Trellis 2

انٹیگریٹ کریں

ماڈل 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/ur/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 کے ذریعے Trellis 2 ماڈل (trellis-2) کو کال کریں۔ ایجنٹس کے لیے دستاویزات: https://doitong.com/ur/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"
}

اگر جواب کی اسٹیٹس "queued" یا "running" ہو تو GET https://api.doitong.com/v1/requests/REQUEST_ID?wait=20 کو اس وقت تک پول کریں جب تک یہ "succeeded" نہ ہو جائے؛ فائلیں outputs[].url میں ہیں۔ رن سے پہلے درست قیمت حاصل کرنے کے لیے اسی باڈی کے ساتھ POST https://api.doitong.com/v1/quote/trellis-2 کریں۔

یہ درخواست: ⁨$0.30⁩ 300 API کریڈٹس اس صفحے پر چلائیں

API کلید حاصل کریں

Microsoft تصویر سے 3D #image-to-3d

ایک تصویر کو ٹیکسچر شدہ GLB 3D میش میں تبدیل کرتا ہے، ساخت، شکل، ٹیکسچر اور UV سیٹنگز کے قابل ایڈجسٹ کنٹرولز کے ساتھ

OpenAPI Markdown

Microsoft · 3D

آپ کا پہلا نتیجہ یہاں آئے گا

ذیل میں درخواست بنائیں اور اپنی API کلید کے ساتھ چلائیں۔ آؤٹ پٹس ہمارے اسٹوریج میں کاپی ہو جاتے ہیں، ہمیشہ کے لیے یا مفت میں 7 دن تک محفوظ رہتے ہیں۔

درخواست بنائیں

قیمت

درست قیمت

⁨$0.30⁩فی رن

300 API کریڈٹس

قیمت: ⁨$0.25⁩ سے

1 درخواست × ⁨$0.30⁩ چلائیں · ⁨$0.30⁩

صرف کامیابی کی صورت میں چارج کیا جاتا ہے، ناکامی پر خودکار طور پر رقم واپس کر دی جاتی ہے۔

resolution ڈیفالٹ 1024

قیمت کے قواعد

جب resolution = 1024: ⁨$0.30⁩ / درخواست
جب resolution = 1536: ⁨$0.35⁩ / درخواست

ہر درخواست پر ایک بار بل لیا جاتا ہے۔

قیمت کا اینڈ پوائنٹ: POST /quote/{id}

درخواست بنائیں

کنٹرولز ماڈل اسکیما سے تیار ہوتے ہیں۔ آپ کے بدلنے کے ساتھ کوڈ اور قیمت اپ ڈیٹ ہوتے ہیں۔

image •لازمی image_url

فائل ڈراپ کریں، یا

3D تبدیلی کے لیے ماخذ تصویر کی طرف اشارہ کرنے والا URL۔

resolution ڈیفالٹ 1024

آؤٹ پٹ کا ریزولوشن؛ اسے بڑھانے سے تفصیل میں اضافہ ہوتا ہے مگر زیادہ وقت لگتا ہے۔

ایڈوانسڈ 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 ڈیفالٹ 2048

بیکنگ کے لیے mesh ٹیکسچر ریزولوشن۔ ریزولوشن بڑھانے پر سطح کی باریک تفصیل کے ساتھ بڑی فائلیں بنتی ہیں۔

ss_guidance_strength ڈیفالٹ 7.5

ابتدائی 3D ساخت کی fidelity control؛ اسے بڑھانے سے اضافی noise کے خطرے کے ساتھ ان پٹ تصویر سے زیادہ مشابہت حاصل ہوتی ہے۔

ss_guidance_rescale ڈیفالٹ 0.7

مرحلہ 1 کی guidance-artifact control؛ کم ترتیبات پر مضبوط گائیڈنس اثرات اور زیادہ ترتیبات پر زیادہ مستحکم آؤٹ پٹ کے درمیان توازن۔

ss_guidance_interval_start ڈیفالٹ 0.6

مرحلہ 1 (sparse structure) میں classifier-free guidance ونڈو کی ابتدائی حد، denoising fraction کے طور پر۔ کم سیٹنگ guidance جلد شروع کرتی ہے؛ صرف interval_start سے interval_end تک کا وقفہ guidance استعمال کرتا ہے، باقی جگہ unguided processing ہوتی ہے۔

ss_guidance_interval_end ڈیفالٹ 1

مرحلہ 1 (sparse structure) کے لیے guidance cutoff: ایسی قدر منتخب کریں جو ss_guidance_interval_start سے کم نہ ہو۔ یہ قدر اس denoising fraction کی نشاندہی کرتی ہے جہاں classifier-free guidance رکتی ہے۔

ss_sampling_steps ڈیفالٹ 12

ابتدائی ساخت کی ڈینوائزنگ تعداد؛ اضافی اسٹیپس سے ممکنہ معیار میں بہتری کے ساتھ پروسیسنگ سست ہو جاتی ہے۔

ss_rescale_t ڈیفالٹ 5

ساخت تخلیق کرنے والے noise schedule کے ذریعے transition sharpness مقرر کریں؛ قدر بڑھانے سے transitions زیادہ تیز ہوتے ہیں۔

shape_slat_guidance_strength ڈیفالٹ 7.5

تفصیلی جیومیٹری کی fidelity control؛ ان پٹ تصویر سے زیادہ مطابقت اضافی noise کے خطرے کے ساتھ مزید تفصیل پیدا کرتی ہے۔

shape_slat_guidance_rescale ڈیفالٹ 0.5

جب جیومیٹری noisy نظر آئے تو یہ ترتیب بڑھائیں؛ یہ shape مرحلے میں مضبوط گائیڈنس سے پیدا ہونے والے artifacts کم کرتی ہے۔

shape_slat_guidance_interval_start ڈیفالٹ 0.6

مرحلہ 2 میں shape refinement کے لیے classifier-free guidance کا activation point۔ denoising progress کے fraction کے طور پر interval_start مقرر کرتا ہے؛ guidance صرف interval_start اور interval_end کی حدود والی ونڈو میں چلتی ہے۔

shape_slat_guidance_interval_end ڈیفالٹ 1

مرحلہ 2 (shape refinement) کے لیے guidance cutoff: ایسی قدر منتخب کریں جو shape_slat_guidance_interval_start سے کم نہ ہو۔ یہ وہ denoising fraction ہے جہاں classifier-free guidance رکتی ہے۔

shape_slat_sampling_steps ڈیفالٹ 12

Shape-refinement ڈینوائزنگ تعداد؛ اضافی اسٹیپس استعمال کرنے پر ممکنہ طور پر ہموار جیومیٹری کے بدلے رفتار کم ہوتی ہے۔

shape_slat_rescale_t ڈیفالٹ 3

Shape-refinement noise schedule کے ذریعے جیومیٹرک تفصیل کی sharpness مقرر کریں؛ قدر بڑھانے سے تفصیلات زیادہ تیز ہوتی ہیں۔

tex_slat_guidance_strength ڈیفالٹ 1

ٹیکسچر کے رنگ کی fidelity control؛ زیادہ ترتیبات پر ان پٹ تصویر کے رنگوں سے زیادہ مطابقت vividness بڑھاتی ہے مگر oversaturation پیدا کر سکتی ہے۔

tex_slat_guidance_rescale ڈیفالٹ 0

شور والے ٹیکسچرز یا color banding سے نمٹنے کے لیے یہ ترتیب بڑھائیں؛ یہ ٹیکسچر مرحلے میں مضبوط گائیڈنس سے پیدا ہونے والے artifacts کم کرتی ہے۔

tex_slat_guidance_interval_start ڈیفالٹ 0.6

مرحلہ 3 میں texture تخلیق کے لیے classifier-free guidance کا activation point۔ denoising progress کے fraction کے طور پر interval_start مقرر کرتا ہے؛ guidance صرف interval_start اور interval_end کے درمیان چلتی ہے۔

tex_slat_guidance_interval_end ڈیفالٹ 0.9

مرحلہ 3 (texture) کے لیے guidance cutoff: ایسی قدر منتخب کریں جو tex_slat_guidance_interval_start سے کم نہ ہو۔ یہ وہ denoising fraction ہے جہاں classifier-free guidance رکتی ہے۔

