ਸਮੱਗਰੀ ਵੱਲ ਜਾਓ

Sa2VA 4B Video

ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ

ਮਾਡਲ id sa2va/4b/video
# 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/sa2va/4b/video?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",
    "video": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  }'

# 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"

ਉਦਾਹਰਨ ਵਰਗੀਆਂ ਫ਼ਾਈਲਾਂ: $0.40 400 API ਕ੍ਰੈਡਿਟ ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ ਚਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਮਾਪੀਆਂ ਜਾਂਦੀਆਂ ਹਨ ਇਸ ਪੰਨੇ ’ਤੇ ਚਲਾਓ

API ਕੁੰਜੀ ਲਵੋ
ByteDance ਵਿਜ਼ਨ #multimodal#vision

ਛੋਟਾ Sa2VA ਮਾਡਲ, ਜੋ ਵੀਡੀਓ ਬਾਰੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦਿੰਦਾ ਹੈ ਅਤੇ ਮਾਸਕ ਵੀਡੀਓ ਵਾਪਸ ਕਰਦਾ ਹੈ

ByteDance · ਟੈਕਸਟ

ਤੁਹਾਡਾ ਪਹਿਲਾ ਨਤੀਜਾ ਇੱਥੇ ਹੋਵੇਗਾ

ਹੇਠਾਂ ਬੇਨਤੀ ਬਣਾਓ ਅਤੇ ਆਪਣੀ API ਕੁੰਜੀ ਨਾਲ ਚਲਾਓ। ਆਉਟਪੁੱਟ ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਕਾਪੀ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਹਮੇਸ਼ਾ ਲਈ ਜਾਂ ਮੁਫ਼ਤ ਵਿੱਚ 7 ਦਿਨ ਤੱਕ ਰੱਖੇ ਜਾਂਦੇ ਹਨ।

ਰਿਕਵੈਸਟ ਬਣਾਓ

ਕੰਟਰੋਲ ਮਾਡਲ ਸਕੀਮਾ ਤੋਂ ਤਿਆਰ ਹੁੰਦੇ ਹਨ। ਤੁਸੀਂ ਬਦਲਾਅ ਕਰਦੇ ਹੀ ਕੋਡ ਅਤੇ ਕੀਮਤ ਅੱਪਡੇਟ ਹੋ ਜਾਂਦੇ ਹਨ।

•ਲੋੜੀਂਦਾ

ਚੈਟ ਕੰਪਲੀਸ਼ਨ ਲਈ ਦਿੱਤਾ ਪ੍ਰੌਂਪਟ।

•ਲੋੜੀਂਦਾ video_url
ਫ਼ਾਈਲ ਛੱਡੋ, ਜਾਂ

ਇਨਪੁੱਟ ਵੀਡੀਓ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ URL।

ਉੱਨਤ num_frames_to_sample

ਸੈਂਪਲ ਕਰਨ ਲਈ ਵੀਡੀਓ ਫ੍ਰੇਮਾਂ ਦੀ ਗਿਣਤੀ, 5 ਤੋਂ 100 ਤੱਕ। ਨਾ ਦਿੱਤੇ ਜਾਣ ’ਤੇ 32 ਵਰਤੇ ਜਾਂਦੇ ਹਨ।

POST /run/sa2va/4b/video?wait=20 ਕੋਟ → $0.40
# 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/sa2va/4b/video?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",
    "video": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  }'

# 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"

ਇਹ ਬੇਨਤੀ ਚਲਾਓ

ਤੁਹਾਡੀ key ਇਸ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਰਹਿੰਦੀ ਹੈ: ਇਹ ਸਿਰਫ਼ Doitong API ਨੂੰ ਭੇਜੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਸਿਰਫ਼ ਤਾਂ ਹੀ (localStorage) ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਹੁੰਦੀ ਹੈ ਜੇ ਤੁਸੀਂ Remember ਚੁਣੋ। API ਕੁੰਜੀ ਪ੍ਰਾਪਤ ਕਰੋ

Sa2VA 4B Video ਬਾਰੇ

`video_url` ਅਤੇ ਟੈਕਸਟ `prompt` ਲੈਂਦਾ ਹੈ, ਅਤੇ ਟੈਕਸਟ ਜਵਾਬ ਤੇ ਲੇਬਲ ਕੀਤੇ ਮਾਸਕ ਵੀਡੀਓ ਵਾਪਸ ਕਰਦਾ ਹੈ। `num_frames_to_sample` ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਫਰੇਮਾਂ ਦੀ ਗਿਣਤੀ 5 ਤੋਂ 100 ਤੱਕ ਸੈੱਟ ਕਰਦਾ ਹੈ; ਨਾ ਦਿੱਤੇ ਜਾਣ 'ਤੇ ਡਿਫਾਲਟ 32 ਹੁੰਦੀ ਹੈ। ਇਹ ਵੀਡੀਓ ਇਨਪੁੱਟ ਲਈ 4B ਆਕਾਰ ਹੈ।

