Trellis 2

ပေါင်းစည်းရန်

မော်ဒယ် id trellis-2

# 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/trellis-2?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"
  }'

# 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"

const API = "https://api.doitong.com/v1";
const headers = {
  "Authorization": "Bearer " + process.env.DOITONG_API_KEY,
  "Content-Type": "application/json",
};

// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/trellis-2?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  }),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);

// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
  res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
  request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");

import os
import requests

API = "https://api.doitong.com/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/trellis-2", params={"wait": 20}, json=payload, headers=headers)
request = r.json()
if not r.ok:
    raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"])

# Not finished yet: long-poll until it is
while request["status"] in ("queued", "running"):
    request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json()
if request["status"] != "succeeded":
    raise RuntimeError(request["error"])
print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"])

# 1. Connect once (Claude Code; Cursor, VS Code, Claude Desktop: https://doitong.com/my/developers/docs/mcp)
claude mcp add --transport http doitong-models https://api.doitong.com/v1/mcp \
  --header "Authorization: Bearer $DOITONG_API_KEY"

# 2. Your agent calls the "run" tool with:
{
  "model_id": "trellis-2",
  "input": {
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  }
}

Doitong API မှတစ်ဆင့် Trellis 2 မော်ဒယ် (trellis-2) ကို ခေါ်ယူပါ။ အေးဂျင့်များအတွက် စာရွက်စာတမ်းများ: https://doitong.com/my/developers/models/trellis-2.md

POST https://api.doitong.com/v1/run/trellis-2?wait=20
Authorization: Bearer $DOITONG_API_KEY
Content-Type: application/json

{
  "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
}

Response status သည် "queued" သို့မဟုတ် "running" ဖြစ်ပါက "succeeded" ဖြစ်သည်အထိ GET https://api.doitong.com/v1/requests/REQUEST_ID?wait=20 ဖြင့် poll လုပ်ပါ။ ဖိုင်များသည် outputs[].url တွင် ရှိသည်။ လုပ်ဆောင်မီ အတိအကျစျေးနှုန်းရရန် တူညီသော body ဖြင့် POST https://api.doitong.com/v1/quote/trellis-2 ကို အသုံးပြုပါ။

ဤတောင်းဆိုချက်: ၀.၃၀ $ ၃၀၀ API ခရက်ဒစ် ဤစာမျက်နှာတွင် လုပ်ဆောင်ရန်

API ကီး ရယူရန်

Microsoft ပုံမှ 3D #image-to-3d

ဖွဲ့စည်းပုံ၊ ပုံသဏ္ဍာန်၊ မျက်နှာပြင်အသားပေးမှုနှင့် UV ဆက်တင်များကို ချိန်ညှိနိုင်သော ပုံတစ်ပုံမှ မျက်နှာပြင်အသားပေးထားသည့် GLB 3D မက်ရှ်အဖြစ် ပြောင်းလဲပေးသည်

OpenAPI Markdown

Microsoft · 3D

သင့်ပထမဆုံးရလဒ် ဤနေရာတွင် ပေါ်လာမည်

အောက်တွင် တောင်းဆိုချက်တစ်ခု တည်ဆောက်ပြီး သင့် API ကီးဖြင့် လုပ်ဆောင်ပါ။ ထွက်ရလဒ်များကို ကျွန်ုပ်တို့၏ သိုလှောင်မှုသို့ ကူးယူပြီး အမြဲတမ်း သို့မဟုတ် ၇ ရက် အခမဲ့ သိမ်းထားသည်။

တောင်းဆိုမှုတစ်ခု တည်ဆောက်ရန်

စျေးနှုန်း

အတိအကျ စျေးနှုန်း

၀.၃၀ $တစ်ကြိမ်လုပ်ဆောင်မှုလျှင်

၃၀၀ API ခရက်ဒစ်

စျေးနှုန်း- ၀.၂၅ $ မှ စတင်သည်

တောင်းဆိုမှု ၁ ခု × ၀.၃၀ $ လုပ်ဆောင်ရန် · ၀.၃၀ $

အောင်မြင်မှသာ ကောက်ခံပြီး မအောင်မြင်ပါက အလိုအလျောက် ပြန်အမ်းပေးသည်။

resolution မူလ 1024

စျေးနှုန်း စည်းမျဉ်းများ

resolution = 1024 ဖြစ်ပါက: ၀.၃၀ $ / တောင်းဆိုချက်
resolution = 1536 ဖြစ်ပါက: ၀.၃၅ $ / တောင်းဆိုချက်

တောင်းဆိုမှုတစ်ခုလျှင် တစ်ကြိမ်ကောက်ခံသည်။

စျေးနှုန်းတွက်ချက်ရန် Endpoint: POST /quote/{id}

တောင်းဆိုမှုတစ်ခု တည်ဆောက်ရန်

ထိန်းချုပ်မှုများကို မော်ဒယ် schema မှ အလိုအလျောက်ဖန်တီးသည်။ ၎င်းတို့ကို ပြောင်းလဲသည်နှင့် code နှင့် စျေးနှုန်းတို့လည်း ပြောင်းလဲမည်။

image •လိုအပ်သည် image_url

ဖိုင်ကို ဆွဲချပါ၊ သို့မဟုတ်

3D ပြောင်းလဲရန် မူရင်းပုံသို့ ညွှန်ပြသည့် URL။

resolution မူလ 1024

ထွက်ရလဒ်၏ ရုပ်ထွက်အရည်အသွေး။ မြှင့်တင်ပါက အသေးစိတ်ပိုရသော်လည်း အချိန်ပိုကြာသည်။

အဆင့်မြင့် texture_size · ss_guidance_strength · ss_guidance_rescale · ss_guidance_interval_start · ss_guidance_interval_end · ss_sampling_steps · ss_rescale_t · shape_slat_guidance_strength · shape_slat_guidance_rescale · shape_slat_guidance_interval_start · shape_slat_guidance_interval_end · shape_slat_sampling_steps · shape_slat_rescale_t · tex_slat_guidance_strength · tex_slat_guidance_rescale · tex_slat_guidance_interval_start · tex_slat_guidance_interval_end · tex_slat_sampling_steps · tex_slat_rescale_t · decimation_target · remesh_band · remesh_project · uv_unwrap_angle_threshold_deg · uv_unwrap_refine_iterations · uv_unwrap_global_iterations · uv_unwrap_smooth_strength · seed · remesh

texture_size မူလ 2048

Baking အတွက် mesh texture ရုပ်ထွက်အရည်အသွေး။ ဤရုပ်ထွက်အရည်အသွေးကို မြှင့်တင်ပါက မျက်နှာပြင်အသေးစိတ် ပိုကောင်းသော်လည်း ဖိုင်အရွယ်အစား ပိုကြီးသည်။

ss_guidance_strength မူလ 7.5

ကနဦး 3D ဖွဲ့စည်းပုံ၏ တူညီမှုထိန်းချုပ်ချက်။ မြှင့်တင်ပါက ထည့်သွင်းပုံနှင့် ပိုမိုနီးစပ်သော်လည်း noise ပိုလာနိုင်သည်။

ss_guidance_rescale မူလ 0.7

Stage 1 guidance-artifact ထိန်းချုပ်ချက်။ ဆက်တင်နိမ့်လျှင် guidance သက်ရောက်မှု ပိုပြင်းပြီး ဆက်တင်မြင့်လျှင် ထွက်ရလဒ် ပိုတည်ငြိမ်သည်။

ss_guidance_interval_start မူလ 0.6

အဆင့် 1 (sparse structure) ရှိ classifier-free guidance ဝင်းဒိုး၏ စတင်နယ်နိမိတ်၊ denoising အပိုင်းအဖြစ် ဖော်ပြသည်။ တန်ဖိုးနိမ့်လေ လမ်းညွှန်မှုစောစောစတင်လေဖြစ်သည်။ interval_start မှ interval_end အထိသာ လမ်းညွှန်မှုအသုံးပြုပြီး ကျန်နေရာတွင် လမ်းညွှန်မှုမပါဘဲ လုပ်ဆောင်သည်။

ss_guidance_interval_end မူလ 1

အဆင့် 1 (sparse structure) အတွက် လမ်းညွှန်မှုရပ်တန့်မှတ်: ss_guidance_interval_start ထက် ကြီးသော သို့မဟုတ် တူညီသော တန်ဖိုးကို ရွေးပါ။ classifier-free guidance ရပ်တန့်သည့် denoising အပိုင်းကို တန်ဖိုးက သတ်မှတ်သည်။

ss_sampling_steps မူလ 12

ကနဦးဖွဲ့စည်းပုံ denoising အဆင့်အရေအတွက်။ အဆင့်များတိုးခြင်းဖြင့် အရည်အသွေးတိုးနိုင်သော်လည်း processing ပိုနှေးသည်။

ss_rescale_t မူလ 5

ဖွဲ့စည်းပုံဖန်တီးမှု noise schedule မှတစ်ဆင့် transition ပြတ်သားမှုကို သတ်မှတ်ပါ။ ဤတန်ဖိုးကို မြှင့်တင်ပါက transition များ ပိုပြတ်သားလာသည်။

shape_slat_guidance_strength မူလ 7.5

အသေးစိတ် geometry ၏ တူညီမှုထိန်းချုပ်ချက်။ ထည့်သွင်းပုံနှင့် ပိုမိုလိုက်လျောညီထွေစေပါက အသေးစိတ်ပိုရသော်လည်း noise ပိုလာနိုင်သည်။

shape_slat_guidance_rescale မူလ 0.5

Geometry သည် noise များနေပါက ဤဆက်တင်ကို မြှင့်တင်ပါ။ Shape stage အတွင်း ပြင်းထန်သော guidance ကြောင့် ဖြစ်သည့် artifact များကို လျှော့ချပေးသည်။

shape_slat_guidance_interval_start မူလ 0.6

အဆင့် 2 တွင် shape refinement အတွက် classifier-free guidance စတင်မှတ်။ denoising တိုးတက်မှု၏ အပိုင်းအဖြစ် ဖော်ပြပြီး interval_start ကို သတ်မှတ်သည်။ guidance သည် interval_start နှင့် interval_end ကြား ဝင်းဒိုးအတွင်းသာ လုပ်ဆောင်သည်။

shape_slat_guidance_interval_end မူလ 1

အဆင့် 2 (shape refinement) အတွက် လမ်းညွှန်မှုရပ်တန့်မှတ်: shape_slat_guidance_interval_start ထက် ကြီးသော သို့မဟုတ် တူညီသော တန်ဖိုးကို ရွေးပါ။ classifier-free guidance ရပ်တန့်သည့် denoising အပိုင်းကို တန်ဖိုးက သတ်မှတ်သည်။

shape_slat_sampling_steps မူလ 12

Shape-refinement denoising အဆင့်အရေအတွက်။ အဆင့်များထပ်သုံးပါက geometry ပိုချောမွေ့နိုင်သော်လည်း မြန်နှုန်းကျဆင်းသည်။

shape_slat_rescale_t မူလ 3

Shape-refinement noise schedule မှတစ်ဆင့် geometric detail ပြတ်သားမှုကို သတ်မှတ်ပါ။ ဤတန်ဖိုးကို မြှင့်တင်ပါက အသေးစိတ်များ ပိုပြတ်သားလာသည်။

tex_slat_guidance_strength မူလ 1

Texture အရောင်တူညီမှု ထိန်းချုပ်ချက်။ မြင့်မားသောဆက်တင်တွင် ထည့်သွင်းပုံရှိ အရောင်များနှင့် ပိုမိုလိုက်လျောညီထွေစေကာ အရောင်တောက်ပမှု တိုးလာသော်လည်း အရောင်လွန်ကဲနိုင်သည်။

tex_slat_guidance_rescale မူလ 0

Texture များတွင် noise သို့မဟုတ် color banding ရှိပါက ဤဆက်တင်ကို မြှင့်တင်ပါ။ Texture stage အတွင်း ပြင်းထန်သော guidance ကြောင့် ဖြစ်သည့် artifact များကို လျှော့ချပေးသည်။

tex_slat_guidance_interval_start မူလ 0.6

အဆင့် 3 တွင် texture ဖန်တီးမှုအတွက် classifier-free guidance စတင်မှတ်။ denoising တိုးတက်မှု၏ အပိုင်းအဖြစ် ဖော်ပြပြီး interval_start ကို သတ်မှတ်သည်။ guidance သည် interval_start နှင့် interval_end ကြား ဝင်းဒိုးအတွင်းသာ လုပ်ဆောင်သည်။

tex_slat_guidance_interval_end မူလ 0.9

အဆင့် 3 (texture) အတွက် လမ်းညွှန်မှုရပ်တန့်မှတ်: tex_slat_guidance_interval_start ထက် ကြီးသော သို့မဟုတ် တူညီသော တန်ဖိုးကို ရွေးပါ။ classifier-free guidance ရပ်တန့်သည့် denoising အပိုင်းကို တန်ဖိုးက သတ်မှတ်သည်။

tex_slat_sampling_steps မူလ 12

Texture များဖန်တီးရာတွင် အသုံးပြုသည့် denoising အဆင့်အရေအတွက်။ အဆင့်အရေအတွက် တိုးပါက အချိန်ပိုကြာသော်လည်း texture ပိုသန့်ရှင်းနိုင်သည်။

tex_slat_rescale_t မူလ 3

Texture-generation noise schedule မှတစ်ဆင့် texture detail ပြတ်သားမှုကို သတ်မှတ်ပါ။ ဤတန်ဖိုးကို မြှင့်တင်ပါက အသေးစိတ်များ ပိုပြတ်သားလာသည်။

decimation_target မူလ 500000

mesh vertex အရေအတွက် ပစ်မှတ်။ ယေဘုယျအသုံးပြုမှုအတွက် 500k နှင့် web/mobile အတွက် 20k–50k ကို အကြံပြုသည်။ ပစ်မှတ်လျှော့ခြင်းသည် mesh အသေးစိတ်ကို လျှော့ပြီး ဖိုင်အရွယ်အစားကို သေးငယ်စေသည်။

remesh_band မူလ 1

Remeshing လှုပ်ရှားမှုခွင့်ပြုချက်: ဤတန်ဖိုးကို မြှင့်သောအခါ ပိုမိုချောမွေ့စေခြင်းကြောင့် အသေးစိတ်များ ဆုံးရှုံးနိုင်သည်။ ဤဆက်တင်သည် မူလမျက်နှာပြင်နှင့် နှိုင်းယှဉ်၍ vertex ရွှေ့ပြောင်းမှုကို ကန့်သတ်သည်။

remesh_project မူလ 0

Remeshed vertex များကို မူလမျက်နှာပြင်သို့ ပြန်လည် projection ပြုရန် အင်အား: 1 သည် အပြည့်အဝ projection ဖြင့် အသေးစိတ်ကို ထိန်းသိမ်းပြီး 0 သည် projection ကို ပိတ်ကာ ပိုမိုချောမွေ့သော ရလဒ်ကို ပေးသည်။

uv_unwrap_angle_threshold_deg မူလ 90

UV chart အတွင်းရှိ အနီးချင်းမျက်နှာပြင် normal များ ကွာခြားနိုင်သည့် ပမာဏကို ကန့်သတ်သော UV chart ထောင့်ကန့်သတ်ချက် (ဒီဂရီဖြင့်)။ ကန့်သတ်ချက်ကို မြှင့်ခြင်းဖြင့် chart အရေအတွက်နည်းပြီး ပိုကြီးသော chart များကို ဦးစားပေးသော်လည်း ဆန့်ထွက်မှု ဖြစ်နိုင်သည်။ လျှော့ခြင်းဖြင့် chart ပိုများပြီး ပုံပျက်မှုနည်းသည်။

uv_unwrap_refine_iterations မူလ 0

UV chart များကို တွက်ချက်ရန် အသုံးပြုသော local refinement pass အရေအတွက်။

uv_unwrap_global_iterations မူလ 1

UV chart များကို တွက်ချက်ရန် အသုံးပြုသော global clustering pass အရေအတွက်ကို မြှင့်ခြင်းဖြင့် UV chart ချိန်ညှိမှုကို ပိုမိုကောင်းမွန်စေနိုင်သည်။

uv_unwrap_smooth_strength မူလ 1

UV chart အနားများကို ချောမွေ့စေသည့် အင်အားကို ချိန်ညှိသည်။ ဆက်တင်မြင့်လေ seam များ ပိုမိုမမြင်သာသော်လည်း UV ပုံပျက်နိုင်သည်။

seed

ပြန်လည်ထုတ်လုပ်နိုင်သော ကျပန်းဖန်တီးမှုအတွက် အသုံးပြုသည့် seed။

POST /run/trellis-2?wait=20 ကုန်ကျစရိတ် → ၀.၃၀ $

# 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/trellis-2?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"
  }'

# 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"

const API = "https://api.doitong.com/v1";
const headers = {
  "Authorization": "Bearer " + process.env.DOITONG_API_KEY,
  "Content-Type": "application/json",
};

// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/trellis-2?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  }),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);

// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
  res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
  request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");

import os
import requests

API = "https://api.doitong.com/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/trellis-2", params={"wait": 20}, json=payload, headers=headers)
request = r.json()
if not r.ok:
    raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"])

# Not finished yet: long-poll until it is
while request["status"] in ("queued", "running"):
    request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json()
if request["status"] != "succeeded":
    raise RuntimeError(request["error"])
print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"])