tex_slat_sampling_steps ڈیفالٹ 12

ٹیکسچرز تخلیق کرنے کے لیے استعمال ہونے والے ڈینوائزنگ اسٹیپس کی تعداد۔ تعداد بڑھانے سے زیادہ وقت لگتا ہے مگر صاف تر ٹیکسچرز حاصل ہو سکتے ہیں۔

tex_slat_rescale_t ڈیفالٹ 3

ٹیکسچر تخلیق کے noise schedule کے ذریعے ٹیکسچر تفصیل کی sharpness مقرر کریں؛ قدر بڑھانے سے تفصیلات زیادہ تیز ہوتی ہیں۔

decimation_target ڈیفالٹ 500000

Mesh vertex-count کا ہدف؛ عمومی استعمال کے لیے 500k اور web/mobile کے لیے 20k–50k تجویز کردہ ہیں۔ ہدف کم کرنے سے mesh detail کے بدلے چھوٹی فائلیں بنتی ہیں۔

remesh_band ڈیفالٹ 1

Remeshing movement allowance؛ قدر بڑھانے سے اضافی smoothing باریک تفصیل کم کر سکتی ہے۔ یہ سیٹنگ اصل سطح کے مقابلے میں vertex displacement محدود کرتی ہے۔

remesh_project ڈیفالٹ 0

Remeshed vertices کو اصل سطح پر واپس لانے کی projection strength: 1 مکمل projection کے ذریعے detail برقرار رکھتا ہے، جبکہ 0 projection بند کر کے زیادہ ہموار نتیجہ دیتا ہے۔

uv_unwrap_angle_threshold_deg ڈیفالٹ 90

UV chart angle limit، ڈگری میں؛ ایک chart کے اندر پڑوسی face normals کے فرق کو محدود کرتا ہے۔ حد بڑھانے سے کم اور بڑے charts بنتے ہیں مگر stretching کا خطرہ بڑھتا ہے؛ کم کرنے سے زیادہ charts اور کم distortion بنتی ہے۔

uv_unwrap_refine_iterations ڈیفالٹ 0

UV charts کا حساب کرنے کے لیے استعمال ہونے والے local refinement passes کی تعداد۔

uv_unwrap_global_iterations ڈیفالٹ 1

UV chart بیلنس کو charts کے حساب کے لیے استعمال ہونے والے global clustering passes کی تعداد بڑھا کر بہتر کیا جا سکتا ہے۔

uv_unwrap_smooth_strength ڈیفالٹ 1

UV chart edges کی smoothing کی شدت ایڈجسٹ کریں؛ زیادہ سیٹنگ پر کم نمایاں seams کے ساتھ UV distortion کا خطرہ ہوتا ہے۔

seed

قابل تکرار تصادفی تخلیق کے لیے استعمال ہونے والا seed۔

POST /run/trellis-2?wait=20 قیمت → ⁨$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
    }
  }
}

یہ درخواست چلائیں

API کلید

آپ کی key اسی براؤزر میں رہتی ہے: یہ صرف Doitong API کو بھیجی جاتی ہے اور صرف اس صورت میں localStorage میں محفوظ ہوتی ہے جب آپ Remember منتخب کریں۔ اس براؤزر میں یاد رکھیں API کلید حاصل کریں

Trellis 2 کے بارے میں

ایک تصویر (`image_url`) سے 3D اثاثہ بناتا ہے اور GLB فائل واپس کرتا ہے۔ `resolution` 512، 1024 یا 1536 ہے، جبکہ `texture_size` 1024، 2048 یا 4096 ہے۔ تینوں مراحل (ساخت، شکل، ٹیکسچر) کے لیے الگ رہنمائی اور سیمپلنگ-مرحلے کے کنٹرولز ہیں۔ `decimation_target` میش کے ورٹیکس کی تعداد مقرر کرتا ہے (5,000 سے 2,000,000)، جبکہ ری میشنگ اور UV اَن ریپنگ کے آپشنز بھی دستیاب ہیں۔

پیرامیٹرز

معیاری نام یا مقامی نام میں سے صرف ایک بھیجیں، دونوں نہیں۔ معیاری نام

نامقسم ڈیفالٹمجاز تفصیل

seedاختیاری

قسمinteger | null

قابل تکرار تصادفی تخلیق کے لیے استعمال ہونے والا seed۔

resolutionاختیاری

قسمenum

ڈیفالٹ1024

51210241536

آؤٹ پٹ کا ریزولوشن؛ اسے بڑھانے سے تفصیل میں اضافہ ہوتا ہے مگر زیادہ وقت لگتا ہے۔

ss_guidance_strengthاختیاری

قسمnumber

ڈیفالٹ7.5

0 – 10

ابتدائی 3D ساخت کی fidelity control؛ اسے بڑھانے سے اضافی noise کے خطرے کے ساتھ ان پٹ تصویر سے زیادہ مشابہت حاصل ہوتی ہے۔

ss_guidance_rescaleاختیاری

قسمnumber

ڈیفالٹ0.7

0 – 1

ss_guidance_interval_startاختیاری

قسمnumber

ڈیفالٹ0.6

0 – 1

ss_guidance_interval_endاختیاری

قسمnumber

ڈیفالٹ1

0 – 1

ss_sampling_stepsاختیاری

قسمinteger

ڈیفالٹ12

1 – 50

ابتدائی ساخت کی ڈینوائزنگ تعداد؛ اضافی اسٹیپس سے ممکنہ معیار میں بہتری کے ساتھ پروسیسنگ سست ہو جاتی ہے۔

ss_rescale_tاختیاری

قسمnumber

ڈیفالٹ5

1 – 6

ساخت تخلیق کرنے والے noise schedule کے ذریعے transition sharpness مقرر کریں؛ قدر بڑھانے سے transitions زیادہ تیز ہوتے ہیں۔

shape_slat_guidance_strengthاختیاری

قسمnumber

ڈیفالٹ7.5

0 – 10

تفصیلی جیومیٹری کی fidelity control؛ ان پٹ تصویر سے زیادہ مطابقت اضافی noise کے خطرے کے ساتھ مزید تفصیل پیدا کرتی ہے۔

shape_slat_guidance_rescaleاختیاری

قسمnumber

ڈیفالٹ0.5

0 – 1

جب جیومیٹری noisy نظر آئے تو یہ ترتیب بڑھائیں؛ یہ shape مرحلے میں مضبوط گائیڈنس سے پیدا ہونے والے artifacts کم کرتی ہے۔

shape_slat_guidance_interval_startاختیاری

قسمnumber

ڈیفالٹ0.6

0 – 1

shape_slat_guidance_interval_endاختیاری

قسمnumber

ڈیفالٹ1

0 – 1

shape_slat_sampling_stepsاختیاری

قسمinteger

ڈیفالٹ12

1 – 50

Shape-refinement ڈینوائزنگ تعداد؛ اضافی اسٹیپس استعمال کرنے پر ممکنہ طور پر ہموار جیومیٹری کے بدلے رفتار کم ہوتی ہے۔

shape_slat_rescale_tاختیاری

قسمnumber

ڈیفالٹ3

1 – 6

Shape-refinement noise schedule کے ذریعے جیومیٹرک تفصیل کی sharpness مقرر کریں؛ قدر بڑھانے سے تفصیلات زیادہ تیز ہوتی ہیں۔

tex_slat_guidance_strengthاختیاری

قسمnumber

ڈیفالٹ1

0 – 10

tex_slat_guidance_rescaleاختیاری

قسمnumber

ڈیفالٹ0

0 – 1

tex_slat_guidance_interval_startاختیاری

قسمnumber

ڈیفالٹ0.6

0 – 1

tex_slat_guidance_interval_endاختیاری

قسمnumber

ڈیفالٹ0.9

0 – 1

tex_slat_sampling_stepsاختیاری

قسمinteger

ڈیفالٹ12

1 – 50

tex_slat_rescale_tاختیاری

قسمnumber

ڈیفالٹ3

1 – 6

ٹیکسچر تخلیق کے noise schedule کے ذریعے ٹیکسچر تفصیل کی sharpness مقرر کریں؛ قدر بڑھانے سے تفصیلات زیادہ تیز ہوتی ہیں۔

decimation_targetاختیاری

قسمinteger

ڈیفالٹ500000

5,000 – 2,000,000

texture_sizeاختیاری

قسمenum

ڈیفالٹ2048

102420484096

بیکنگ کے لیے mesh ٹیکسچر ریزولوشن۔ ریزولوشن بڑھانے پر سطح کی باریک تفصیل کے ساتھ بڑی فائلیں بنتی ہیں۔

remeshاختیاری

قسمboolean

ڈیفالٹtrue

Topology rebuilding، جو زیادہ صاف mesh triangles بناتی ہے اور عموماً animation یا 3D printing جیسے بعد کے استعمال کے لیے موزونیت بہتر کرتی ہے، مگر پروسیسنگ سست ہو جاتی ہے۔

remesh_bandاختیاری

قسمnumber

ڈیفالٹ1

0 – 4

remesh_projectاختیاری

قسمnumber

ڈیفالٹ0

0 – 1

uv_unwrap_angle_threshold_degاختیاری

قسمnumber

ڈیفالٹ90

0 – 180

uv_unwrap_refine_iterationsاختیاری

قسمinteger

ڈیفالٹ0

0 – 10

UV charts کا حساب کرنے کے لیے استعمال ہونے والے local refinement passes کی تعداد۔

uv_unwrap_global_iterationsاختیاری

قسمinteger

ڈیفالٹ1

1 – 10

UV chart بیلنس کو charts کے حساب کے لیے استعمال ہونے والے global clustering passes کی تعداد بڑھا کر بہتر کیا جا سکتا ہے۔

uv_unwrap_smooth_strengthاختیاری

قسمnumber

ڈیفالٹ1

0 – 10

UV chart edges کی smoothing کی شدت ایڈجسٹ کریں؛ زیادہ سیٹنگ پر کم نمایاں seams کے ساتھ UV distortion کا خطرہ ہوتا ہے۔

image_urlلازمی image

قسمurl · image

3D تبدیلی کے لیے ماخذ تصویر کی طرف اشارہ کرنے والا URL۔

لازمی معیاری نام، یہ بھی قبول ہے

فائل پیرامیٹرز عوامی https:// URL، 10 MB تک کی data: URI، یا اپ لوڈ کے file_url کو قبول کرتے ہیں۔ فائلیں

آؤٹ پٹ

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"
  }
}

آپ کی فائلیں، آپ کا انتخابہر outputs[].url ہمارے اسٹوریج میں ایک کاپی ہے: ہمیشہ کے لیے محفوظ (فی GB-ماہ ادائیگی) یا مفت میں 7 دن تک، آپ کی اکاؤنٹ سیٹنگ یا ?storage= کے مطابق۔

ہر ماڈل میں ایک جیسی ساختtype، url، content_type، width، height اور duration، تصاویر، ویڈیو اور آڈیو سب کے لیے یکساں۔ output ماڈل کا اپنا نتیجہ آبجیکٹ ہے۔

آؤٹ پٹ کے فیلڈز

model_glb: object {url, content_type, file_name, file_size}GLB فارمیٹ میں تیار کردہ 3D ماڈل۔

مزید ماڈلز: تصویر سے 3D

AI ایجنٹس کے لیے: یہ صفحہ Markdown میں یہاں موجود ہے https://doitong.com/ur/developers/models/trellis-2.md. تمام ماڈلز اور گائیڈز: https://doitong.com/developers/llms.txt

آپ کا پہلا نتیجہ یہاں آئے گا

درخواست بنائیں

یہ درخواست چلائیں

Trellis 2 کے بارے میں

پیرامیٹرز

آؤٹ پٹ

دیگر Trellis 2 ورژنز

Trellis 2 · Retexture ورژنز: 2

مزید ماڈلز: تصویر سے 3D

Trellis ورژنز: 2

Trellis · Multi ورژنز: 2

TRELLIS.2 LoRA Inference

Hi3D Image to 3D ورژنز: 6