhom jiġu infurzati fuq ir-robot. Fi 30 Hz, SO-101 jipprovdi 42x6 kmandi assoluti fi gradi u gripper %; fi 15 Hz, DROID jipprovdi 32x8 miri assoluti tal-ġonot f’radians flimkien mal-frazzjoni magħluqa tal-gripper.
action_labels
array of stringIsmijiet li jikkorrispondu mal-kolonni tal-azzjoni.
action_hz
numberIl-frekwenza tal-kontroll għar-ringieli tal-azzjoni.
execute_steps
integerNumru ta’ azzjonijiet inizjali li għandhom jiġu eżegwiti qabel tintalab biċċa oħra.
seed
integerSeed każwali użat waqt it-teħid tal-kampjuni.
timings
objectKejl tal-ħin mis-server, espress f’sekondi.

Għall-aġenti tal-AI: din il-paġna bħala Markdown tinsab fuq https://doitong.com/mt/developers/models/flux-3-action/so101.md. Il-mudelli u l-gwidi kollha: https://doitong.com/developers/llms.txt