ਪੈਰਾਮੀਟਰ

ਕੈਨੋਨਿਕਲ ਨਾਮ ਜਾਂ ਨੇਟਿਵ ਨਾਮ ਵਿੱਚੋਂ ਕੋਈ ਇੱਕ ਭੇਜੋ, ਦੋਵੇਂ ਨਹੀਂ। ਕੈਨੋਨਿਕਲ ਨਾਮ

ਨਾਮਕਿਸਮ ਡਿਫ਼ਾਲਟਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵੇਰਵਾ
promptਲੋੜੀਂਦਾ
ਕਿਸਮstring
ਚੈਟ ਕੰਪਲੀਸ਼ਨ ਲਈ ਦਿੱਤਾ ਪ੍ਰੌਂਪਟ।
video_urlਲੋੜੀਂਦਾ video
ਕਿਸਮurl · video
ਇਨਪੁੱਟ ਵੀਡੀਓ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ URL।
num_frames_to_sampleਵਿਕਲਪਿਕ
ਕਿਸਮinteger | null
5 – 100
ਸੈਂਪਲ ਕਰਨ ਲਈ ਵੀਡੀਓ ਫ੍ਰੇਮਾਂ ਦੀ ਗਿਣਤੀ, 5 ਤੋਂ 100 ਤੱਕ। ਨਾ ਦਿੱਤੇ ਜਾਣ ’ਤੇ 32 ਵਰਤੇ ਜਾਂਦੇ ਹਨ।
ਲੋੜੀਂਦਾ ਕੈਨੋਨਿਕਲ ਨਾਮ, ਇਹ ਵੀ ਸਵੀਕਾਰਿਆ ਜਾਂਦਾ ਹੈ

ਫ਼ਾਈਲ ਪੈਰਾਮੀਟਰ ਜਨਤਕ https:// URL, 10 MB ਤੱਕ ਦਾ data: URI, ਜਾਂ ਅੱਪਲੋਡ ਦੇ file_url ਨੂੰ ਸਵੀਕਾਰਦੇ ਹਨ। ਫ਼ਾਈਲਾਂ

ਆਉਟਪੁੱਟ

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "sa2va/4b/video",
  "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": 400,
    "usd": "0.40",
    "charged": 400,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  },
  "output": {
    "output": "<p>  Two children  </p>   [SEG]  are jumping on  <p>  a bed  </p>   [SEG]  .<|im_end|>",
    "masks": [
      {
        "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"
  }
}
ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ, ਤੁਹਾਡੀ ਚੋਣਹਰ outputs[].url ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਇੱਕ ਕਾਪੀ ਹੈ: ਹਮੇਸ਼ਾ ਲਈ ਰੱਖੀ ਜਾਂਦੀ ਹੈ (ਪ੍ਰਤੀ GB-ਮਹੀਨਾ ਭੁਗਤਾਨ) ਜਾਂ 7 ਦਿਨ ਤੱਕ ਮੁਫ਼ਤ, ਤੁਹਾਡੀ ਖਾਤਾ ਸੈਟਿੰਗ ਜਾਂ ?storage= ਅਨੁਸਾਰ।
ਹਰ ਮਾਡਲ ’ਤੇ ਇੱਕੋ ਜਿਹਾ ਰੂਪਤਸਵੀਰਾਂ, ਵੀਡੀਓ ਅਤੇ ਆਡੀਓ ਸਭ ਲਈ type, url, content_type, width, height ਅਤੇ duration। output ਮਾਡਲ ਦਾ ਆਪਣਾ ਨਤੀਜਾ ਆਬਜੈਕਟ ਹੈ।
ਆਉਟਪੁੱਟ ਦੇ ਫ਼ੀਲਡ
output
stringਮਾਡਲ ਵੱਲੋਂ ਤਿਆਰ ਕੀਤਾ ਨਤੀਜਾ।
masks
array of object {url, content_type, file_name, file_size}ਲੇਬਲਾਂ ਨੂੰ ਮਾਸਕ ਵੀਡੀਓਜ਼ ਨਾਲ ਮੈਪ ਕਰਨ ਵਾਲੀ ਡਿਕਸ਼ਨਰੀ।

ਹੋਰ ਮਾਡਲ: ਵਿਜ਼ਨ

AI ਏਜੰਟਾਂ ਲਈ: ਇਹ ਪੰਨਾ Markdown ਵਜੋਂ ਇੱਥੇ ਹੈ https://doitong.com/pa/developers/models/sa2va/4b/video.md. ਸਾਰੇ ਮਾਡਲ ਅਤੇ ਗਾਈਡ: https://doitong.com/developers/llms.txt