ข้ามไปยังเนื้อหา

Scail 2

ผสานการทำงาน

ID โมเดล 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"

ไฟล์เช่นเดียวกับตัวอย่าง: $2.00 2,000 เครดิต API ไฟล์ของคุณจะถูกวัดก่อนเรียกใช้ เรียกใช้ในหน้านี้

รับคีย์ API
Open model วิดีโอเป็นวิดีโอ สูงสุด 704p #stylized#transform

ทำให้ภาพตัวละครอ้างอิงเคลื่อนไหวตามวิดีโอควบคุม หรือแทนที่ตัวละครลงในฉากต้นฉบับ

Open model · วิดีโอ

ผลลัพธ์แรกของคุณจะแสดงที่นี่

สร้างคำขอด้านล่างและเรียกใช้ด้วยคีย์ API ของคุณ เอาต์พุตจะถูกคัดลอกไปยังพื้นที่จัดเก็บของเรา และเก็บไว้ตลอดไปหรือฟรี 7 วัน

สร้างคำขอ

ตัวควบคุมสร้างจากสคีมาของโมเดล โค้ดและราคาจะอัปเดตเมื่อคุณเปลี่ยนค่า

•จำเป็น

พรอมต์ที่ระบุวิดีโอเอาต์พุตที่ต้องการ

•จำเป็น image_url
วางไฟล์ หรือ

URL รูปภาพอ้างอิงตัวละครที่ใช้ระบุตัวละครสำหรับทำให้เคลื่อนไหวหรือแทนที่ตัวแบบ โดยวิดีโอขับเคลื่อนจะเป็นตัวกำหนดการเคลื่อนไหวหรือการแทนที่

•จำเป็น video_url
วางไฟล์ หรือ

ระบุวิดีโอขับเคลื่อนการเคลื่อนไหวผ่าน URL โดยมีมนุษย์หนึ่งคน มนุษย์หลายคน หรือสัตว์

resolution ค่าเริ่มต้น 512p

ความละเอียดเอาต์พุต โดยกำหนดแนววางอัตโนมัติตามอัตราส่วนภาพของรูปภาพอ้างอิง ในแนวนอน 512p จะแมปเป็น 896x512 และ 704p เป็น 1280x704 ส่วนแนวตั้งจะใช้ 512x896 และ 704x1280 ตามลำดับ

ขั้นสูง mode · driving_type · subject_type · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker
mode ค่าเริ่มต้น animation

เลือกวิธีใช้ตัวละครอ้างอิง: `replacement` จะคงฉากต้นฉบับไว้แต่แทนที่ตัวแบบขับเคลื่อนด้วยตัวละคร ส่วน `animation` จะใช้การเคลื่อนไหวจากวิดีโอขับเคลื่อนกับตัวละคร

driving_type ค่าเริ่มต้น end_to_end

การเคลื่อนไหวของแอนิเมชันมาจากวิดีโอขับเคลื่อนโดยตรง ซึ่งมาสก์ด้วย SAM3 โดยใช้ `end_to_end` ซึ่งเป็นค่าเริ่มต้นและตัวเลือกที่แนะนำเพื่อความทนทานสูงสุด อีกทางเลือกคือ `pose` ซึ่งใช้ NLF/DWPose เพื่อเรนเดอร์โครงกระดูกที่ระบุจากวิดีโอนั้น ให้การควบคุมที่มากขึ้นเมื่ออินพุตมีความซับซ้อน

subject_type ค่าเริ่มต้น human

การเลือกตัวแบบจากวิดีโอขับเคลื่อน โดย `animal` จะกำหนดพรอมต์การตรวจจับของ SAM3 สำหรับตัวแบบที่ไม่ใช่ `human`

ค่าเริ่มต้น 40

จำนวนขั้นตอนการสุ่มตัวอย่างของ diffusion การเพิ่มค่าจะปรับปรุงคุณภาพแต่ใช้เวลานานขึ้น

ค่าเริ่มต้น 5

ความเข้มของการนำทางแบบไร้ตัวจำแนก ซึ่งสร้างสมดุลระหว่างการยึดตามพรอมต์กับความคิดสร้างสรรค์

ค่าเริ่มต้น 3

การเลื่อนตาราง noise สำหรับ flow matching โดยแนะนำให้ตั้งค่าเป็น 3.0 เมื่อใช้ 512p

seed ของการสร้างที่รวมอยู่ใน response ไม่ว่าจะระบุอย่างชัดเจนหรือสุ่มเลือกเนื่องจากปล่อยอินพุตว่างไว้

POST /run/scail-2?wait=20 ใบเสนอราคา → $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"

เรียกใช้คำขอนี้

คีย์ของคุณจะอยู่ในเบราว์เซอร์นี้ โดยส่งไปยัง Doitong API เท่านั้น และจะบันทึกใน localStorage ก็ต่อเมื่อคุณเลือกจดจำ รับคีย์ API

เกี่ยวกับ Scail 2

รับ `image_url` ของตัวละครอ้างอิงและ `video_url` ของวิดีโอควบคุมที่แสดงมนุษย์หนึ่งคน มนุษย์หลายคน หรือสัตว์ ในโหมด `animation` ตัวละครจะเคลื่อนไหวตามการเคลื่อนไหวในวิดีโอควบคุม ในโหมด `replacement` ตัวละครจะแทนที่วัตถุเป้าหมายโดยคงฉากเดิมไว้ ความละเอียดคือ 512p หรือ 704p โดยเลือกแนวภาพจากรูปภาพ `driving_type` สามารถใช้การควบคุมแบบ end-to-end โดยตรงหรือโครงกระดูกท่าทางที่ระบุอย่างชัดเจน

พารามิเตอร์

ส่งชื่อมาตรฐานหรือชื่อดั้งเดิมอย่างใดอย่างหนึ่งเท่านั้น ห้ามส่งทั้งสองชื่อ ชื่อมาตรฐาน

ชื่อประเภท ค่าเริ่มต้นค่าที่อนุญาต คำอธิบาย
promptจำเป็น
ประเภทstring
พรอมต์ที่ระบุวิดีโอเอาต์พุตที่ต้องการ
image_urlจำเป็น image
ประเภทurl · image
URL รูปภาพอ้างอิงตัวละครที่ใช้ระบุตัวละครสำหรับทำให้เคลื่อนไหวหรือแทนที่ตัวแบบ โดยวิดีโอขับเคลื่อนจะเป็นตัวกำหนดการเคลื่อนไหวหรือการแทนที่
video_urlจำเป็น video
ประเภทurl · video
ระบุวิดีโอขับเคลื่อนการเคลื่อนไหวผ่าน URL โดยมีมนุษย์หนึ่งคน มนุษย์หลายคน หรือสัตว์
modeไม่บังคับ
ประเภทenum
ค่าเริ่มต้นanimation
animationreplacement
เลือกวิธีใช้ตัวละครอ้างอิง: `replacement` จะคงฉากต้นฉบับไว้แต่แทนที่ตัวแบบขับเคลื่อนด้วยตัวละคร ส่วน `animation` จะใช้การเคลื่อนไหวจากวิดีโอขับเคลื่อนกับตัวละคร
driving_typeไม่บังคับ
ประเภทenum
ค่าเริ่มต้นend_to_end
end_to_endpose
การเคลื่อนไหวของแอนิเมชันมาจากวิดีโอขับเคลื่อนโดยตรง ซึ่งมาสก์ด้วย SAM3 โดยใช้ `end_to_end` ซึ่งเป็นค่าเริ่มต้นและตัวเลือกที่แนะนำเพื่อความทนทานสูงสุด อีกทางเลือกคือ `pose` ซึ่งใช้ NLF/DWPose เพื่อเรนเดอร์โครงกระดูกที่ระบุจากวิดีโอนั้น ให้การควบคุมที่มากขึ้นเมื่ออินพุตมีความซับซ้อน
subject_typeไม่บังคับ
ประเภทenum
ค่าเริ่มต้นhuman
humananimal
การเลือกตัวแบบจากวิดีโอขับเคลื่อน โดย `animal` จะกำหนดพรอมต์การตรวจจับของ SAM3 สำหรับตัวแบบที่ไม่ใช่ `human`
resolutionไม่บังคับ
ประเภทenum
ค่าเริ่มต้น512p
512p704p
ความละเอียดเอาต์พุต โดยกำหนดแนววางอัตโนมัติตามอัตราส่วนภาพของรูปภาพอ้างอิง ในแนวนอน 512p จะแมปเป็น 896x512 และ 704p เป็น 1280x704 ส่วนแนวตั้งจะใช้ 512x896 และ 704x1280 ตามลำดับ
num_inference_stepsไม่บังคับ
ประเภทinteger
ค่าเริ่มต้น40
2 – 50
จำนวนขั้นตอนการสุ่มตัวอย่างของ diffusion การเพิ่มค่าจะปรับปรุงคุณภาพแต่ใช้เวลานานขึ้น
guidance_scaleไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น5
1 – 10
ความเข้มของการนำทางแบบไร้ตัวจำแนก ซึ่งสร้างสมดุลระหว่างการยึดตามพรอมต์กับความคิดสร้างสรรค์
shiftไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น3
1 – 10
การเลื่อนตาราง noise สำหรับ flow matching โดยแนะนำให้ตั้งค่าเป็น 3.0 เมื่อใช้ 512p
seedไม่บังคับ
ประเภทinteger | null
seed ของการสร้างที่รวมอยู่ใน response ไม่ว่าจะระบุอย่างชัดเจนหรือสุ่มเลือกเนื่องจากปล่อยอินพุตว่างไว้
enable_safety_checkerไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นtrue
สามารถผ่อนปรนการคัดกรองได้โดยตั้งค่าเป็น false หากผู้เรียกมีสิทธิ์
จำเป็น ชื่อมาตรฐาน ซึ่งรองรับเช่นกัน

พารามิเตอร์ไฟล์รับ URL https:// สาธารณะ, data: URI ขนาดไม่เกิน 10 MB หรือ file_url ของไฟล์ที่อัปโหลด ไฟล์

เอาต์พุต

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"
  }
}
ไฟล์ของคุณ คุณเลือกเองทุก outputs[].url คือสำเนาบนพื้นที่จัดเก็บของเรา: เก็บไว้ตลอดไป (คิดค่าบริการต่อ GB-เดือน) หรือฟรี 7 วัน โดยกำหนดได้ในการตั้งค่าบัญชีหรือ ?storage=
รูปแบบเดียวกันในทุกโมเดลtype, url, content_type, width, height และ duration สำหรับภาพ วิดีโอ และเสียงเหมือนกันทั้งหมด ส่วน output คือออบเจ็กต์ผลลัพธ์ของโมเดลเอง
ฟิลด์ของเอาต์พุต
video
object {url, content_type, file_name, file_size}ไฟล์วิดีโอที่สร้างขึ้น
seed
integerSeed ที่ใช้สำหรับการสร้างวิดีโอ
preprocessing_video
object {url, content_type, file_name, file_size} | nullวิดีโอแก้ไขข้อบกพร่องที่มีอินพุต pose-conditioning ของ Stage-A ซึ่งส่งให้โมเดล diffusion ใช้ได้เฉพาะเมื่อ `output_preprocessing=true` เนื้อหาขึ้นอยู่กับ `driving_type`: `end_to_end` ใช้ฟุตเทจขับเคลื่อนที่มาสก์ด้วย SAM3 ส่วน `driving_type=pose` ใช้โครงกระดูกที่เรนเดอร์ด้วย NLF/DWPose
preprocessing_mask_video
object {url, content_type, file_name, file_size} | nullวิดีโอมาสก์ขับเคลื่อน Stage-A สำหรับแก้ไขข้อบกพร่อง ใช้ได้เฉพาะเมื่อ `output_preprocessing=true`

สำหรับเอเจนต์ AI: หน้า Markdown นี้อยู่ที่ https://doitong.com/th/developers/models/scail-2.md. โมเดลและคู่มือทั้งหมด: https://doitong.com/developers/llms.txt