שפּרינגען צו אינהאַלט

VGGT-1B

אינטעגרירן

מאָדעל־id vggt-1b
# 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/vggt-1b?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{}'

# 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"

ביז ⁨$ 1.755⁩ פּער לויפן באַצאָלט לויטן בפועלדיקן באַניץ, דער רעשט ווערט צוריקגעצאָלט לויפֿן עס אויף דער דאָזיקער בלאַט

באַקומען אַן API שליסל
Meta וויזיע

רעקאָנסטרויִרט אַ 3D־סצענע פֿון ביז 48 בילדער אָדער אַ ווידעא, און גיט צוריק טיפעניש־מאַפּעס, קאַמעראַ־פּאָזעס און אַ פּונקט־וואָלקן

Meta · דאַטן (JSON)

דאָ קומט אײַער ערשטער רעזולטאַט

בויט אונטן אַ בקשה און לויפט זי מיט אײַער API שליסל. רעזולטאַטן ווערן קאַפּירט צו אונדזער סטאָרידזש, געהאַלטן אויף אייביק אָדער 7 טעג אומזיסט.

בויען אַ בעטן

קאָנטראָלן ווערן דזשענערירט פֿון דעם מאָדעל־סכעמע. דער קאָד און דער פּרײַז דערהײַנטיקן זיך ווען איר ענדערט זיי.

פֿאָרגעשריטן images · video · alpha_blend_onto · array_encoding · frame_sampling_rate · confidence_percentile · max_points · export_prediction_data · export_depth_maps · export_point_cloud · enable_safety_checker · exclude_keys
image_urls
לייגט אַרײַן אַ טעקע, אָדער · ביז 48

מקור־בילדער פֿאַר רעקאָנסטרוקציע, יעדעס איינס אַרײַנגעפּאַדט אין אַ קוואַדראַט און איבערגרייסערט צו אַ לענגסטער דימענסיע פֿון 518 פּיקסעלן. JPEG, PNG, WEBP און יעדן נאָך בילד־פֿאָרמאַט וואָס Pillow קען דעקאָדירן ווערן אָנגענומען.

video_url
לייגט אַרײַן אַ טעקע, אָדער

אָפּציאָנאַלע מקור־ווידעא, וועמענס סאַמפּלד ראַמען קומען נאָך image_urls אין דער קאָמבינירטער אַרײַנגעבונג. סאַמפּלינג ניצט יעדן `frame_sampling_rate`-טן ראַם און נעמט שטענדיק אַרײַן דעם ערשטן און לעצטן ראַם.

alpha_blend_onto סטאַנדאַרט white

די באַהאַנדלונג פֿונעם אַלפֿאַ־קאַנאַל אָפפערט פֿיר ברירות: 'keep' נעמט אַראָפּ אַלפֿאַ אָן ענדערן די אָריגינעלע פּיקסל־ווערטלעך; 'mean' קאָמפּאָזירט קעגן דעם ImageNet mean RGB. פֿאַר אַ פֿעסטן הינטערגרונט קלייבט 'white' אָדער 'black' צו קאָמפּאָזירן קעגן דער פּאַסיקער קאָליר.

array_encoding סטאַנדאַרט base64

אַרריי־סטאָרידזש־פֿאָרמאַט פֿאַר prediction JSON פֿײַלן, וווּ 'list' נעמט אַ סך מער אָרט ווי 'base64'. קלייבט 'list' פֿאַר נעסטעד JSON רשימות אָדער 'base64' פֿאַר אָביעקטן וואָס אַנטהאַלטן {data, shape, dtype}.

סטאַנדאַרט 24

ראַם־אינטערוואַל וואָס ווערט געווענדט בלויז ווען אַ ווידעא ווערט צוגעשטעלט דורך `video_url`; אַנדערש האָט עס קיין ווירקונג נישט. ביידע גרענעץ־ראַמען ווערן געהאַלטן, אומאָפּהענגיק פֿונעם אינטערוואַל, און צווישן זיי ווערט גענומען יעדן n-טן ראַם.

סטאַנדאַרט 50

צוטרוי־באזירטע פֿילטער־פּראָצענט פֿאַר אויפֿבויען דעם פּונקט־וואָלקן: 0 שטעלט פֿילטערונג אָפּ, בשעת אַנדערע ווערטן לאָזן אויס דעם פּראָצענט פֿון פּונקטן, אָנהייבנדיק מיט די ווייניקסט־זיכערע.

סטאַנדאַרט 250000

GLB גרענעץ פֿאַר דער צאָל פּונקטן, סטאַנדאַרטמעסיק 250,000. כּדי צו רעדוצירן סיריאַליזאַציע און ופּלאָד־לאַטענץ, ווערט געשריבן אַן יוואַנמעסיק סאַמפּלד אויסקלײַב ווען דער וואָלקן גייט איבער דעם בודזשעט.

שליסלען וואָס ווערן אויסגעלאָזן פֿון יעדן prediction JSON פֿײַל.

POST /run/vggt-1b?wait=20 פּרײַז → ⁨$ 1.755⁩
# 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/vggt-1b?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{}'

# 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"

לויפֿן דעם ריקוועסט

אײַער key בלײַבט אין דעם בלעטערער: זי ווערט געשיקט נאָר צום Doitong API און אָפּגעהיט (localStorage) נאָר אויב איר טיקט אָן געדענקען. באַקומען אַן API שליסל

וועגן VGGT-1B

שאַצט געאָמעטריע פֿון מערערע קוקווינקלען. גיט ביז 48 בילדער אין `image_urls`, און לייגט אָפּציאָנאַל צו אַ `video_url` וואָס ווערט מוסטערגענומען יעדע `frame_sampling_rate` ראַמען. עס גיט צוריק טיפעניש־מאַפּעס פֿאַר יעדן ראַם, קאַמעראַ־עקסטרינסישע און אינטרינסישע פּאַראַמעטערס, רוי־פּרעדיקציע־טעקעס און אַ GLB־פּונקט־וואָלקן מיט קאַמעראַ־קאָנעס. `confidence_percentile` און `max_points` קאָנטראָלירן ווי געדיכט דער פּונקט־וואָלקן איז.

פּאַראַמעטערס

שיקט אָדער דעם קאַנאָנישן נאָמען אָדער דעם נאַטיוון נאָמען, נישט ביידע. קאַנאָנישע נעמען

