# Trellis 2 API

> ਟਿਊਨ ਕੀਤੀਆਂ ਜਾ ਸਕਣ ਵਾਲੀਆਂ ਸਟ੍ਰਕਚਰ, ਸ਼ੇਪ, ਟੈਕਸਚਰ ਅਤੇ UV ਸੈਟਿੰਗਾਂ ਨਾਲ ਇੱਕ ਤਸਵੀਰ ਨੂੰ ਟੈਕਸਚਰ ਵਾਲੇ GLB 3D ਮੈਸ਼ ਵਿੱਚ ਬਦਲਦਾ ਹੈ

ਇੱਕ ਤਸਵੀਰ (`image_url`) ਤੋਂ 3D ਐਸੈਟ ਬਣਾਉਂਦਾ ਹੈ ਅਤੇ GLB ਫਾਈਲ ਵਾਪਸ ਕਰਦਾ ਹੈ। `resolution` 512, 1024 ਜਾਂ 1536 ਹੁੰਦਾ ਹੈ, ਅਤੇ `texture_size` 1024, 2048 ਜਾਂ 4096। ਤਿੰਨ ਪੜਾਵਾਂ (ਸਟ੍ਰਕਚਰ, ਸ਼ੇਪ, ਟੈਕਸਚਰ) ਵਿੱਚੋਂ ਹਰ ਇੱਕ ਲਈ ਆਪਣਾ ਗਾਈਡੈਂਸ ਅਤੇ ਸੈਂਪਲਿੰਗ-ਸਟੈਪ ਕੰਟਰੋਲ ਹੁੰਦਾ ਹੈ। `decimation_target` ਮੈਸ਼ ਦੇ ਵਰਟੈਕਸਾਂ ਦੀ ਗਿਣਤੀ (5,000 ਤੋਂ 2,000,000) ਸੈੱਟ ਕਰਦਾ ਹੈ, ਅਤੇ ਰੀਮੈਸ਼ਿੰਗ ਤੇ UV-ਅਨਰੈਪਿੰਗ ਵਿਕਲਪ ਉਪਲਬਧ ਹਨ।

- 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/pa/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 |  |  | ਦੁਹਰਾਉਣਯੋਗ ਰੈਂਡਮ ਸਿਰਜਣਾ ਲਈ ਵਰਤਿਆ ਗਿਆ Seed। |
| `resolution` |  | enum (integer) | no | `1024` | `512`, `1024`, `1536` | ਆਉਟਪੁੱਟ ਦਾ ਰੈਜ਼ੋਲਿਊਸ਼ਨ; ਇਸ ਨੂੰ ਵਧਾਉਣ ਨਾਲ ਵੇਰਵਾ ਵਧਦਾ ਹੈ ਪਰ ਵਧੇਰੇ ਸਮਾਂ ਲੱਗਦਾ ਹੈ। |
| `ss_guidance_strength` |  | number | no | `7.5` | 0 – 10 | ਸ਼ੁਰੂਆਤੀ 3D ਢਾਂਚੇ ਦੀ fidelity ਕੰਟਰੋਲ: ਇਸ ਨੂੰ ਵਧਾਉਣ ਨਾਲ ਇਨਪੁੱਟ ਚਿੱਤਰ ਨਾਲ ਵੱਧ ਨੇੜਲਾ ਮਿਲਾਪ ਹੁੰਦਾ ਹੈ, ਪਰ ਵਾਧੂ ਸ਼ੋਰ ਦਾ ਖ਼ਤਰਾ ਰਹਿੰਦਾ ਹੈ। |
| `ss_guidance_rescale` |  | number | no | `0.7` | 0 – 1 | Stage 1 guidance-artifact ਕੰਟਰੋਲ, ਜਿਸ ਵਿੱਚ ਘੱਟ ਸੈਟਿੰਗਾਂ 'ਤੇ ਮਜ਼ਬੂਤ ਮਾਰਗਦਰਸ਼ਨ ਪ੍ਰਭਾਵਾਂ ਅਤੇ ਉੱਚ ਸੈਟਿੰਗਾਂ 'ਤੇ ਵਧੇਰੇ ਸਥਿਰ ਆਉਟਪੁੱਟ ਵਿਚਕਾਰ ਸੰਤੁਲਨ ਹੁੰਦਾ ਹੈ। |
| `ss_guidance_interval_start` |  | number | no | `0.6` | 0 – 1 | ਪੜਾਅ 1 (ਵਿਰਲ ਸੰਰਚਨਾ) ਵਿੱਚ classifier-free guidance ਵਿੰਡੋ ਦੀ ਸ਼ੁਰੂਆਤੀ ਸੀਮਾ, ਡੀਨੋਇਜ਼ਿੰਗ ਭਿੰਨ-ਅੰਸ਼ ਵਜੋਂ ਪ੍ਰਗਟ ਕੀਤੀ ਗਈ। ਘੱਟ ਸੈਟਿੰਗਾਂ ਮਾਰਗਦਰਸ਼ਨ ਜਲਦੀ ਸ਼ੁਰੂ ਕਰਦੀਆਂ ਹਨ; ਸਿਰਫ਼ interval_start ਤੋਂ interval_end ਤੱਕ ਦੇ ਅੰਤਰਾਲ ਵਿੱਚ ਮਾਰਗਦਰਸ਼ਨ ਵਰਤੀ ਜਾਂਦੀ ਹੈ, ਬਾਕੀ ਥਾਂ ਬਿਨਾਂ ਮਾਰਗਦਰਸ਼ਨ ਪ੍ਰੋਸੈਸਿੰਗ ਹੁੰਦੀ ਹੈ। |
| `ss_guidance_interval_end` |  | number | no | `1` | 0 – 1 | ਪੜਾਅ 1 (ਵਿਰਲ ਸੰਰਚਨਾ) ਲਈ ਮਾਰਗਦਰਸ਼ਨ ਕੱਟ-ਆਫ਼: ss_guidance_interval_start ਦੇ ਬਰਾਬਰ ਜਾਂ ਇਸ ਤੋਂ ਵੱਡਾ ਮੁੱਲ ਚੁਣੋ। ਇਹ ਮੁੱਲ ਉਸ ਡੀਨੋਇਜ਼ਿੰਗ ਭਿੰਨ-ਅੰਸ਼ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜਿੱਥੇ classifier-free guidance ਰੁਕਦੀ ਹੈ। |
| `ss_sampling_steps` |  | integer | no | `12` | 1 – 50 | ਸ਼ੁਰੂਆਤੀ ਢਾਂਚੇ ਲਈ denoising ਕਦਮਾਂ ਦੀ ਗਿਣਤੀ: ਵਾਧੂ ਕਦਮਾਂ ਨਾਲ ਸੰਭਾਵਿਤ ਗੁਣਵੱਤਾ ਲਾਭ ਮਿਲਦੇ ਹਨ, ਪਰ ਪ੍ਰੋਸੈਸਿੰਗ ਹੌਲੀ ਹੁੰਦੀ ਹੈ। |
| `ss_rescale_t` |  | number | no | `5` | 1 – 6 | ਢਾਂਚਾ-ਸਿਰਜਣਾ ਦੇ noise schedule ਰਾਹੀਂ ਤਬਦੀਲੀ ਦੀ ਤੀਖ਼ਣਤਾ ਸੈੱਟ ਕਰੋ: ਇਸ ਮੁੱਲ ਨੂੰ ਵਧਾਉਣ ਨਾਲ ਤਬਦੀਲੀਆਂ ਹੋਰ ਤੀਖ਼ੀਆਂ ਹੁੰਦੀਆਂ ਹਨ। |
| `shape_slat_guidance_strength` |  | number | no | `7.5` | 0 – 10 | ਵਿਸਤ੍ਰਿਤ geometry fidelity ਕੰਟਰੋਲ: ਇਨਪੁੱਟ ਚਿੱਤਰ ਨਾਲ ਵੱਧ adherence ਵਾਧੂ ਵੇਰਵਾ ਦਿੰਦੀ ਹੈ, ਪਰ ਵਾਧੂ ਸ਼ੋਰ ਦਾ ਖ਼ਤਰਾ ਰਹਿੰਦਾ ਹੈ। |
| `shape_slat_guidance_rescale` |  | number | no | `0.5` | 0 – 1 | ਜਦੋਂ geometry ਵਿੱਚ ਸ਼ੋਰ ਦਿਖੇ ਤਾਂ ਇਹ ਸੈਟਿੰਗ ਵਧਾਓ: ਇਹ shape stage ਦੌਰਾਨ ਮਜ਼ਬੂਤ ਮਾਰਗਦਰਸ਼ਨ ਕਾਰਨ ਪੈਦਾ ਹੋਣ ਵਾਲੇ artifacts ਘਟਾਉਂਦੀ ਹੈ। |
| `shape_slat_guidance_interval_start` |  | number | no | `0.6` | 0 – 1 | ਪੜਾਅ 2 ਵਿੱਚ ਆਕਾਰ ਸੁਧਾਰ ਲਈ classifier-free guidance ਦਾ ਸਰਗਰਮੀ ਬਿੰਦੂ। ਡੀਨੋਇਜ਼ਿੰਗ ਪ੍ਰਗਤੀ ਦੇ ਭਿੰਨ-ਅੰਸ਼ ਵਜੋਂ ਪ੍ਰਗਟ ਕੀਤਾ ਗਿਆ ਇਹ interval_start ਸੈੱਟ ਕਰਦਾ ਹੈ; ਮਾਰਗਦਰਸ਼ਨ ਸਿਰਫ਼ interval_start ਅਤੇ interval_end ਨਾਲ ਸੀਮਿਤ ਵਿੰਡੋ ਵਿੱਚ ਕੰਮ ਕਰਦੀ ਹੈ। |
| `shape_slat_guidance_interval_end` |  | number | no | `1` | 0 – 1 | ਪੜਾਅ 2 (ਆਕਾਰ ਸੁਧਾਰ) ਲਈ ਮਾਰਗਦਰਸ਼ਨ ਕੱਟ-ਆਫ਼: shape_slat_guidance_interval_start ਦੇ ਬਰਾਬਰ ਜਾਂ ਇਸ ਤੋਂ ਵੱਡਾ ਮੁੱਲ ਚੁਣੋ। ਇਹ ਮੁੱਲ ਉਸ ਡੀਨੋਇਜ਼ਿੰਗ ਭਿੰਨ-ਅੰਸ਼ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜਿੱਥੇ classifier-free guidance ਰੁਕਦੀ ਹੈ। |
| `shape_slat_sampling_steps` |  | integer | no | `12` | 1 – 50 | Shape-refinement denoising ਕਦਮਾਂ ਦੀ ਗਿਣਤੀ: ਵਾਧੂ ਕਦਮ ਵਰਤਣ ਨਾਲ geometry ਸੰਭਾਵਿਤ ਤੌਰ 'ਤੇ ਹੋਰ ਸੁਚੱਜੀ ਹੁੰਦੀ ਹੈ, ਪਰ ਗਤੀ ਘਟਦੀ ਹੈ। |
| `shape_slat_rescale_t` |  | number | no | `3` | 1 – 6 | Shape-refinement noise schedule ਰਾਹੀਂ geometric ਵੇਰਵੇ ਦੀ ਤੀਖ਼ਣਤਾ ਸੈੱਟ ਕਰੋ; ਇਸ ਮੁੱਲ ਨੂੰ ਵਧਾਉਣ ਨਾਲ ਵੇਰਵੇ ਹੋਰ ਤੀਖ਼ੇ ਹੁੰਦੇ ਹਨ। |
| `tex_slat_guidance_strength` |  | number | no | `1` | 0 – 10 | Texture ਰੰਗ fidelity ਕੰਟਰੋਲ: ਉੱਚੀਆਂ ਸੈਟਿੰਗਾਂ 'ਤੇ ਇਨਪੁੱਟ ਚਿੱਤਰ ਦੇ ਰੰਗਾਂ ਨਾਲ ਨੇੜਲਾ ਮਿਲਾਪ vividness ਵਧਾਉਂਦਾ ਹੈ, ਪਰ oversaturation ਹੋ ਸਕਦੀ ਹੈ। |
| `tex_slat_guidance_rescale` |  | number | no | `0` | 0 – 1 | ਸ਼ੋਰ ਵਾਲੀਆਂ textures ਜਾਂ color banding ਨੂੰ ਠੀਕ ਕਰਨ ਲਈ ਇਹ ਸੈਟਿੰਗ ਵਧਾਓ: ਇਹ texture stage ਦੌਰਾਨ ਮਜ਼ਬੂਤ ਮਾਰਗਦਰਸ਼ਨ ਕਾਰਨ ਪੈਦਾ ਹੋਣ ਵਾਲੇ artifacts ਘਟਾਉਂਦੀ ਹੈ। |
| `tex_slat_guidance_interval_start` |  | number | no | `0.6` | 0 – 1 | ਪੜਾਅ 3 ਵਿੱਚ ਟੈਕਸਚਰ ਸਿਰਜਣਾ ਲਈ classifier-free guidance ਦਾ ਸਰਗਰਮੀ ਬਿੰਦੂ। ਡੀਨੋਇਜ਼ਿੰਗ ਪ੍ਰਗਤੀ ਦੇ ਭਿੰਨ-ਅੰਸ਼ ਵਜੋਂ ਪ੍ਰਗਟ ਕੀਤਾ ਗਿਆ ਇਹ interval_start ਸੈੱਟ ਕਰਦਾ ਹੈ; ਮਾਰਗਦਰਸ਼ਨ ਸਿਰਫ਼ interval_start ਅਤੇ interval_end ਨਾਲ ਸੀਮਿਤ ਵਿੰਡੋ ਵਿੱਚ ਕੰਮ ਕਰਦੀ ਹੈ। |
| `tex_slat_guidance_interval_end` |  | number | no | `0.9` | 0 – 1 | ਪੜਾਅ 3 (ਟੈਕਸਚਰ) ਲਈ ਮਾਰਗਦਰਸ਼ਨ ਕੱਟ-ਆਫ਼: tex_slat_guidance_interval_start ਦੇ ਬਰਾਬਰ ਜਾਂ ਇਸ ਤੋਂ ਵੱਡਾ ਮੁੱਲ ਚੁਣੋ। ਇਹ ਮੁੱਲ ਉਸ ਡੀਨੋਇਜ਼ਿੰਗ ਭਿੰਨ-ਅੰਸ਼ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜਿੱਥੇ classifier-free guidance ਰੁਕਦੀ ਹੈ। |
| `tex_slat_sampling_steps` |  | integer | no | `12` | 1 – 50 | Textures ਸਿਰਜਣ ਲਈ ਵਰਤੇ ਜਾਣ ਵਾਲੇ denoising ਕਦਮਾਂ ਦੀ ਗਿਣਤੀ। ਕਦਮਾਂ ਦੀ ਗਿਣਤੀ ਵਧਾਉਣ ਨਾਲ ਵਧੇਰੇ ਸਮਾਂ ਲੱਗਦਾ ਹੈ, ਪਰ textures ਹੋਰ ਸਾਫ਼ ਹੋ ਸਕਦੀਆਂ ਹਨ। |
| `tex_slat_rescale_t` |  | number | no | `3` | 1 – 6 | Texture-generation noise schedule ਰਾਹੀਂ texture ਵੇਰਵੇ ਦੀ ਤੀਖ਼ਣਤਾ ਸੈੱਟ ਕਰੋ; ਇਸ ਮੁੱਲ ਨੂੰ ਵਧਾਉਣ ਨਾਲ ਵੇਰਵੇ ਹੋਰ ਤੀਖ਼ੇ ਹੁੰਦੇ ਹਨ। |
| `decimation_target` |  | integer | no | `500000` | 5,000 – 2,000,000 | ਮੇਸ਼ ਵਰਟੈਕਸ-ਗਿਣਤੀ ਦਾ ਟੀਚਾ, ਆਮ ਵਰਤੋਂ ਲਈ 500k ਅਤੇ ਵੈੱਬ/ਮੋਬਾਈਲ ਲਈ 20k–50k ਸਿਫ਼ਾਰਸ਼ੀ ਹਨ। ਟੀਚਾ ਘਟਾਉਣ ਨਾਲ ਮੇਸ਼ ਦਾ ਵੇਰਵਾ ਘਟਦਾ ਹੈ ਪਰ ਫ਼ਾਈਲਾਂ ਛੋਟੀਆਂ ਹੁੰਦੀਆਂ ਹਨ। |
| `texture_size` |  | enum (integer) | no | `2048` | `1024`, `2048`, `4096` | Baking ਲਈ mesh texture ਰੈਜ਼ੋਲਿਊਸ਼ਨ। ਇਸ ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਨੂੰ ਵਧਾਉਣ ਨਾਲ ਸਤਹ ਦਾ ਬਾਰੀਕ ਵੇਰਵਾ ਵਧਦਾ ਹੈ, ਪਰ ਫ਼ਾਈਲਾਂ ਵੱਡੀਆਂ ਹੁੰਦੀਆਂ ਹਨ। |
| `remesh` |  | boolean | no | `true` |  | ਟੋਪੋਲੋਜੀ ਦਾ ਪੁਨਰ-ਨਿਰਮਾਣ, ਜੋ ਹੋਰ ਸਾਫ਼ ਮੇਸ਼ ਤਿਕੋਣ ਬਣਾਉਂਦਾ ਹੈ ਅਤੇ ਆਮ ਤੌਰ 'ਤੇ ਐਨੀਮੇਸ਼ਨ ਜਾਂ 3D ਪ੍ਰਿੰਟਿੰਗ ਵਰਗੀਆਂ ਬਾਅਦ ਦੀਆਂ ਵਰਤੋਂ ਲਈ ਯੋਗਤਾ ਸੁਧਾਰਦਾ ਹੈ, ਪਰ ਪ੍ਰੋਸੈਸਿੰਗ ਹੌਲੀ ਹੁੰਦੀ ਹੈ। |
| `remesh_band` |  | number | no | `1` | 0 – 4 | ਰੀਮੇਸ਼ਿੰਗ ਮੂਵਮੈਂਟ ਦੀ ਇਜਾਜ਼ਤ: ਇਹ ਮੁੱਲ ਵਧਾਉਣ 'ਤੇ ਵਾਧੂ ਸਮੂਥਿੰਗ ਬਰੀਕ ਵੇਰਵੇ ਨੂੰ ਘਟਾ ਸਕਦੀ ਹੈ। ਇਹ ਸੈਟਿੰਗ ਮੂਲ ਸਤ੍ਹਾ ਦੇ ਮੁਕਾਬਲੇ ਵਰਟੈਕਸ ਦੇ ਵਿਸਥਾਪਨ ਨੂੰ ਸੀਮਿਤ ਕਰਦੀ ਹੈ। |
