Avançar para o conteúdo

Scail 2

Integrar

ID do modelo 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"

Ficheiros como o exemplo: 2,00 $ 2000 créditos da API os seus ficheiros são medidos antes da execução Executar nesta página

Obter chave de API
Open model Vídeo para vídeo até 704p #stylized#transform

Anima uma imagem de personagem de referência com movimento de um vídeo condutor ou insere-a na cena original

Open model · Vídeo

O seu primeiro resultado aparece aqui

Crie um pedido abaixo e execute-o com a sua chave de API. As saídas são copiadas para o nosso armazenamento, guardadas para sempre ou durante 7 dias gratuitamente.

Criar um pedido

Os controlos são gerados a partir do esquema do modelo. O código e o preço são atualizados à medida que os altera.

•obrigatório

Prompt que especifica o vídeo de saída pretendido.

•obrigatório image_url
Largue um ficheiro ou

URL da imagem de referência da personagem que fornece a personagem a animar ou substituir por um sujeito, sendo o vídeo de condução responsável por determinar a animação ou substituição.

•obrigatório video_url
Largue um ficheiro ou

Forneça por URL um vídeo de condução de movimento, com uma única pessoa, várias pessoas ou um animal.

resolution predefinição 512p

Resolução da saída com orientação determinada automaticamente pela proporção da imagem de referência. Em paisagem, 512p corresponde a 896x512 e 704p a 1280x704; em retrato, utiliza 512x896 e 704x1280, respetivamente.

Avançado mode · driving_type · subject_type · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker
mode predefinição animation

Escolha como utilizar a personagem de referência: `replacement` preserva a cena original, mas substitui a personagem pelo sujeito de condução; `animation` aplica o movimento de condução à personagem.

driving_type predefinição end_to_end

O movimento da animação provém diretamente de um vídeo de condução mascarado pelo SAM3 com `end_to_end`, a opção predefinida e recomendada para máxima robustez. Em alternativa, `pose` utiliza NLF/DWPose para gerar um esqueleto explícito a partir desse vídeo, oferecendo maior controlo com entradas difíceis.

subject_type predefinição human

Seleção do sujeito do vídeo de condução, com `animal` a configurar o prompt de deteção do SAM3 para sujeitos não-`human`.

predefinição 40

Número de passos de amostragem da difusão. Aumentá-lo melhora a qualidade, mas demora mais tempo.

predefinição 5

Intensidade da orientação sem classificador, equilibrando a adesão ao prompt e a criatividade.

predefinição 3

Deslocamento do esquema de ruído para correspondência de fluxo, com uma definição recomendada de 3.0 ao utilizar 512p.

Semente da geração incluída na resposta, quer tenha sido fornecida explicitamente, quer selecionada aleatoriamente porque a entrada foi deixada vazia.

POST /run/scail-2?wait=20 cotação → 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"

Executar este pedido

A sua chave permanece neste navegador: é enviada apenas para a Doitong API e guardada em localStorage apenas se selecionar Lembrar. Obter uma chave de API

Sobre Scail 2

Recebe um `image_url` de personagem de referência e um `video_url` condutor que mostra uma pessoa, várias pessoas ou um animal. No modo `animation`, a personagem executa o movimento condutor; no modo `replacement`, substitui o sujeito mantendo a cena. A resolução é 512p ou 704p, com a orientação escolhida a partir da imagem. `driving_type` pode usar condução direta de ponta a ponta ou um esqueleto de pose explícito.

Parâmetros

Envie o nome canónico ou o nome nativo, não ambos. Nomes canónicos

NomeTipo PredefiniçãoPermitido Descrição
promptobrigatório
Tipostring
Prompt que especifica o vídeo de saída pretendido.
image_urlobrigatório image
Tipourl · image
URL da imagem de referência da personagem que fornece a personagem a animar ou substituir por um sujeito, sendo o vídeo de condução responsável por determinar a animação ou substituição.
video_urlobrigatório video
Tipourl · video
Forneça por URL um vídeo de condução de movimento, com uma única pessoa, várias pessoas ou um animal.
modeopcional
Tipoenum
Predefiniçãoanimation
animationreplacement
Escolha como utilizar a personagem de referência: `replacement` preserva a cena original, mas substitui a personagem pelo sujeito de condução; `animation` aplica o movimento de condução à personagem.
driving_typeopcional
Tipoenum
Predefiniçãoend_to_end
end_to_endpose
O movimento da animação provém diretamente de um vídeo de condução mascarado pelo SAM3 com `end_to_end`, a opção predefinida e recomendada para máxima robustez. Em alternativa, `pose` utiliza NLF/DWPose para gerar um esqueleto explícito a partir desse vídeo, oferecendo maior controlo com entradas difíceis.
subject_typeopcional
Tipoenum
Predefiniçãohuman
humananimal
Seleção do sujeito do vídeo de condução, com `animal` a configurar o prompt de deteção do SAM3 para sujeitos não-`human`.
resolutionopcional
Tipoenum
Predefinição512p
512p704p
Resolução da saída com orientação determinada automaticamente pela proporção da imagem de referência. Em paisagem, 512p corresponde a 896x512 e 704p a 1280x704; em retrato, utiliza 512x896 e 704x1280, respetivamente.
num_inference_stepsopcional
Tipointeger
Predefinição40
2 – 50
Número de passos de amostragem da difusão. Aumentá-lo melhora a qualidade, mas demora mais tempo.
guidance_scaleopcional
Tiponumber
Predefinição5
1 – 10
Intensidade da orientação sem classificador, equilibrando a adesão ao prompt e a criatividade.
shiftopcional
Tiponumber
Predefinição3
1 – 10
Deslocamento do esquema de ruído para correspondência de fluxo, com uma definição recomendada de 3.0 ao utilizar 512p.
seedopcional
Tipointeger | null
Semente da geração incluída na resposta, quer tenha sido fornecida explicitamente, quer selecionada aleatoriamente porque a entrada foi deixada vazia.
enable_safety_checkeropcional
Tipoboolean
Predefiniçãotrue
A filtragem pode ser flexibilizada definindo false, desde que o autor do pedido esteja autorizado.
obrigatório Nome canónico, também aceite

Os parâmetros de ficheiro aceitam um URL https:// público, um URI data: até 10 MB ou o file_url de um carregamento. Ficheiros

Resultado

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"
  }
}
Os seus ficheiros, a sua escolhaCada outputs[].url é uma cópia no nosso armazenamento: guardada para sempre (paga por GB-mês) ou durante 7 dias gratuitamente, conforme a definição da sua conta ou ?storage=.
A mesma estrutura em todos os modelostype, url, content_type, width, height e duration, tanto para imagens como para vídeo e áudio. output é o próprio objeto de resultado do modelo.
Campos do resultado
video
object {url, content_type, file_name, file_size}Ficheiro de vídeo produzido pela geração.
seed
integerSemente utilizada para geração de vídeo.
preprocessing_video
object {url, content_type, file_name, file_size} | nullVídeo de depuração que contém a entrada de condicionamento da pose Stage-A fornecida ao modelo de difusão, disponível apenas com `output_preprocessing=true`. O conteúdo depende de `driving_type`: `end_to_end` utiliza imagens de condução mascaradas pelo SAM3, enquanto `driving_type=pose` utiliza um esqueleto gerado pelo NLF/DWPose.
preprocessing_mask_video
object {url, content_type, file_name, file_size} | nullVídeo da máscara de condução Stage-A para depuração, disponível apenas com `output_preprocessing=true`.

Para agentes de IA: esta página em Markdown está disponível em https://doitong.com/pt-PT/developers/models/scail-2.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt