Trellis 2

ஒருங்கிணை

மாடல் id trellis-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/trellis-2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image": "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"

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": "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 + ")");

import os
import requests

API = "https://api.doitong.com/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "image": "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"])

# 1. Connect once (Claude Code; Cursor, VS Code, Claude Desktop: https://doitong.com/ta/developers/docs/mcp)
claude mcp add --transport http doitong-models https://api.doitong.com/v1/mcp \
  --header "Authorization: Bearer $DOITONG_API_KEY"

# 2. Your agent calls the "run" tool with:
{
  "model_id": "trellis-2",
  "input": {
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  }
}

Doitong API மூலம் Trellis 2 மாதிரியை (trellis-2) அழைக்கவும். முகவர்களுக்கான ஆவணங்கள்: https://doitong.com/ta/developers/models/trellis-2.md

POST https://api.doitong.com/v1/run/trellis-2?wait=20
Authorization: Bearer $DOITONG_API_KEY
Content-Type: application/json

{
  "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
}

பதிலின் நிலை "queued" அல்லது "running" எனில், அது "succeeded" ஆகும் வரை GET https://api.doitong.com/v1/requests/REQUEST_ID?wait=20 மூலம் தொடர்ந்து சரிபார்க்கவும்; கோப்புகள் outputs[].url இல் உள்ளன. அதே body-யுடன் POST https://api.doitong.com/v1/quote/trellis-2 அனுப்பினால், இயக்கத்திற்கு முன் துல்லியமான விலை கிடைக்கும்.

இந்தக் கோரிக்கை: $0.30 300 API கிரெடிட்கள் இந்தப் பக்கத்தில் இயக்குங்கள்

API விசையைப் பெறுக

Microsoft படத்திலிருந்து 3D-க்கு #image-to-3d

மாற்றக்கூடிய கட்டமைப்பு, வடிவம், இழைநயம் மற்றும் UV அமைப்புகளுடன் ஒற்றைப் படத்தை இழைநயமுள்ள GLB 3D வலைப்பின்னலாக மாற்றுகிறது

OpenAPI Markdown

Microsoft · 3D

உங்கள் முதல் முடிவு இங்கே வரும்

கீழே ஒரு கோரிக்கையை உருவாக்கி, உங்கள் API விசையுடன் இயக்குங்கள். வெளியீடுகள் எங்கள் சேமிப்பகத்தில் நகலெடுக்கப்பட்டு, நிரந்தரமாக அல்லது இலவசமாக 7 நாட்கள் வைக்கப்படும்.

கோரிக்கையை உருவாக்கு

விலை

துல்லியமான விலை

$0.30ஒரு இயக்கத்திற்கு

300 API கிரெடிட்கள்

விலை: $0.25 முதல்

1 கோரிக்கை × $0.30 இயக்கு · $0.30

வெற்றி பெற்றால் மட்டுமே வசூலிக்கப்படும்; தோல்வியுற்றால் தானாகத் திருப்பியளிக்கப்படும்.

resolution இயல்புநிலை 1024

விலை விதிகள்

resolution = 1024 இருக்கும்போது: $0.30 / கோரிக்கை
resolution = 1536 இருக்கும்போது: $0.35 / கோரிக்கை

ஒவ்வொரு கோரிக்கைக்கும் ஒருமுறை கட்டணம் விதிக்கப்படும்.

விலைமதிப்பீட்டு முனையம்: POST /quote/{id}

கோரிக்கையை உருவாக்கு

மாடல் ஸ்கீமாவிலிருந்து கட்டுப்பாடுகள் உருவாக்கப்படுகின்றன. அவற்றை மாற்றும்போது குறியீடும் விலையும் புதுப்பிக்கப்படும்.

image •தேவை image_url

கோப்பை விடுங்கள் அல்லது

3D மாற்றத்திற்கான மூலப் படத்தைச் சுட்டும் URL.

resolution இயல்புநிலை 1024

வெளியீட்டின் தெளிவுத்திறன்; இதை அதிகரித்தால் விவரம் கூடும், ஆனால் அதிக நேரம் தேவைப்படும்.

மேம்பட்டவை texture_size · ss_guidance_strength · ss_guidance_rescale · ss_guidance_interval_start · ss_guidance_interval_end · ss_sampling_steps · ss_rescale_t · shape_slat_guidance_strength · shape_slat_guidance_rescale · shape_slat_guidance_interval_start · shape_slat_guidance_interval_end · shape_slat_sampling_steps · shape_slat_rescale_t · tex_slat_guidance_strength · tex_slat_guidance_rescale · tex_slat_guidance_interval_start · tex_slat_guidance_interval_end · tex_slat_sampling_steps · tex_slat_rescale_t · decimation_target · remesh_band · remesh_project · uv_unwrap_angle_threshold_deg · uv_unwrap_refine_iterations · uv_unwrap_global_iterations · uv_unwrap_smooth_strength · seed · remesh

texture_size இயல்புநிலை 2048

Baking-க்கான mesh texture தெளிவுத்திறன். இந்த தெளிவுத்திறனை அதிகரித்தால் மேற்பரப்பு விவரம் நுணுக்கமாகும், ஆனால் கோப்புகள் பெரிதாகும்.

ss_guidance_strength இயல்புநிலை 7.5

ஆரம்ப 3D கட்டமைப்பின் துல்லியக் கட்டுப்பாடு: இதை அதிகரித்தால் கூடுதல் noise ஏற்படும் அபாயத்துடன் உள்ளீட்டுப் படத்துடன் நெருக்கமான ஒத்திசைவு கிடைக்கும்.

ss_guidance_rescale இயல்புநிலை 0.7

Stage 1 guidance-artifact கட்டுப்பாடு; குறைந்த அமைப்புகளில் வலுவான guidance விளைவுகளுக்கும் அதிக அமைப்புகளில் நிலையான வெளியீட்டிற்கும் இடையே சமநிலைப்படுத்துகிறது.

ss_guidance_interval_start இயல்புநிலை 0.6

stage 1 (sparse structure)-ல் classifier-free guidance சாளரத்தின் தொடக்க எல்லை; denoising fraction ஆக வெளிப்படுத்தப்படுகிறது. குறைந்த அமைப்புகள் வழிகாட்டலை விரைவாகத் தொடங்கும்; interval_start முதல் interval_end வரையிலான இடைவெளியில் மட்டும் வழிகாட்டல் பயன்படுத்தப்படும், பிற இடங்களில் வழிகாட்டல் இல்லாத செயலாக்கம் நடைபெறும்.

ss_guidance_interval_end இயல்புநிலை 1

stage 1 (sparse structure)-க்கான வழிகாட்டல் நிறுத்தப் புள்ளி: ss_guidance_interval_start-க்கு குறைந்தது சமமான மதிப்பைத் தேர்ந்தெடுக்கவும். classifier-free guidance நிறுத்தப்படும் denoising பகுதியை இந்த மதிப்பு குறிக்கிறது.

ss_sampling_steps இயல்புநிலை 12

ஆரம்பக் கட்டமைப்பின் denoising எண்ணிக்கை: கூடுதல் steps மூலம் கிடைக்கக்கூடிய தர மேம்பாடு மெதுவான செயலாக்கத்துடன் வருகிறது.

ss_rescale_t இயல்புநிலை 5

கட்டமைப்பு-உருவாக்க noise schedule மூலம் transition கூர்மையை அமைக்கவும்; இந்த மதிப்பை அதிகரித்தால் transitions மேலும் கூர்மையாகும்.

shape_slat_guidance_strength இயல்புநிலை 7.5

விரிவான geometry-யின் துல்லியக் கட்டுப்பாடு: உள்ளீட்டுப் படத்துடன் அதிகமாக ஒத்திசைந்தால் கூடுதல் விவரம் கிடைக்கும், ஆனால் noise ஏற்படும் அபாயம் உள்ளது.

shape_slat_guidance_rescale இயல்புநிலை 0.5

Geometry-யில் noise தெரிந்தால் இந்த அமைப்பை அதிகரிக்கவும்: shape stage-இல் வலுவான guidance காரணமான artifacts-ஐ இது குறைக்கும்.

shape_slat_guidance_interval_start இயல்புநிலை 0.6

stage 2-ல் வடிவச் செம்மைப்படுத்தலுக்கான classifier-free guidance செயல்படுத்தும் புள்ளி. denoising முன்னேற்றத்தின் ஒரு பகுதியாக வெளிப்படுத்தப்பட்டு, interval_start-ஐ அமைக்கிறது; interval_start மற்றும் interval_end ஆகியவற்றால் வரையறுக்கப்பட்ட சாளரத்திற்குள் மட்டுமே வழிகாட்டல் செயல்படும்.

shape_slat_guidance_interval_end இயல்புநிலை 1

stage 2 (shape refinement)-க்கான வழிகாட்டல் நிறுத்தப் புள்ளி: shape_slat_guidance_interval_start-க்கு குறைந்தது சமமான மதிப்பைத் தேர்ந்தெடுக்கவும். classifier-free guidance நிறுத்தப்படும் denoising பகுதியை இந்த மதிப்பு குறிக்கிறது.

shape_slat_sampling_steps இயல்புநிலை 12

Shape-refinement denoising எண்ணிக்கை: கூடுதல் steps பயன்படுத்தும்போது மென்மையான geometry கிடைக்கலாம், ஆனால் வேகம் குறையும்.

shape_slat_rescale_t இயல்புநிலை 3

Shape-refinement noise schedule மூலம் geometric detail கூர்மையை அமைக்கவும்; இந்த மதிப்பை அதிகரித்தால் விவரங்கள் மேலும் கூர்மையாகும்.

tex_slat_guidance_strength இயல்புநிலை 1

Texture நிறத் துல்லியக் கட்டுப்பாடு: அதிக அமைப்புகளில் உள்ளீட்டுப் படத்தின் நிறங்களுடன் நெருக்கமாக ஒத்திசைவதால் vividness அதிகரிக்கும், ஆனால் oversaturation ஏற்படலாம்.

tex_slat_guidance_rescale இயல்புநிலை 0

Noise கொண்ட textures அல்லது color banding-ஐச் சரிசெய்ய இந்த அமைப்பை அதிகரிக்கவும்: texture stage-இல் வலுவான guidance காரணமான artifacts-ஐ இது குறைக்கும்.

tex_slat_guidance_interval_start இயல்புநிலை 0.6

stage 3-ல் texture உருவாக்கத்திற்கான classifier-free guidance செயல்படுத்தும் புள்ளி. denoising முன்னேற்றத்தின் ஒரு பகுதியாக வெளிப்படுத்தப்பட்டு, interval_start-ஐ அமைக்கிறது; interval_start மற்றும் interval_end ஆகியவற்றால் வரையறுக்கப்பட்ட சாளரத்திற்குள் மட்டுமே வழிகாட்டல் செயல்படும்.

tex_slat_guidance_interval_end இயல்புநிலை 0.9

stage 3 (texture)-க்கான வழிகாட்டல் நிறுத்தப் புள்ளி: tex_slat_guidance_interval_start-க்கு குறைந்தது சமமான மதிப்பைத் தேர்ந்தெடுக்கவும். classifier-free guidance நிறுத்தப்படும் denoising பகுதியை இந்த மதிப்பு குறிக்கிறது.

tex_slat_sampling_steps இயல்புநிலை 12

Textures உருவாக்கப் பயன்படுத்தப்படும் denoising steps-ன் எண்ணிக்கை. எண்ணிக்கையை அதிகரித்தால் அதிக நேரம் தேவைப்படும், ஆனால் தூய்மையான textures கிடைக்கலாம்.

tex_slat_rescale_t இயல்புநிலை 3

Texture-generation noise schedule மூலம் texture detail கூர்மையை அமைக்கவும்; இந்த மதிப்பை அதிகரித்தால் விவரங்கள் மேலும் கூர்மையாகும்.

decimation_target இயல்புநிலை 500000

mesh vertex-count இலக்கு; பொதுப் பயன்பாட்டுக்கு 500k மற்றும் web/mobile-க்கு 20k–50k பரிந்துரைக்கப்படுகிறது. இலக்கைக் குறைப்பது mesh விவரங்களைச் சிறிய கோப்புகளுக்காகக் குறைக்கும்.

remesh_band இயல்புநிலை 1

மறுவலை பின்னல் இயக்க அனுமதி: இந்த மதிப்பு அதிகரிக்கப்படும்போது கூடுதல் மென்மைப்படுத்தல் நுணுக்கமான விவரங்களை இழக்கச் செய்யலாம். இந்த அமைப்பு, அசல் மேற்பரப்புடன் ஒப்பிடும்போது vertex இடப்பெயர்வை வரம்புபடுத்துகிறது.

remesh_project இயல்புநிலை 0

மறுவலை பின்னப்பட்ட vertex-களை அசல் மேற்பரப்புக்குத் திருப்புவதற்கான projection வலிமை: 1 முழு projection மூலம் விவரங்களைப் பாதுகாக்கிறது, 0 projection-ஐ முடக்கி மென்மையான முடிவை வழங்குகிறது.

uv_unwrap_angle_threshold_deg இயல்புநிலை 90

UV chart-இன் கோண வரம்பு, அண்டை முகங்களின் normal-கள் ஒரே chart-க்குள் எவ்வளவு வேறுபடலாம் என்பதைக் கட்டுப்படுத்துகிறது. வரம்பை அதிகரிப்பது இழுவை ஏற்படும் அபாயத்துடன் குறைவான, பெரிய chart-களைத் தேர்வுசெய்கிறது; குறைப்பது அதிக chart-களையும் குறைந்த சிதைவையும் வழங்குகிறது.

uv_unwrap_refine_iterations இயல்புநிலை 0

UV chart-களைக் கணக்கிடப் பயன்படுத்தப்படும் உள்ளூர் refinement pass-களின் எண்ணிக்கை.

uv_unwrap_global_iterations இயல்புநிலை 1

UV chart சமநிலையை மேம்படுத்த, chart-களைக் கணக்கிடப் பயன்படுத்தப்படும் global clustering pass-களின் எண்ணிக்கையை அதிகரிக்கலாம்.

uv_unwrap_smooth_strength இயல்புநிலை 1

UV chart விளிம்புகள் எவ்வளவு வலுவாக மென்மைப்படுத்தப்பட வேண்டும் என்பதைச் சரிசெய்கிறது; அதிக அமைப்புகளில் குறைவாகத் தெரியும் seams, UV distortion ஏற்படும் அபாயத்துடன் கிடைக்கும்.

seed

மீண்டும் உருவாக்கக்கூடிய சீரற்ற உருவாக்கத்திற்குப் பயன்படுத்தப்படும் Seed.

POST /run/trellis-2?wait=20 விலை → $0.30

# 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": "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"

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": "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 + ")");

import os
import requests

API = "https://api.doitong.com/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "image": "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"])

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "trellis-2",
      "input": {
        "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
      },
      "wait_seconds": 20
    }
  }
}

இந்தக் கோரிக்கையை இயக்கு

API விசை

உங்கள் key இந்த உலாவியில் மட்டுமே இருக்கும்: அது Doitong API-க்கு மட்டும் அனுப்பப்படும்; Remember-ஐத் தேர்ந்தெடுத்தால் மட்டுமே (localStorage)-ல் சேமிக்கப்படும். இந்த உலாவியில் நினைவில் கொள்க API விசையைப் பெறுங்கள்

Trellis 2 பற்றி

ஒரு படத்திலிருந்து (`image_url`) 3D சொத்தை உருவாக்கி GLB கோப்பை வழங்குகிறது. `resolution` 512, 1024 அல்லது 1536 ஆகவும், `texture_size` 1024, 2048 அல்லது 4096 ஆகவும் இருக்கலாம். மூன்று நிலைகளில் ஒவ்வொன்றும் (கட்டமைப்பு, வடிவம், இழைநயம்) தனித்தனி வழிகாட்டல் மற்றும் மாதிரியாக்கப் படி கட்டுப்பாடுகளைக் கொண்டுள்ளது. `decimation_target` வலைப்பின்னல் உச்சிகளின் எண்ணிக்கையை (5,000 முதல் 2,000,000 வரை) அமைக்கிறது; வலைப்பின்னலை மறுஉருவாக்குதல் மற்றும் UV விரித்தல் விருப்பங்களும் வழங்கப்படுகின்றன.

அளவுருக்கள்

நியமப் பெயர் அல்லது நேட்டிவ் பெயர் இரண்டில் ஒன்றை மட்டும் அனுப்பவும். நியமப் பெயர்கள்

பெயர்வகை இயல்புநிலைஅனுமதிக்கப்பட்டது விளக்கம்

seedவிருப்பத்தேர்வு

வகைinteger | null

resolutionவிருப்பத்தேர்வு

வகைenum

இயல்புநிலை1024

51210241536

ss_guidance_strengthவிருப்பத்தேர்வு

வகைnumber

இயல்புநிலை7.5

0 – 10

ss_guidance_rescaleவிருப்பத்தேர்வு

வகைnumber

இயல்புநிலை0.7

0 – 1

ss_guidance_interval_startவிருப்பத்தேர்வு

வகைnumber

இயல்புநிலை0.6

0 – 1

ss_guidance_interval_endவிருப்பத்தேர்வு

வகைnumber

இயல்புநிலை1

0 – 1

ss_sampling_stepsவிருப்பத்தேர்வு

வகைinteger

இயல்புநிலை12

1 – 50

ss_rescale_tவிருப்பத்தேர்வு

வகைnumber

இயல்புநிலை5

1 – 6

shape_slat_guidance_strengthவிருப்பத்தேர்வு

வகைnumber

இயல்புநிலை7.5

0 – 10

shape_slat_guidance_rescaleவிருப்பத்தேர்வு

வகைnumber

இயல்புநிலை0.5

0 – 1

shape_slat_guidance_interval_startவிருப்பத்தேர்வு

வகைnumber

இயல்புநிலை0.6

0 – 1

shape_slat_guidance_interval_endவிருப்பத்தேர்வு

வகைnumber

இயல்புநிலை1

0 – 1

shape_slat_sampling_stepsவிருப்பத்தேர்வு

வகைinteger

இயல்புநிலை12

1 – 50

shape_slat_rescale_tவிருப்பத்தேர்வு

வகைnumber

இயல்புநிலை3

1 – 6

tex_slat_guidance_strengthவிருப்பத்தேர்வு

வகைnumber

இயல்புநிலை1

0 – 10

tex_slat_guidance_rescaleவிருப்பத்தேர்வு

வகைnumber

இயல்புநிலை0

0 – 1

tex_slat_guidance_interval_startவிருப்பத்தேர்வு

வகைnumber

இயல்புநிலை0.6

0 – 1

tex_slat_guidance_interval_endவிருப்பத்தேர்வு

வகைnumber

இயல்புநிலை0.9

0 – 1

tex_slat_sampling_stepsவிருப்பத்தேர்வு

வகைinteger

இயல்புநிலை12

1 – 50

tex_slat_rescale_tவிருப்பத்தேர்வு

வகைnumber

இயல்புநிலை3

1 – 6

decimation_targetவிருப்பத்தேர்வு

வகைinteger

இயல்புநிலை500000

5,000 – 20,00,000

texture_sizeவிருப்பத்தேர்வு

வகைenum

இயல்புநிலை2048

102420484096

remeshவிருப்பத்தேர்வு

வகைboolean

இயல்புநிலைtrue

சுத்தமான mesh முக்கோணங்களை உருவாக்கும் topology மறுகட்டமைப்பு; animation அல்லது 3D printing போன்ற பிந்தைய பயன்பாடுகளுக்கான ஏற்றத்தன்மையைப் பொதுவாக மேம்படுத்தும், ஆனால் செயலாக்கம் மெதுவாகும்.