| `remesh_project` |  | number | no | `0` | 0 – 1 | ਰੀਮੇਸ਼ ਕੀਤੇ ਵਰਟੈਕਸਾਂ ਨੂੰ ਮੂਲ ਸਤ੍ਹਾ ਵੱਲ ਵਾਪਸ ਲਿਆਉਣ ਲਈ ਪ੍ਰੋਜੈਕਸ਼ਨ ਦੀ ਤਾਕਤ: 1 ਪੂਰੇ ਪ੍ਰੋਜੈਕਸ਼ਨ ਰਾਹੀਂ ਵੇਰਵਾ ਸੁਰੱਖਿਅਤ ਰੱਖਦਾ ਹੈ, ਜਦਕਿ 0 ਪ੍ਰੋਜੈਕਸ਼ਨ ਬੰਦ ਰੱਖ ਕੇ ਵੱਧ ਸਮੂਥ ਨਤੀਜਾ ਦਿੰਦਾ ਹੈ। |
| `uv_unwrap_angle_threshold_deg` |  | number | no | `90` | 0 – 180 | ਡਿਗਰੀਆਂ ਵਿੱਚ UV ਚਾਰਟ ਕੋਣ ਸੀਮਾ, ਜੋ ਇੱਕ ਚਾਰਟ ਦੇ ਅੰਦਰ ਨੇੜਲੇ ਫੇਸ ਨਾਰਮਲਾਂ ਵਿਚਕਾਰ ਅੰਤਰ ਨੂੰ ਸੀਮਿਤ ਕਰਦੀ ਹੈ। ਸੀਮਾ ਵਧਾਉਣ ਨਾਲ ਘੱਟ ਅਤੇ ਵੱਡੇ ਚਾਰਟ ਬਣਦੇ ਹਨ, ਪਰ ਸਟ੍ਰੈਚਿੰਗ ਦਾ ਖ਼ਤਰਾ ਵਧਦਾ ਹੈ; ਘਟਾਉਣ ਨਾਲ ਵੱਧ ਚਾਰਟ ਅਤੇ ਘੱਟ ਵਿਗਾੜ ਮਿਲਦਾ ਹੈ। |
| `uv_unwrap_refine_iterations` |  | integer | no | `0` | 0 – 10 | UV ਚਾਰਟਾਂ ਦੀ ਗਣਨਾ ਲਈ ਵਰਤੇ ਗਏ ਸਥਾਨਕ ਰਿਫਾਈਨਮੈਂਟ ਪਾਸਾਂ ਦੀ ਗਿਣਤੀ। |
| `uv_unwrap_global_iterations` |  | integer | no | `1` | 1 – 10 | ਚਾਰਟਾਂ ਦੀ ਗਣਨਾ ਲਈ ਵਰਤੇ ਗਏ ਗਲੋਬਲ ਕਲੱਸਟਰਿੰਗ ਪਾਸਾਂ ਦੀ ਗਿਣਤੀ ਵਧਾ ਕੇ UV ਚਾਰਟ ਸੰਤੁਲਨ ਸੁਧਾਰਿਆ ਜਾ ਸਕਦਾ ਹੈ। |
| `uv_unwrap_smooth_strength` |  | number | no | `1` | 0 – 10 | UV ਚਾਰਟ ਦੇ ਕਿਨਾਰਿਆਂ ਨੂੰ ਕਿੰਨੀ ਤਾਕਤ ਨਾਲ ਸਮੂਥ ਕਰਨਾ ਹੈ, ਇਹ ਸਮਾਯੋਜਿਤ ਕਰੋ; ਵੱਧ ਸੈਟਿੰਗਾਂ 'ਤੇ ਘੱਟ ਦਿਖਣ ਵਾਲੀਆਂ ਸੀਮਾਂ ਨਾਲ UV ਵਿਗਾੜ ਦਾ ਖ਼ਤਰਾ ਹੁੰਦਾ ਹੈ। |
| `image_url` | `image` | string (image URL) | yes |  |  | 3D ਰੂਪਾਂਤਰਨ ਲਈ ਸਰੋਤ ਚਿੱਤਰ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਨ ਵਾਲਾ 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 ਫਾਰਮੈਟ ਵਿੱਚ ਸਿਰਜਿਆ ਗਿਆ 3D ਮਾਡਲ। |

## 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