נאָמעןטיפּ סטאַנדאַרטערלויבט באַשרײַבונג
image_urlsאָפּציאָנעל images
טיפּurl[] · image
≤ 48 ייטעמס
מקור־בילדער פֿאַר רעקאָנסטרוקציע, יעדעס איינס אַרײַנגעפּאַדט אין אַ קוואַדראַט און איבערגרייסערט צו אַ לענגסטער דימענסיע פֿון 518 פּיקסעלן. JPEG, PNG, WEBP און יעדן נאָך בילד־פֿאָרמאַט וואָס Pillow קען דעקאָדירן ווערן אָנגענומען.
video_urlאָפּציאָנעל video
טיפּurl · video
אָפּציאָנאַלע מקור־ווידעא, וועמענס סאַמפּלד ראַמען קומען נאָך image_urls אין דער קאָמבינירטער אַרײַנגעבונג. סאַמפּלינג ניצט יעדן `frame_sampling_rate`-טן ראַם און נעמט שטענדיק אַרײַן דעם ערשטן און לעצטן ראַם.
frame_sampling_rateאָפּציאָנעל
טיפּinteger
סטאַנדאַרט24
1 – 1,000
ראַם־אינטערוואַל וואָס ווערט געווענדט בלויז ווען אַ ווידעא ווערט צוגעשטעלט דורך `video_url`; אַנדערש האָט עס קיין ווירקונג נישט. ביידע גרענעץ־ראַמען ווערן געהאַלטן, אומאָפּהענגיק פֿונעם אינטערוואַל, און צווישן זיי ווערט גענומען יעדן n-טן ראַם.
alpha_blend_ontoאָפּציאָנעל
טיפּenum
סטאַנדאַרטwhite
keepwhiteblackmean
די באַהאַנדלונג פֿונעם אַלפֿאַ־קאַנאַל אָפפערט פֿיר ברירות: 'keep' נעמט אַראָפּ אַלפֿאַ אָן ענדערן די אָריגינעלע פּיקסל־ווערטלעך; 'mean' קאָמפּאָזירט קעגן דעם ImageNet mean RGB. פֿאַר אַ פֿעסטן הינטערגרונט קלייבט 'white' אָדער 'black' צו קאָמפּאָזירן קעגן דער פּאַסיקער קאָליר.
export_prediction_dataאָפּציאָנעל
טיפּboolean
סטאַנדאַרטtrue
עקספּאָרטירט רויע פֿאָרויסזאָגן ווי באַזונדערע JSON פֿײַלן פֿאַר יחיד ראַמען. יעדער פֿײַל נעמט אַרײַן טיפקייט און איר צוטרוי, אַ מאַסקע און די קאָדירטע קאַמעראַ־פּאָזע.
export_depth_mapsאָפּציאָנעל
טיפּboolean
סטאַנדאַרטtrue
עקספּאָרטירט טיפקייט־ראַסטערס מיט אַ לינעאַרער מאַפּירונג פֿון `depth_range` צו פּיקסל־ווערטלעך 0–65535. יעדער ראַם באַקומט אַ באַזונדערן גרייסקײַל PNG מיט 16-ביט־פּינקטלעכקייט.
export_point_cloudאָפּציאָנעל
טיפּboolean
סטאַנדאַרטtrue
עקספּאָרטירט דעם פֿוזירטן קאָליריקן פּונקט־וואָלקן אין GLB פֿאָרמאַט, מיט געשאַצטע קאַמערעס רעפּרעזענטירט דורך יחיד קאַנוס־מעשעס אין דער סצענע.
array_encodingאָפּציאָנעל
טיפּenum
סטאַנדאַרטbase64
base64list
אַרריי־סטאָרידזש־פֿאָרמאַט פֿאַר prediction JSON פֿײַלן, וווּ 'list' נעמט אַ סך מער אָרט ווי 'base64'. קלייבט 'list' פֿאַר נעסטעד JSON רשימות אָדער 'base64' פֿאַר אָביעקטן וואָס אַנטהאַלטן {data, shape, dtype}.
exclude_keysאָפּציאָנעל
טיפּenum[]
שליסלען וואָס ווערן אויסגעלאָזן פֿון יעדן prediction JSON פֿײַל.
confidence_percentileאָפּציאָנעל
טיפּnumber
סטאַנדאַרט50
0 – 100
צוטרוי־באזירטע פֿילטער־פּראָצענט פֿאַר אויפֿבויען דעם פּונקט־וואָלקן: 0 שטעלט פֿילטערונג אָפּ, בשעת אַנדערע ווערטן לאָזן אויס דעם פּראָצענט פֿון פּונקטן, אָנהייבנדיק מיט די ווייניקסט־זיכערע.
max_pointsאָפּציאָנעל
טיפּinteger
סטאַנדאַרט250000
1,000 – 5,000,000
GLB גרענעץ פֿאַר דער צאָל פּונקטן, סטאַנדאַרטמעסיק 250,000. כּדי צו רעדוצירן סיריאַליזאַציע און ופּלאָד־לאַטענץ, ווערט געשריבן אַן יוואַנמעסיק סאַמפּלד אויסקלײַב ווען דער וואָלקן גייט איבער דעם בודזשעט.
enable_safety_checkerאָפּציאָנעל
טיפּboolean
סטאַנדאַרטtrue
באַשטעטיקונג־קאָנטראָל פֿאַר זיכערהייט פֿון אַרײַנגעגעבענע בילדער און ווידעא.
פארלאנגט קאַנאָנישער נאָמען, אויך אַקצעפּטירט

