Przejdź do treści

Sa2VA 4B Video

Integracja

Identyfikator modelu 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"

Pliki takie jak przykład: 0,40 $ 400 kredytów API Twoje pliki są mierzone przed uruchomieniem Uruchom na tej stronie

Uzyskaj klucz API
ByteDance Wizja #multimodal#vision

Mniejszy model Sa2VA, który odpowiada na pytania dotyczące wideo i zwraca wideo z maskami

ByteDance · Tekst

Tutaj pojawi się pierwszy wynik

Zbuduj poniżej żądanie i uruchom je za pomocą klucza API. Wyniki są kopiowane do naszej przestrzeni dyskowej i przechowywane bezterminowo lub 7 dni bezpłatnie.

Zbuduj żądanie

Elementy sterujące są generowane ze schematu modelu. Kod i cena aktualizują się podczas ich zmiany.

•wymagane

Prompt podany do uzupełniania czatu.

•wymagane video_url
Upuść plik lub

URL wideo wejściowego.

Zaawansowane num_frames_to_sample

Liczba klatek wideo do próbkowania, od 5 do 100. Jeśli pominięto, używane jest 32.

POST /run/sa2va/4b/video?wait=20 wycena → 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"

Uruchom to żądanie

Klucz pozostaje w tej przeglądarce: jest wysyłany tylko do Doitong API i zapisywany (localStorage) tylko po zaznaczeniu opcji Zapamiętaj. Uzyskaj klucz API

Informacje o Sa2VA 4B Video

Przyjmuje `video_url` i tekstowy `prompt`, zwracając odpowiedź tekstową oraz opisane wideo z maskami. `num_frames_to_sample` określa liczbę analizowanych klatek, od 5 do 100, i domyślnie wynosi 32, jeśli parametr pominięto. Jest to wariant 4B do danych wejściowych wideo.

Parametry

Wyślij nazwę kanoniczną albo natywną, nie obie. Nazwy kanoniczne

NazwaTyp DomyślneDozwolone Opis
promptwymagane
Typstring
Prompt podany do uzupełniania czatu.
video_urlwymagane video
Typurl · video
URL wideo wejściowego.
num_frames_to_sampleopcjonalne
Typinteger | null
5 – 100
Liczba klatek wideo do próbkowania, od 5 do 100. Jeśli pominięto, używane jest 32.
wymagane Nazwa kanoniczna, również akceptowana

Parametry plików przyjmują publiczny URL https://, identyfikator URI data: do 10 MB albo file_url przesłanego pliku. Pliki

Wynik

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"
  }
}
Twoje pliki, Twój wybórKażdy outputs[].url to kopia w naszej przestrzeni dyskowej: przechowywana bezterminowo (opłata za GB-miesiąc) lub 7 dni bezpłatnie, zgodnie z ustawieniem konta lub ?storage=.
Taki sam format w każdym modelutype, url, content_type, width, height i duration — tak samo dla obrazów, filmów i dźwięku. output to własny obiekt wyniku modelu.
Pola wyniku
output
stringWynik utworzony przez model.
masks
array of object {url, content_type, file_name, file_size}Słownik mapujący etykiety na maski wideo.

Więcej modeli: Wizja

Dla agentów AI: ta strona w formacie Markdown jest dostępna pod adresem https://doitong.com/pl/developers/models/sa2va/4b/video.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt