# PATINA · Material · Extract API

> மேற்பரப்பைக் குறிப்பிடும் ப்ராம்ப்ட்டின் வழிகாட்டுதலுடன், மூலப் படத்திலிருந்து PBR வரைபடங்களுடன் கூடிய டைல் செய்யக்கூடிய டெக்ஸ்ச்சரைப் பிரித்தெடுக்கிறது

எந்த மேற்பரப்பைப் பிரித்தெடுக்க வேண்டும் என்பதை விவரிக்கும் ப்ராம்ப்ட்டுடன் ஒரு உள்ளீட்டுப் படத்தைப் பெற்று, முன்னறிவிக்கப்பட்ட PBR வரைபடங்களுடன் டைல் செய்யக்கூடிய டெக்ஸ்ச்சரைத் திருப்பி அளிக்கிறது. உருவாக்க வேண்டிய basecolor, normal, roughness, metalness மற்றும் height ஆகியவற்றில் எதைத் தேர்ந்தெடுக்க வேண்டும் என்பதை `maps` குறிப்பிடுகிறது. `tiling_mode`, 0 முதல் 1 வரையிலான `strength`, 0, 2 அல்லது 4 என்ற `upscale_factor`, மேலும் 1 முதல் 4 வெளியீடுகள் ஆகிய விருப்பங்கள் உள்ளன.

- Model id: `patina/material/extract`
- Made by: Open model
- Category: Image Editing
- Output: image
- Price per run: from $0.17 / run (cheapest run $0.17 (170 API credits))
- Run: `POST https://api.doitong.com/v1/run/patina/material/extract`
- Quote: `POST https://api.doitong.com/v1/quote/patina/material/extract`
- Docs page: https://doitong.com/ta/developers/models/patina/material/extract

## Pricing

Price: **from $0.17 / run** (the lowest tier; the quote prices your exact input). Price per run: the input files are measured before the run (length, resolution, frame rate). The quote measures the same files and is exactly what the run charges.

The full example input below costs $0.17 = 170 API credits (1 run × $0.17).

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/patina/material/extract` 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 |
|---|---|---|---|---|---|---|
| `prompt` |  | string | yes |  |  | படத்திலிருந்து பிரித்தெடுக்க வேண்டிய texture-ன் விளக்கம். |
| `image_size` |  | object {width, height} \| enum (string) | no | `square_hd` | `square_hd`, `square`, `portrait_4_3`, `portrait_16_9`, `landscape_4_3`, `landscape_16_9` | விளைவாக உருவாகும் texture-ன் pixel பரிமாணங்கள். |
| `num_inference_steps` |  | integer | no | `8` | 1 – 8 | Texture-களை உருவாக்கப் பயன்படுத்தப்படும் denoising படிநிலை எண்ணிக்கை. |
| `seed` |  | integer \| null | no |  |  | உருவாக்கத்தை மீண்டும் உருவாக்கக்கூடியதாக்கும் சீரற்ற விதை. |
| `num_images` | `num_outputs` | integer | no | `1` | 1 – 4 | உருவாக்க வேண்டிய texture படங்களின் எண்ணிக்கை. |
| `enable_prompt_expansion` |  | boolean | no | `true` |  | விவரங்களைச் சேர்க்க LLM அடிப்படையிலான ப்ராம்ப்ட் விரிவாக்கத்தைச் செயல்படுத்தும். |
| `enable_safety_checker` |  | boolean | no | `true` |  | உருவாக்கப்பட்ட படங்களின் பாதுகாப்புச் சரிபார்ப்பைச் செயல்படுத்தும். |
| `tiling_mode` |  | enum (string) | no | `both` | `both`, `horizontal`, `vertical` | Tiling திசை: அனைத்து திசைகளிலும் tiling-க்கு 'both', அல்லது 'horizontal', 'vertical'. |
| `tile_size` |  | integer | no | `128` | 32 – 256 | Latent-space tile அளவு; 64 என்பது 512px-ஐயும் 128 என்பது 1024px-ஐயும் குறிக்கும். ஒவ்வொரு tiled axis-இலும், உருவாக்கப்பட்ட படத்தின் பரிமாணம் தானியங்கி உச்ச வரம்பை நிர்ணயிக்கும். |
| `tile_stride` |  | integer | no | `64` | 16 – 128 | Latent-space tiles-க்கு இடையிலான stride-ஐ அமைக்கவும்; effective tile size-ன் பாதியை மீறாதபடி தானியங்கி வரம்பு தடுக்கும். |
| `image_url` | `image` | string (image URL) | yes |  |  | Texture பிரித்தெடுப்புக்கான மூலப் படத்தின் URL. |
| `strength` |  | number | no | `0.6` | ≤ 1, > 0 | image_url மூலம் வழங்கப்பட்ட படத்திற்கு மட்டும் பயன்படுத்தப்படும் transformation வலிமை; இல்லையெனில் பயன்படுத்தப்படாது. |
| `maps` |  | array of enum (string) | no | `["basecolor","normal","roughness","metalness","height"]` |  | முன்கணிப்புக்காகத் தேர்ந்தெடுக்கப்பட்ட PBR maps; இயல்புநிலையாக ஐந்தும் தேர்ந்தெடுக்கப்படும். எதையும் தேர்ந்தெடுக்காவிட்டால் PBR மதிப்பீடு முழுமையாகத் தவிர்க்கப்படும். |
| `upscale_factor` |  | enum (integer) | no | `0` | `0`, `2`, `4` | முன்கணிக்கப்பட்ட PBR maps-ஐப் பாதிக்கும் SeedVR seamless upscaling factor; அடிப்படை texture அதன் அசல் தெளிவுத்திறனில் இருக்கும். இரட்டிப்பு தெளிவுத்திறனுக்கு 2, நான்கு மடங்கு தெளிவுத்திறனுக்கு 4, அல்லது upscaling-ஐ முடக்க 0 என்பதைத் தேர்வு செய்யவும். |
| `output_format` |  | enum (string) | no | `png` | `jpeg`, `png`, `webp` | வெளியீட்டு textures மற்றும் PBR maps-க்கான படம் கோப்பு வடிவம். |

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
{
  "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"
}
```

A fuller example:

```json
{
  "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"
}
```

## 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/patina/material/extract?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_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/patina/material/extract?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "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"
  }),
});
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 = {
    "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",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/patina/material/extract", 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": "patina/material/extract",
      "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"
      },
      "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": "patina/material/extract",
  "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": 170,
    "usd": "0.17",
    "charged": 170,
    "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"
  },
  "output": {
    "images": [
      {
        "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,
        "width": 1024,
        "height": 768
      }
    ],
    "seed": 42,
    "prompt": "string",
    "timings": {}
  },
  "outputs": [
    {
      "type": "image",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_size": 1843200,
      "width": 1024,
      "height": 768,
      "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 |
|---|---|---|
| `images` | array of any | வெளியீட்டுப் படங்களில் z-image உருவாக்கிய tileable textures உடன் PATINA முன்கணித்த PBR material maps-உம் அடங்கும். |
| `seed` | integer | Textures உருவாக்கும்போது பயன்படுத்தப்படும் seed. |
| `prompt` | string | பயன்படுத்தப்பட்ட விரிவாக்கம் உட்பட texture-உருவாக்க ப்ராம்ப்ட். |
| `timings` | object | முழு செயல்முறையையும் உள்ளடக்கிய நேரப் பிரிப்பு, வினாடிகளில். |

## Related models

- [PATINA · Material](https://doitong.com/developers/models/patina/material.md) (`patina/material`): from $0.08 / run
- [PATINA](https://doitong.com/developers/models/patina.md) (`patina`): from $0.0225 / run of input image
- [FLUX.1 Kontext \[pro\]](https://doitong.com/developers/models/flux-pro/kontext.md) (`flux-pro/kontext`): $0.04 / image
- [GPT Image 2.5 Edit](https://doitong.com/developers/models/openai/gpt-image-2.5/flare/edit.md) (`openai/gpt-image-2.5/flare/edit`): from $0.12 / image
- [Nano Banana 2 Edit](https://doitong.com/developers/models/nano-banana-2/edit.md) (`nano-banana-2/edit`): from $0.06 / image
- [Nano Banana Pro Edit](https://doitong.com/developers/models/nano-banana-pro/edit.md) (`nano-banana-pro/edit`): from $0.15 / image
- [Qwen Image 3 Edit](https://doitong.com/developers/models/alibaba/qwen-image-3/edit.md) (`alibaba/qwen-image-3/edit`): from $0.04 / image
- [Seedream 5.0 Pro Edit](https://doitong.com/developers/models/bytedance/seedream/v5/pro/edit.md) (`bytedance/seedream/v5/pro/edit`): from $0.0675 / run of output image

## Links

- HTML page: https://doitong.com/developers/models/patina/material/extract
- 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=patina/material/extract
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/patina/material/extract