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "trellis-2",
      "input": {
        "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
      },
      "wait_seconds": 20
    }
  }
}

ဤတောင်းဆိုချက်ကို လုပ်ဆောင်ရန်

API ကီး

သင့် key သည် ဤဘရောက်ဇာထဲတွင်သာ ရှိမည်ဖြစ်ပြီး Doitong API သို့သာ ပို့မည်။ Remember ကို အမှန်ခြစ်ထားမှသာ (localStorage) တွင် သိမ်းမည်။ ဤဘရောက်ဇာတွင် မှတ်ထားရန် API ကီး ရယူရန်

Trellis 2 အကြောင်း

ပုံတစ်ပုံ (`image_url`) မှ 3D အက်ဆက်တစ်ခု တည်ဆောက်ပြီး GLB ဖိုင်ကို ပြန်ပေးသည်။ `resolution` သည် 512၊ 1024 သို့မဟုတ် 1536 ဖြစ်ပြီး `texture_size` သည် 1024၊ 2048 သို့မဟုတ် 4096 ဖြစ်သည်။ အဆင့်သုံးဆင့် (ဖွဲ့စည်းပုံ၊ ပုံသဏ္ဌာန်၊ မျက်နှာပြင်အသားပေး) တစ်ခုစီတွင် သီးခြား လမ်းညွှန်မှုနှင့် ဆမ်ပလင်းအဆင့် အရေအတွက် ထိန်းချုပ်မှုများ ပါရှိသည်။ `decimation_target` က မက်ရှ်၏ ထိပ်မှတ်အရေအတွက် (5,000 မှ 2,000,000 အထိ) ကို သတ်မှတ်ပေးပြီး မက်ရှ်ပြန်ဖွဲ့ခြင်းနှင့် UV ဖြန့်ချခြင်းဆိုင်ရာ ရွေးချယ်စရာများလည်း ပေးထားသည်။

ပါရာမီတာများ

စံအမည် သို့မဟုတ် မူရင်းအမည် တစ်ခုခုကိုသာ ပို့ပါ၊ နှစ်ခုလုံး မပို့ပါနှင့်။ စံအမည်များ

အမည်အမျိုးအစား မူလတန်ဖိုးခွင့်ပြုထားသည် ဖော်ပြချက်

seedရွေးချယ်နိုင်သည်

အမျိုးအစားinteger | null

ပြန်လည်ထုတ်လုပ်နိုင်သော ကျပန်းဖန်တီးမှုအတွက် အသုံးပြုသည့် seed။

resolutionရွေးချယ်နိုင်သည်

အမျိုးအစားenum

မူလတန်ဖိုး1024

51210241536

ss_guidance_strengthရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး7.5

၀ – ၁၀

ss_guidance_rescaleရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး0.7

၀ – ၁

ss_guidance_interval_startရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး0.6

၀ – ၁

ss_guidance_interval_endရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး1

၀ – ၁

ss_sampling_stepsရွေးချယ်နိုင်သည်

အမျိုးအစားinteger

မူလတန်ဖိုး12

၁ – ၅၀

ss_rescale_tရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး5

၁ – ၆

shape_slat_guidance_strengthရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး7.5

၀ – ၁၀

shape_slat_guidance_rescaleရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး0.5

၀ – ၁

shape_slat_guidance_interval_startရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး0.6

၀ – ၁

shape_slat_guidance_interval_endရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး1

၀ – ၁

shape_slat_sampling_stepsရွေးချယ်နိုင်သည်

အမျိုးအစားinteger

မူလတန်ဖိုး12

၁ – ၅၀

shape_slat_rescale_tရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး3

၁ – ၆

tex_slat_guidance_strengthရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး1

၀ – ၁၀

tex_slat_guidance_rescaleရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး0

၀ – ၁

tex_slat_guidance_interval_startရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး0.6

၀ – ၁

tex_slat_guidance_interval_endရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး0.9

၀ – ၁

tex_slat_sampling_stepsရွေးချယ်နိုင်သည်

အမျိုးအစားinteger

မူလတန်ဖိုး12

၁ – ၅၀

tex_slat_rescale_tရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး3

၁ – ၆

decimation_targetရွေးချယ်နိုင်သည်

အမျိုးအစားinteger

မူလတန်ဖိုး500000

၅,၀၀၀ – ၂,၀၀၀,၀၀၀

texture_sizeရွေးချယ်နိုင်သည်

အမျိုးအစားenum

မူလတန်ဖိုး2048

102420484096

remeshရွေးချယ်နိုင်သည်

အမျိုးအစားboolean

မူလတန်ဖိုးtrue

mesh တြိဂံများကို ပိုမိုသန့်ရှင်းစေသော topology ပြန်လည်တည်ဆောက်မှု။ လုပ်ဆောင်ချိန်ပိုကြာသည့်အစား animation သို့မဟုတ် 3D printing ကဲ့သို့ နောက်ပိုင်းအသုံးပြုမှုများအတွက် သင့်တော်မှုကို ပုံမှန်အားဖြင့် မြှင့်တင်ပေးသည်။

remesh_bandရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး1

၀ – ၄

remesh_projectရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး0

၀ – ၁

uv_unwrap_angle_threshold_degရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး90

၀ – ၁၈၀

uv_unwrap_refine_iterationsရွေးချယ်နိုင်သည်

အမျိုးအစားinteger

မူလတန်ဖိုး0

၀ – ၁၀

UV chart များကို တွက်ချက်ရန် အသုံးပြုသော local refinement pass အရေအတွက်။

uv_unwrap_global_iterationsရွေးချယ်နိုင်သည်

အမျိုးအစားinteger

မူလတန်ဖိုး1

၁ – ၁၀

uv_unwrap_smooth_strengthရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး1

၀ – ၁၀

image_urlလိုအပ်သည် image

အမျိုးအစားurl · image

3D ပြောင်းလဲရန် မူရင်းပုံသို့ ညွှန်ပြသည့် URL။

လိုအပ်သည် စံအမည်၊ ထို့အပြင် လက်ခံသည်

ဖိုင်ပါရာမီတာများသည် အများပြည်သူသုံး https:// URL၊ 10 MB အထိ data: URI သို့မဟုတ် အပ်လုဒ်လုပ်ထားသောဖိုင်၏ file_url ကို လက်ခံသည်။ ဖိုင်များ

ထွက်ရလဒ်

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t

{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "trellis-2",
  "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": 300,
    "usd": "0.30",
    "charged": 300,
    "refunded": 0
  },
  "input": {
    "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  },
  "output": {
    "model_glb": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    }
  },
  "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"
  }
}

သင့်ဖိုင်များ၊ သင့်ရွေးချယ်မှုoutputs[].url တိုင်းသည် ကျွန်ုပ်တို့၏ သိုလှောင်မှုရှိ မိတ္တူဖြစ်သည်- အမြဲတမ်း (GB-month အလိုက် ငွေပေးရသည်) သို့မဟုတ် ၇ ရက် အခမဲ့၊ သင့်အကောင့်ဆက်တင် သို့မဟုတ် ?storage= ဖြင့် သိမ်းထားသည်။

မော်ဒယ်တိုင်းတွင် ပုံစံတူပုံ၊ ဗီဒီယိုနှင့် အသံတို့အတွက် type၊ url၊ content_type၊ width၊ height နှင့် duration။ output သည် မော်ဒယ်ကိုယ်တိုင်၏ ရလဒ် object ဖြစ်သည်။

ထွက်ရလဒ်၏ Fields များ

model_glb: object {url, content_type, file_name, file_size}GLB format ဖြင့် ဖန်တီးထားသော 3D မော်ဒယ်။

နောက်ထပ် မော်ဒယ်များ: ပုံမှ 3D

AI အေးဂျင့်များအတွက်- ဤစာမျက်နှာ၏ Markdown ကို ဤနေရာတွင် ရရှိနိုင်သည် https://doitong.com/my/developers/models/trellis-2.md. မော်ဒယ်များနှင့် လမ်းညွှန်များအားလုံး: https://doitong.com/developers/llms.txt

သင့်ပထမဆုံးရလဒ် ဤနေရာတွင် ပေါ်လာမည်

တောင်းဆိုမှုတစ်ခု တည်ဆောက်ရန်

ဤတောင်းဆိုချက်ကို လုပ်ဆောင်ရန်

Trellis 2 အကြောင်း

ပါရာမီတာများ

ထွက်ရလဒ်

အခြား Trellis 2 မူကွဲများ

Trellis 2 · Retexture မူကွဲများ: 2

နောက်ထပ် မော်ဒယ်များ: ပုံမှ 3D

Trellis မူကွဲများ: 2

Trellis · Multi မူကွဲများ: 2

TRELLIS.2 LoRA Inference

Hi3D Image to 3D မူကွဲများ: 6