Przejdź do treści

Scail 2

Integracja

Identyfikator modelu scail-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/scail-2?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",
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "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: 2,00 $ 2000 kredytów API Twoje pliki są mierzone przed uruchomieniem Uruchom na tej stronie

Uzyskaj klucz API
Open model Wideo na wideo do 704p #stylized#transform

Animuje obraz referencyjnej postaci ruchem z wideo sterującego albo umieszcza ją w oryginalnej scenie

Open model · Wideo

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 określający żądane wideo wynikowe.

•wymagane image_url
Upuść plik lub

URL obrazu referencyjnego postaci dostarczającego postać do animacji lub zastąpienia obiektu; wideo sterujące określa animację lub zastąpienie.

•wymagane video_url
Upuść plik lub

Dostarcz wideo sterujące ruchem przez URL, przedstawiające jednego człowieka, kilka osób lub zwierzę.

resolution domyślnie 512p

Rozdzielczość wyniku z automatycznym określaniem orientacji na podstawie proporcji obrazu referencyjnego. W orientacji poziomej 512p mapuje się na 896x512, a 704p na 1280x704; w orientacji pionowej odpowiednio na 512x896 i 704x1280.

Zaawansowane mode · driving_type · subject_type · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker
mode domyślnie animation

Wybór sposobu użycia postaci referencyjnej: `replacement` zachowuje oryginalną scenę, ale zastępuje postać obiektem sterowanym; `animation` stosuje ruch sterujący do postaci.

driving_type domyślnie end_to_end

Ruch animacji pochodzi bezpośrednio z wideo sterującego zamaskowanego przez SAM3 za pomocą `end_to_end`, czyli domyślnej i zalecanej opcji zapewniającej największą niezawodność. Alternatywnie `pose` używa NLF/DWPose do renderowania jawnego szkieletu z tego wideo, zapewniając większą kontrolę przy trudnych danych wejściowych.

subject_type domyślnie human

Wybór obiektu z wideo sterującego, przy czym `animal` konfiguruje prompt detekcji SAM3 dla obiektów innych niż `human`.

domyślnie 40

Liczba kroków próbkowania dyfuzji. Zwiększenie poprawia jakość, ale wydłuża czas przetwarzania.

domyślnie 5

Siła classifier-free guidance, równoważąca zgodność z promptem i kreatywność.

domyślnie 3

Przesunięcie harmonogramu szumu dla dopasowania przepływu; przy użyciu 512p zalecane jest ustawienie 3.0.

Seed generowania dołączany do odpowiedzi niezależnie od tego, czy podano go jawnie, czy wybrano losowo, ponieważ dane wejściowe pozostawiono puste.

POST /run/scail-2?wait=20 wycena → 2,00 $
# 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/scail-2?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",
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "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 Scail 2

Przyjmuje referencyjne `image_url` postaci oraz `video_url` sterujące z człowiekiem, kilkoma ludźmi lub zwierzęciem. W trybie `animation` postać wykonuje ruch sterujący; w trybie `replacement` zastępuje obiekt, zachowując scenę. Rozdzielczość to 512p lub 704p, a orientacja jest wybierana na podstawie obrazu. `driving_type` może używać bezpośredniego sterowania end-to-end lub jawnego szkieletu pozy.

Parametry

Wyślij nazwę kanoniczną albo natywną, nie obie. Nazwy kanoniczne

NazwaTyp DomyślneDozwolone Opis
promptwymagane
Typstring
Prompt określający żądane wideo wynikowe.
image_urlwymagane image
Typurl · image
URL obrazu referencyjnego postaci dostarczającego postać do animacji lub zastąpienia obiektu; wideo sterujące określa animację lub zastąpienie.
video_urlwymagane video
Typurl · video
Dostarcz wideo sterujące ruchem przez URL, przedstawiające jednego człowieka, kilka osób lub zwierzę.
modeopcjonalne
Typenum
Domyślneanimation
animationreplacement
Wybór sposobu użycia postaci referencyjnej: `replacement` zachowuje oryginalną scenę, ale zastępuje postać obiektem sterowanym; `animation` stosuje ruch sterujący do postaci.
driving_typeopcjonalne
Typenum
Domyślneend_to_end
end_to_endpose
Ruch animacji pochodzi bezpośrednio z wideo sterującego zamaskowanego przez SAM3 za pomocą `end_to_end`, czyli domyślnej i zalecanej opcji zapewniającej największą niezawodność. Alternatywnie `pose` używa NLF/DWPose do renderowania jawnego szkieletu z tego wideo, zapewniając większą kontrolę przy trudnych danych wejściowych.
subject_typeopcjonalne
Typenum
Domyślnehuman
humananimal
Wybór obiektu z wideo sterującego, przy czym `animal` konfiguruje prompt detekcji SAM3 dla obiektów innych niż `human`.
resolutionopcjonalne
Typenum
Domyślne512p
512p704p
Rozdzielczość wyniku z automatycznym określaniem orientacji na podstawie proporcji obrazu referencyjnego. W orientacji poziomej 512p mapuje się na 896x512, a 704p na 1280x704; w orientacji pionowej odpowiednio na 512x896 i 704x1280.
num_inference_stepsopcjonalne
Typinteger
Domyślne40
2 – 50
Liczba kroków próbkowania dyfuzji. Zwiększenie poprawia jakość, ale wydłuża czas przetwarzania.
guidance_scaleopcjonalne
Typnumber
Domyślne5
1 – 10
Siła classifier-free guidance, równoważąca zgodność z promptem i kreatywność.
shiftopcjonalne
Typnumber
Domyślne3
1 – 10
Przesunięcie harmonogramu szumu dla dopasowania przepływu; przy użyciu 512p zalecane jest ustawienie 3.0.
seedopcjonalne
Typinteger | null
Seed generowania dołączany do odpowiedzi niezależnie od tego, czy podano go jawnie, czy wybrano losowo, ponieważ dane wejściowe pozostawiono puste.
enable_safety_checkeropcjonalne
Typboolean
Domyślnetrue
Filtrowanie można złagodzić, ustawiając false, jeśli wywołujący ma odpowiednie uprawnienia.
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": "scail-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": 2000,
    "usd": "2.00",
    "charged": 2000,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  },
  "output": {
    "video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_name": "0-output.mp4",
      "file_size": 1843200
    },
    "seed": 42,
    "preprocessing_video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_name": "0-output.mp4",
      "file_size": 1843200
    },
    "preprocessing_mask_video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_name": "0-output.mp4",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "video",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_size": 1843200,
      "width": 1280,
      "height": 720,
      "duration": 5,
      "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
video
object {url, content_type, file_name, file_size}Plik wideo utworzony podczas generowania.
seed
integerSeed używany do generowania wideo.
preprocessing_video
object {url, content_type, file_name, file_size} | nullWideo debugowania zawierające dane wejściowe warunkowania pozy Stage-A przekazane do modelu dyfuzji, dostępne tylko przy `output_preprocessing=true`. Zawartość zależy od `driving_type`: `end_to_end` używa materiału sterującego zamaskowanego przez SAM3, a `driving_type=pose` używa szkieletu renderowanego przez NLF/DWPose.
preprocessing_mask_video
object {url, content_type, file_name, file_size} | nullWideo maski sterującej Stage-A do debugowania, dostępne tylko przy `output_preprocessing=true`.

Dla agentów AI: ta strona w formacie Markdown jest dostępna pod adresem https://doitong.com/pl/developers/models/scail-2.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt