Μετάβαση στο περιεχόμενο

Nemotron Diffusion Vlm

Ενσωμάτωση

id μοντέλου nemotron-diffusion-vlm
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/nemotron-diffusion-vlm?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",
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Αυτό το αίτημα: ≈0,005 $ 5 πιστώσεις API · ≈ 0,52 ₽ Εκτέλεση σε αυτήν τη σελίδα

Λήψη κλειδιού API
NVIDIA Όραση #utility#editing

Μοντέλο όρασης-γλώσσας που απαντά σε προτροπές για εικόνα χρησιμοποιώντας αποκωδικοποίηση κειμένου βάσει διάχυσης

NVIDIA · Κείμενο

Το πρώτο σας αποτέλεσμα θα εμφανιστεί εδώ

Δημιουργήστε ένα αίτημα παρακάτω και εκτελέστε το με το κλειδί API σας. Οι έξοδοι αντιγράφονται στην αποθήκευσή μας και διατηρούνται για πάντα ή 7 ημέρες δωρεάν.

Δημιουργία αιτήματος

Τα στοιχεία ελέγχου δημιουργούνται από το σχήμα του μοντέλου. Ο κώδικας και η τιμή ενημερώνονται καθώς τα αλλάζετε.

•απαιτείται

Prompt που καθορίζει τι πρέπει να απαντηθεί σχετικά με την εικόνα.

•απαιτείται image_url
Αποθέστε ένα αρχείο ή

URL που δείχνει στην εικόνα προς επεξεργασία.

Για προχωρημένους max_tokens · num_inference_steps · block_length · threshold · enable_safety_checker
προεπιλογή 512

Ανώτατο όριο παραγόμενων token.

προεπιλογή 256

Επιλέξτε τον αριθμό βημάτων αποκωδικοποίησης διάχυσης ως πολλαπλάσιο του max_tokens / block_length όταν τον καθορίζετε ρητά· ο αριθμός πρέπει επίσης να είναι τουλάχιστον ίσος με αυτό το πηλίκο.

προεπιλογή 32

Μήκος κάθε μπλοκ αποκωδικοποίησης διάχυσης.

προεπιλογή 0.9

Όριο εμπιστοσύνης για την αποκωδικοποίηση διάχυσης.

POST /run/nemotron-diffusion-vlm?wait=20 προσφορά → 0,005 $
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/nemotron-diffusion-vlm?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",
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Εκτέλεση αυτού του αιτήματος

Το κλειδί σας παραμένει σε αυτό το πρόγραμμα περιήγησης: αποστέλλεται μόνο στο Doitong API και αποθηκεύεται (localStorage) μόνο αν ενεργοποιήσετε την επιλογή «Να απομνημονεύεται». Λήψη κλειδιού API

Σχετικά με το Nemotron Diffusion Vlm

Λαμβάνει εικόνα στο `image_url` και ερώτηση στο `prompt` και επιστρέφει απάντηση κειμένου. Η αποκωδικοποίηση ρυθμίζεται μέσω των `max_tokens` (1 έως 8192), `num_inference_steps` (1 έως 1024), `block_length` (8 έως 128) και ενός `threshold` εμπιστοσύνης από 0 έως 1. Η έξοδος περιλαμβάνει επίσης λεπτομέρειες χρονισμού και χρήσης.

Παράμετροι

Στείλτε είτε το κανονικό όνομα είτε το εγγενές όνομα, όχι και τα δύο. Κανονικά ονόματα

ΌνομαΤύπος ΠροεπιλογήΕπιτρεπόμενο Περιγραφή
image_urlαπαιτείται image
Τύποςurl · image
URL που δείχνει στην εικόνα προς επεξεργασία.
promptαπαιτείται
Τύποςstring
Prompt που καθορίζει τι πρέπει να απαντηθεί σχετικά με την εικόνα.
max_tokensπροαιρετικό
Τύποςinteger
Προεπιλογή512
1 – 8.192
Ανώτατο όριο παραγόμενων token.
num_inference_stepsπροαιρετικό
Τύποςinteger | null
Προεπιλογή256
1 – 1.024
Επιλέξτε τον αριθμό βημάτων αποκωδικοποίησης διάχυσης ως πολλαπλάσιο του max_tokens / block_length όταν τον καθορίζετε ρητά· ο αριθμός πρέπει επίσης να είναι τουλάχιστον ίσος με αυτό το πηλίκο.
block_lengthπροαιρετικό
Τύποςinteger
Προεπιλογή32
8 – 128
Μήκος κάθε μπλοκ αποκωδικοποίησης διάχυσης.
thresholdπροαιρετικό
Τύποςnumber
Προεπιλογή0.9
0 – 1
Όριο εμπιστοσύνης για την αποκωδικοποίηση διάχυσης.
enable_safety_checkerπροαιρετικό
Τύποςboolean
Προεπιλογήtrue
Ο έλεγχος μπορεί να χαλαρώσει με τη ρύθμιση false, εφόσον ο καλών είναι εξουσιοδοτημένος.
απαιτείται Κανονικό όνομα, επίσης αποδεκτό

Οι παράμετροι αρχείων δέχονται ένα δημόσιο URL https://, ένα URI data: έως 10 MB ή το file_url μιας μεταφόρτωσης. Αρχεία

Έξοδος

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "nemotron-diffusion-vlm",
  "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": 5,
    "usd": "0.005",
    "charged": 5,
    "refunded": 0
  },
  "input": {
    "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  },
  "output": {
    "output": "The image shows a dog sitting outdoors.",
    "usage": {
      "prompt_tokens": 1,
      "completion_tokens": 1,
      "num_function_evals": 1
    },
    "timings": {
      "total_time": 1.0,
      "image_validation_time": 1.0,
      "preprocessing_time": 1.0,
      "gpu_transfer_time": 1.0,
      "generation_time": 1.0,
      "decode_time": 1.0
    }
  },
  "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.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Τα αρχεία σας, η επιλογή σαςΚάθε outputs[].url είναι ένα αντίγραφο στην αποθήκευσή μας: διατηρείται για πάντα (χρέωση ανά GB-μήνα) ή 7 ημέρες δωρεάν, σύμφωνα με τη ρύθμιση του λογαριασμού σας ή ?storage=.
Ίδια μορφή σε κάθε μοντέλοtype, url, content_type, width, height και duration, τόσο για εικόνες όσο και για βίντεο και ήχο. Το output είναι το αντικείμενο αποτελέσματος του ίδιου του μοντέλου.
Πεδία εξόδου
output
stringΑπάντηση που παράγεται από το μοντέλο.
usage
object {prompt_tokens, completion_tokens, num_function_evals}Λεπτομέρειες χρήσης για token και αποκωδικοποίηση διάχυσης.
timings
object {total_time, image_validation_time, preprocessing_time, gpu_transfer_time, generation_time, decode_time}Ανάλυση των χρόνων επεξεργασίας του αιτήματος, μετρημένων σε δευτερόλεπτα.

Για πράκτορες AI: αυτή η σελίδα σε Markdown βρίσκεται στη διεύθυνση https://doitong.com/el/developers/models/nemotron-diffusion-vlm.md. Όλα τα μοντέλα και οι οδηγοί: https://doitong.com/developers/llms.txt