טעקע־פּאַראַמעטערס נעמען אַן עפֿנטלעכע https:// URL, אַ data: URI ביז 10 MB, אָדער דעם file_url פֿון אַן אַרויפֿלאָד. טעקעס

אויסגאַבע

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "vggt-1b",
  "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": 1755,
    "usd": "1.755",
    "charged": 1755,
    "refunded": 0
  },
  "input": {},
  "output": {
    "point_cloud": {
      "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
    },
    "depth_maps": [
      {
        "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
      }
    ],
    "prediction_data": [
      {
        "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
      }
    ],
    "num_frames": 1,
    "depth_range": [
      1.0
    ],
    "extrinsics": [
      [
        [
          1.0
        ]
      ]
    ],
    "intrinsics": [
      [
        [
          1.0
        ]
      ]
    ],
    "timings": {}
  },
  "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"
  }
}
אייער טעקעס, אייער ברירהיעדער outputs[].url איז אַ קאַפּיע אין אונדזער סטאָרידזש: געהאַלטן אויף אייביק (באַצאָלט פּער GB־חודש) אָדער 7 טעג אומזיסט, לויט אײַער חשבון־באַשטעטיקונג אָדער ?storage=.
דער זעלבער פֿאָרעם בײַ יעדן מאָדעלtype, url, content_type, width, height און duration, סײַ פֿאַר בילדער, ווידעאָ און אַודיאָ. output איז דער אייגענער רעזולטאַט־אָביעקט פֿון מאָדעל.
פֿעלדער פֿון דער אויסגאַבע
point_cloud
object {url, content_type, file_name, file_size} | nullפּונקט־וואָלקן־עקספּאָרט וואָס ווערט צוריקגעגעבן ווען `export_point_cloud` איז true; זײַן GLB סצענע קאָמבינירט דעם פֿוזירטן וואָלקן מיט קאַמעראַ־קאָנוסן.
depth_maps
array of object {url, content_type, file_name, file_size, width, height}טיפקייט־מאַפּע־עקספּאָרט, בנימצא ווען `export_depth_maps` איז true. די איינטרעטן פֿאָלגן די מקור־ראַם־סיקוואַנס, און יעדער ראַם ווערט רעפּרעזענטירט דורך אַ גרייסקײַל PNG ראַסטער מיט 16-ביט טיפקייט.
prediction_data
array of object {url, content_type, file_name, file_size}רויע פֿאָרויסזאָגן־עקספּאָרט: ווען `export_prediction_data` איז true, האָט יעדער ראַם זײַן אייגענעם JSON פֿײַל, און די פֿײַלן פֿאָלגן די ראַם־סיקוואַנס.
num_frames
integerגאַנץ צאָל רעקאָנסטרויִרטער ראַמען, אַרײַנגערעכנט בילדער און ראַמען וואָס ווערן גענומען פֿון ווידעא.
depth_range
array of numberטיפקייט־גרענעצן [min, max] געניצט פֿאַר `depth_maps` קוואַנטיזאַציע. רעקאָנסטרויִרט די טיפקייט ווי min + pixel * (max - min) / 65535.
extrinsics
array of array of array of numberעקסטערנע מאַטריצעס camera-from-world, אין גרייס 3x4, פֿאַר יעדן ראַם; OpenCV אַקסן ווײַזן רעכטס לענגאויס x, אַראָפּ לענגאויס y און פֿאָרויס לענגאויס z.
intrinsics
array of array of array of numberפּינהאָול־ינטרינזישע מאַטריצעס, אין גרייס 3x3, פֿאַר יעדן ראַם, אויסגעדריקט אין פּיקסל־קאָרדינאַטן פֿון דעם מאָדעלס 518x518 ראַם.
timings
objectפֿאַרבײַגאנגענע וואַנט־זייגער־צײַט פֿאַר יעדער בינע, אין סעקונדעס.

פֿאַר AI־אַגענטן: דער בלאַט ווי Markdown געפֿינט זיך בײַ https://doitong.com/yi/developers/models/vggt-1b.md. אַלע מאָדעלן און גוידעס: https://doitong.com/developers/llms.txt