# Trellis 2 API

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

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။

- Model id: `trellis-2`
- Made by: Microsoft
- Category: Image to 3D
- Output: 3d
- Price: from $0.25 / request (cheapest run $0.25 (250 API credits))
- Run: `POST https://api.doitong.com/v1/run/trellis-2`
- Quote: `POST https://api.doitong.com/v1/quote/trellis-2`
- Docs page: https://doitong.com/my/developers/models/trellis-2

## Pricing

Price: **from $0.25 / request** (the lowest tier; the quote prices your exact input). Billed once per request.

Price rules (the first rule that matches the input wins; a parameter you leave out counts as its default):

- When `resolution` = 1024: $0.30 (300 API credits) / request
- When `resolution` = 1536: $0.35 (350 API credits) / request

The full example input below costs $0.30 = 300 API credits (1 request × 300 API credits).

Prices are the upstream price in USD, paid from the API balance in API credits (1000 API credits = 1 USD). `POST https://api.doitong.com/v1/quote/trellis-2` with the same JSON body returns the exact price for that input; the quote is exactly what a run charges. Invalid input is never charged and failed or canceled requests are refunded automatically.

## Input parameters

Send either the canonical name or the native field name (not both). Canonical names are the same across models.

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `seed` |  | integer \| null | no |  |  | ပြန်လည်ထုတ်လုပ်နိုင်သော ကျပန်းဖန်တီးမှုအတွက် အသုံးပြုသည့် seed။ |
| `resolution` |  | enum (integer) | no | `1024` | `512`, `1024`, `1536` | ထွက်ရလဒ်၏ ရုပ်ထွက်အရည်အသွေး။ မြှင့်တင်ပါက အသေးစိတ်ပိုရသော်လည်း အချိန်ပိုကြာသည်။ |
| `ss_guidance_strength` |  | number | no | `7.5` | 0 – 10 | ကနဦး 3D ဖွဲ့စည်းပုံ၏ တူညီမှုထိန်းချုပ်ချက်။ မြှင့်တင်ပါက ထည့်သွင်းပုံနှင့် ပိုမိုနီးစပ်သော်လည်း noise ပိုလာနိုင်သည်။ |
| `ss_guidance_rescale` |  | number | no | `0.7` | 0 – 1 | Stage 1 guidance-artifact ထိန်းချုပ်ချက်။ ဆက်တင်နိမ့်လျှင် guidance သက်ရောက်မှု ပိုပြင်းပြီး ဆက်တင်မြင့်လျှင် ထွက်ရလဒ် ပိုတည်ငြိမ်သည်။ |
| `ss_guidance_interval_start` |  | number | no | `0.6` | 0 – 1 | 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` |  | number | no | `1` | 0 – 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` |  | integer | no | `12` | 1 – 50 | ကနဦးဖွဲ့စည်းပုံ denoising အဆင့်အရေအတွက်။ အဆင့်များတိုးခြင်းဖြင့် အရည်အသွေးတိုးနိုင်သော်လည်း processing ပိုနှေးသည်။ |
| `ss_rescale_t` |  | number | no | `5` | 1 – 6 | ဖွဲ့စည်းပုံဖန်တီးမှု noise schedule မှတစ်ဆင့် transition ပြတ်သားမှုကို သတ်မှတ်ပါ။ ဤတန်ဖိုးကို မြှင့်တင်ပါက transition များ ပိုပြတ်သားလာသည်။ |
| `shape_slat_guidance_strength` |  | number | no | `7.5` | 0 – 10 | အသေးစိတ် geometry ၏ တူညီမှုထိန်းချုပ်ချက်။ ထည့်သွင်းပုံနှင့် ပိုမိုလိုက်လျောညီထွေစေပါက အသေးစိတ်ပိုရသော်လည်း noise ပိုလာနိုင်သည်။ |
| `shape_slat_guidance_rescale` |  | number | no | `0.5` | 0 – 1 | Geometry သည် noise များနေပါက ဤဆက်တင်ကို မြှင့်တင်ပါ။ Shape stage အတွင်း ပြင်းထန်သော guidance ကြောင့် ဖြစ်သည့် artifact များကို လျှော့ချပေးသည်။ |
| `shape_slat_guidance_interval_start` |  | number | no | `0.6` | 0 – 1 | 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` |  | number | no | `1` | 0 – 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` |  | integer | no | `12` | 1 – 50 | Shape-refinement denoising အဆင့်အရေအတွက်။ အဆင့်များထပ်သုံးပါက geometry ပိုချောမွေ့နိုင်သော်လည်း မြန်နှုန်းကျဆင်းသည်။ |