remesh_bandவிருப்பத்தேர்வு

வகைnumber

இயல்புநிலை1

0 – 4

remesh_projectவிருப்பத்தேர்வு

வகைnumber

இயல்புநிலை0

0 – 1

uv_unwrap_angle_threshold_degவிருப்பத்தேர்வு

வகைnumber

இயல்புநிலை90

0 – 180

uv_unwrap_refine_iterationsவிருப்பத்தேர்வு

வகைinteger

இயல்புநிலை0

0 – 10

UV chart-களைக் கணக்கிடப் பயன்படுத்தப்படும் உள்ளூர் refinement pass-களின் எண்ணிக்கை.

uv_unwrap_global_iterationsவிருப்பத்தேர்வு

வகைinteger

இயல்புநிலை1

1 – 10

uv_unwrap_smooth_strengthவிருப்பத்தேர்வு

வகைnumber

இயல்புநிலை1

0 – 10

image_urlதேவை image

வகைurl · image

3D மாற்றத்திற்கான மூலப் படத்தைச் சுட்டும் URL.

தேவை நியமப் பெயர், இதுவும் ஏற்கப்படும்

கோப்பு அளவுருக்கள் பொதுவான https:// URL, 10 MB வரையிலான data: URI அல்லது பதிவேற்றத்தின் file_url-ஐ ஏற்கும். கோப்புகள்

வெளியீடு

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t

{
  "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"
  }
}

உங்கள் கோப்புகள், உங்கள் தேர்வுஒவ்வொரு outputs[].url-ம் எங்கள் சேமிப்பகத்தில் உள்ள ஒரு நகல்: நிரந்தரமாக (GB-மாதத்திற்கு கட்டணம்) அல்லது உங்கள் கணக்கு அமைப்பு அல்லது ?storage= மூலம் இலவசமாக 7 நாட்கள் வைக்கப்படும்.

ஒவ்வொரு மாடலிலும் ஒரே வடிவம்படங்கள், வீடியோ மற்றும் ஆடியோ ஆகிய அனைத்திற்குமான type, url, content_type, width, height மற்றும் duration. output என்பது மாதிரியின் சொந்த முடிவு பொருளாகும்.

வெளியீட்டின் புலங்கள்

model_glb: object {url, content_type, file_name, file_size}GLB format-இல் உருவாக்கப்பட்ட 3D மாதிரி.

மேலும் மாதிரிகள்: படத்திலிருந்து 3D-க்கு

AI ஏஜெண்டுகளுக்கு: இந்தப் பக்கம் Markdown வடிவில் இங்கே உள்ளது https://doitong.com/ta/developers/models/trellis-2.md. அனைத்து மாடல்களும் வழிகாட்டிகளும்: https://doitong.com/developers/llms.txt

உங்கள் முதல் முடிவு இங்கே வரும்

கோரிக்கையை உருவாக்கு

இந்தக் கோரிக்கையை இயக்கு

Trellis 2 பற்றி

அளவுருக்கள்

வெளியீடு

பிற Trellis 2 மாறுபாடுகள்

Trellis 2 · Retexture மாறுபாடுகள்: 2

மேலும் மாதிரிகள்: படத்திலிருந்து 3D-க்கு

Trellis மாறுபாடுகள்: 2

Trellis · Multi மாறுபாடுகள்: 2

TRELLIS.2 LoRA Inference

Hi3D Image to 3D மாறுபாடுகள்: 6