Aqbeż għall-kontenut

Nemotron Diffusion Vlm

Integra

Id tal-mudell 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"

Din it-talba: ≈$0.005 5 krediti tal-API Ħaddmu f’din il-paġna

Ikseb ċavetta API
NVIDIA Viżjoni #utility#editing

Mudell viżjoni-lingwa li jwieġeb prompts dwar immaġni billi juża dekodifikazzjoni tat-test ibbażata fuq diffusion

NVIDIA · Test

L-ewwel riżultat tiegħek jidher hawn

Ibni talba hawn taħt u ħaddimha biċ-ċavetta API tiegħek. L-outputs jiġu kkupjati fil-ħażna tagħna, miżmuma għal dejjem jew 7 ijiem b’xejn.

Ibni talba

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

•meħtieġ

Prompt li jispeċifika x’għandu jitwieġeb dwar l-immaġni.

•meħtieġ image_url
Waqqa’ fajl, jew

URL li jindika l-immaġni għall-ipproċessar.

Avvanzat max_tokens · num_inference_steps · block_length · threshold · enable_safety_checker
prestabbilit 512

Limitu massimu fuq tokens iġġenerati.

prestabbilit 256

Agħżel l-għadd tal-passi tad-dekodifikazzjoni tad-diffużjoni bħala multiplu ta’ max_tokens / block_length meta tispeċifikah b’mod espliċitu; l-għadd irid ikun ukoll mhux inqas minn dak il-kwotjent.

prestabbilit 32

Tul ta’ kull blokka tad-dekodifikazzjoni tad-diffużjoni.

prestabbilit 0.9

Limitu ta’ kunfidenza għad-dekodifikazzjoni tad-diffużjoni.

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

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 Nemotron Diffusion Vlm

Jieħu immaġni f’`image_url` u mistoqsija f’`prompt`, u jirritorna tweġiba ta’ test. Id-dekodifikazzjoni tista’ tiġi aġġustata permezz ta’ `max_tokens` (1 sa 8192), `num_inference_steps` (1 sa 1024), `block_length` (8 sa 128) u `threshold` ta’ kunfidenza minn 0 sa 1. L-output jinkludi wkoll dettalji dwar il-ħin u l-użu.

Parametri

Ibgħat jew l-isem kanoniku jew l-isem nattiv, mhux it-tnejn. Ismijiet kanoniċi

IsemTip PrestabbilitPermess Deskrizzjoni
image_urlmeħtieġ image
Tipurl · image
URL li jindika l-immaġni għall-ipproċessar.
promptmeħtieġ
Tipstring
Prompt li jispeċifika x’għandu jitwieġeb dwar l-immaġni.
max_tokensmhux obbligatorju
Tipinteger
Prestabbilit512
1 – 8,192
Limitu massimu fuq tokens iġġenerati.
num_inference_stepsmhux obbligatorju
Tipinteger | null
Prestabbilit256
1 – 1,024
Agħżel l-għadd tal-passi tad-dekodifikazzjoni tad-diffużjoni bħala multiplu ta’ max_tokens / block_length meta tispeċifikah b’mod espliċitu; l-għadd irid ikun ukoll mhux inqas minn dak il-kwotjent.
block_lengthmhux obbligatorju
Tipinteger
Prestabbilit32
8 – 128
Tul ta’ kull blokka tad-dekodifikazzjoni tad-diffużjoni.
thresholdmhux obbligatorju
Tipnumber
Prestabbilit0.9
0 – 1
Limitu ta’ kunfidenza għad-dekodifikazzjoni tad-diffużjoni.
enable_safety_checkermhux obbligatorju
Tipboolean
Prestabbilittrue
L-iskrinjar jista’ jiġi rilassat billi jiġi ssettjat għal false, sakemm min jagħmel it-talba jkun awtorizzat.
meħtieġ Isem kanoniku, aċċettat ukoll

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": "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"
  }
}
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
output
stringTweġiba prodotta mill-mudell.
usage
object {prompt_tokens, completion_tokens, num_function_evals}Dettalji tal-użu tat-tokens u tad-dekodifikazzjoni tad-diffużjoni.
timings
object {total_time, image_validation_time, preprocessing_time, gpu_transfer_time, generation_time, decode_time}Tqassim tal-ħinijiet tal-ipproċessar tat-talba, imkejla f’sekondi.

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