| `shape_slat_rescale_t` |  | number | no | `3` | 1 – 6 | Shape-refinement noise schedule မှတစ်ဆင့် geometric detail ပြတ်သားမှုကို သတ်မှတ်ပါ။ ဤတန်ဖိုးကို မြှင့်တင်ပါက အသေးစိတ်များ ပိုပြတ်သားလာသည်။ |
| `tex_slat_guidance_strength` |  | number | no | `1` | 0 – 10 | Texture အရောင်တူညီမှု ထိန်းချုပ်ချက်။ မြင့်မားသောဆက်တင်တွင် ထည့်သွင်းပုံရှိ အရောင်များနှင့် ပိုမိုလိုက်လျောညီထွေစေကာ အရောင်တောက်ပမှု တိုးလာသော်လည်း အရောင်လွန်ကဲနိုင်သည်။ |
| `tex_slat_guidance_rescale` |  | number | no | `0` | 0 – 1 | Texture များတွင် noise သို့မဟုတ် color banding ရှိပါက ဤဆက်တင်ကို မြှင့်တင်ပါ။ Texture stage အတွင်း ပြင်းထန်သော guidance ကြောင့် ဖြစ်သည့် artifact များကို လျှော့ချပေးသည်။ |
| `tex_slat_guidance_interval_start` |  | number | no | `0.6` | 0 – 1 | 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` |  | number | no | `0.9` | 0 – 1 | 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` |  | integer | no | `12` | 1 – 50 | Texture များဖန်တီးရာတွင် အသုံးပြုသည့် denoising အဆင့်အရေအတွက်။ အဆင့်အရေအတွက် တိုးပါက အချိန်ပိုကြာသော်လည်း texture ပိုသန့်ရှင်းနိုင်သည်။ |
| `tex_slat_rescale_t` |  | number | no | `3` | 1 – 6 | Texture-generation noise schedule မှတစ်ဆင့် texture detail ပြတ်သားမှုကို သတ်မှတ်ပါ။ ဤတန်ဖိုးကို မြှင့်တင်ပါက အသေးစိတ်များ ပိုပြတ်သားလာသည်။ |
| `decimation_target` |  | integer | no | `500000` | 5,000 – 2,000,000 | mesh vertex အရေအတွက် ပစ်မှတ်။ ယေဘုယျအသုံးပြုမှုအတွက် 500k နှင့် web/mobile အတွက် 20k–50k ကို အကြံပြုသည်။ ပစ်မှတ်လျှော့ခြင်းသည် mesh အသေးစိတ်ကို လျှော့ပြီး ဖိုင်အရွယ်အစားကို သေးငယ်စေသည်။ |
| `texture_size` |  | enum (integer) | no | `2048` | `1024`, `2048`, `4096` | Baking အတွက် mesh texture ရုပ်ထွက်အရည်အသွေး။ ဤရုပ်ထွက်အရည်အသွေးကို မြှင့်တင်ပါက မျက်နှာပြင်အသေးစိတ် ပိုကောင်းသော်လည်း ဖိုင်အရွယ်အစား ပိုကြီးသည်။ |
| `remesh` |  | boolean | no | `true` |  | mesh တြိဂံများကို ပိုမိုသန့်ရှင်းစေသော topology ပြန်လည်တည်ဆောက်မှု။ လုပ်ဆောင်ချိန်ပိုကြာသည့်အစား animation သို့မဟုတ် 3D printing ကဲ့သို့ နောက်ပိုင်းအသုံးပြုမှုများအတွက် သင့်တော်မှုကို ပုံမှန်အားဖြင့် မြှင့်တင်ပေးသည်။ |
| `remesh_band` |  | number | no | `1` | 0 – 4 | Remeshing လှုပ်ရှားမှုခွင့်ပြုချက်: ဤတန်ဖိုးကို မြှင့်သောအခါ ပိုမိုချောမွေ့စေခြင်းကြောင့် အသေးစိတ်များ ဆုံးရှုံးနိုင်သည်။ ဤဆက်တင်သည် မူလမျက်နှာပြင်နှင့် နှိုင်းယှဉ်၍ vertex ရွှေ့ပြောင်းမှုကို ကန့်သတ်သည်။ |
| `remesh_project` |  | number | no | `0` | 0 – 1 | 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` |  | number | no | `90` | 0 – 180 | 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` |  | integer | no | `0` | 0 – 10 | UV chart များကို တွက်ချက်ရန် အသုံးပြုသော local refinement pass အရေအတွက်။ |
| `uv_unwrap_global_iterations` |  | integer | no | `1` | 1 – 10 | UV chart များကို တွက်ချက်ရန် အသုံးပြုသော global clustering pass အရေအတွက်ကို မြှင့်ခြင်းဖြင့် UV chart ချိန်ညှိမှုကို ပိုမိုကောင်းမွန်စေနိုင်သည်။ |
| `uv_unwrap_smooth_strength` |  | number | no | `1` | 0 – 10 | UV chart အနားများကို ချောမွေ့စေသည့် အင်အားကို ချိန်ညှိသည်။ ဆက်တင်မြင့်လေ seam များ ပိုမိုမမြင်သာသော်လည်း UV ပုံပျက်နိုင်သည်။ |
| `image_url` | `image` | string (image URL) | yes |  |  | 3D ပြောင်းလဲရန် မူရင်းပုံသို့ ညွှန်ပြသည့် URL။ |

File parameters (`image`) take a public `https://` URL, a `data:` URI up to 10 MB, or the `file_url` of an upload from `POST /files`.

## Example input

Required parameters only:

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

A fuller example:

```json
{
  "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
}
```

## Run it

Set `DOITONG_API_KEY` to a key from https://doitong.com/developers/dashboard#keys. `?wait=20` returns the finished request in the same call when it is ready within 20 seconds; otherwise poll `GET /requests/{id}` (it also accepts `?wait=`), or pass `webhook_url`.

### curl

```bash
# 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_url": "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"
```

### JavaScript

```javascript
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_url": "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 + ")");
```

### Python

```python
import os
import requests

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

payload = {
    "image_url": "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"])
```

### MCP

The MCP server at `https://api.doitong.com/v1/mcp` exposes the tools `search_models`, `get_model`, `quote`, `run`, `get_request`, `cancel_request`, `list_requests`, `create_upload` and `get_account`. A `run` call for this model:

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

## Response

Every call returns a request object. `status` is one of `queued`, `running`, `succeeded`, `failed`, `canceled`. `outputs` lists the generated files with URLs on our storage (kept forever, or 7 days with `?storage=temporary`; `storage` says which); `output` is the model's own result object with the same URLs.

```json
{
  "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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `model_glb` | object {url, content_type, file_name, file_size} | GLB format ဖြင့် ဖန်တီးထားသော 3D မော်ဒယ်။ |

## Related models

- [Trellis 2 · Retexture](https://doitong.com/developers/models/trellis-2/retexture.md) (`trellis-2/retexture`): from $0.20 / request
- [Trellis](https://doitong.com/developers/models/trellis.md) (`trellis`): $0.02 / request
- [Trellis · Multi](https://doitong.com/developers/models/trellis/multi.md) (`trellis/multi`): $0.02 / request
- [TRELLIS.2 LoRA Inference](https://doitong.com/developers/models/trellis-2-lora.md) (`trellis-2-lora`): from $0.25 / request
- [Hi3D Image to 3D](https://doitong.com/developers/models/hitem3d/hi3d/image-to-3d.md) (`hitem3d/hi3d/image-to-3d`): $0.50 / run
- [Hi3D Image to 3D · v3.0](https://doitong.com/developers/models/hitem3d/hi3d/v3.0/image-to-3d.md) (`hitem3d/hi3d/v3.0/image-to-3d`): from $1.80 / run
- [Hi3D Multiview to 3D · Multi View to 3D](https://doitong.com/developers/models/hitem3d/hi3d/multi-view-to-3d.md) (`hitem3d/hi3d/multi-view-to-3d`): $0.50 / run
- [Hi3D Multiview to 3D · v3.0 · Multi View to 3D](https://doitong.com/developers/models/hitem3d/hi3d/v3.0/multi-view-to-3d.md) (`hitem3d/hi3d/v3.0/multi-view-to-3d`): from $1.80 / run

## Links

- HTML page: https://doitong.com/developers/models/trellis-2
- All models and guides for AI agents: https://doitong.com/developers/llms.txt
- OpenAPI 3.1 with this model's typed request body: https://doitong.com/developers/openapi.json?model=trellis-2
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/trellis-2