رفتن به محتوا

Flux 3 Action

یکپارچه‌سازی

شناسه مدل flux-3-action/so101
# 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/flux-3-action/so101?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",
    "scene_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "wrist_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "state": [
      -18.94,
      134.52,
      120.15,
      28.3,
      -32.17,
      27.02
    ]
  }'

# 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"

این درخواست: ≈⁨‎$۰٫۰۰۳⁩ ۳ اعتبار API · ≈ ⁨‎₽۰٫۳۲⁩ اجرای آن در این صفحه

دریافت کلید API
Black Forest Labs ویدیو به ویدیو #robotic#arm

مدل سیاست رباتیک که بخش‌های کنش بازوی SO-101 را از فریم‌های دوربین، وضعیت مفصل‌ها و یک دستور پیش‌بینی می‌کند

ساخته‌شده در Doitong

آثار عمومی ساخته‌شده با Flux 3 Action توسط جامعه Doitong. یک پرامپت را با یک کلیک دوباره استفاده کنید.

آثار عمومی نمایش‌داده‌شده: 9
Close-up portrait seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lemb...

Close-up portrait seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lembut kebiruan, dikelilingi bunga teratai berkelopak penuh yang bermekaran indah di permukaan air. Rambutnya pirang pucat tersanggul longgar dengan beberapa helaian tipis jatuh alami membingkai sisi...

Close-up portrait seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lemb...

Close-up portrait seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lembut kebiruan, dikelilingi bunga teratai berkelopak penuh yang bermekaran indah di permukaan air. Rambutnya pirang pucat tersanggul longgar dengan beberapa helaian tipis jatuh alami membingkai sisi...

Prompt Details Seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lembut ...

Prompt Details Seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lembut kebiruan, dikelilingi bunga teratai berkelopak penuh yang bermekaran indah di permukaan air. Rambutnya pirang pucat tersanggul longgar dengan beberapa helaian tipis jatuh alami membingkai sisi...

Seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lembut kebiruan, dikel...

Seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lembut kebiruan, dikelilingi bunga teratai berkelopak penuh yang bermekaran indah di permukaan air. Rambutnya pirang pucat tersanggul longgar dengan beberapa helaian tipis jatuh alami membingkai sisi wajahnya. Ia memeluk...

​"Potret sinematik ultra-realistis close-up seorang anak laki-laki kecil (balita) yang sangat men...

​"Potret sinematik ultra-realistis close-up seorang anak laki-laki kecil (balita) yang sangat menggemaskan dengan mata cokelat besar yang ekspresif, rambut hitam berantakan yang tebal, mengenakan kaus putih kerah henley. Dia berpose dengan kedua tangan terkatup di depan dada, menunjukkan senyum...

​"Potret sinematik ultra-realistis close-up seorang anak laki-laki kecil (balita) yang sangat men...

​"Potret sinematik ultra-realistis close-up seorang anak laki-laki kecil (balita) yang sangat menggemaskan dengan mata cokelat besar yang ekspresif, rambut hitam berantakan yang tebal, mengenakan kaus putih kerah henley. Dia berpose dengan kedua tangan terkatup di depan dada, menunjukkan senyum...

​"Potret sinematik ultra-realistis close-up seorang anak laki-laki kecil (balita) yang sangat men...

​"Potret sinematik ultra-realistis close-up seorang anak laki-laki kecil (balita) yang sangat menggemaskan dengan mata cokelat besar yang ekspresif, rambut hitam berantakan yang tebal, mengenakan kaus putih kerah henley. Dia berpose dengan kedua tangan terkatup di depan dada, menunjukkan senyum...

Foto sinematik hiper-realistis resolusi tinggi menampilkan seorang pria muda Indonesia dengan tub...

Foto sinematik hiper-realistis resolusi tinggi menampilkan seorang pria muda Indonesia dengan tubuh ramping dan proporsional, rambut hitam pendek agak acak, mengenakan jaket kulit hitam, celana riding fit, dan sepatu motor. Ia sedang melakukan aksi freestyle ekstrem dengan motor sport 500cc...

ساخت درخواست

کنترل‌ها از شِمای مدل تولید می‌شوند. با تغییر آن‌ها، کد و قیمت به‌روزرسانی می‌شوند.

•الزامی 88 / 2000

دستورهای وظایف ربات به زبان طبیعی.

•الزامی
یک فایل بیندازید، یا

تصویر کاشی سمت چپ که فریم فعلی دوربین صحنه ثابت را پس از تغییر اندازه به 256x256 نشان می‌دهد.

•الزامی
یک فایل بیندازید، یا

فریم فعلی دوربین مچ دست که در کاشی سمت راست قرار گرفته و به 256x256 تغییر اندازه داده شده است.

•الزامی

مقادیر وضعیت اندازه‌گیری‌شده به‌ترتیب: چرخش و بالا‌بردن شانه، خم‌شدن آرنج، خم‌شدن و غلتش مچ، همگی برحسب درجه، و سپس موقعیت گیره به‌صورت درصد.

پیشرفته history_scene_image_url · history_wrist_image_url · num_inference_steps · guidance_scale · seed · state_history · command_history
یک فایل بیندازید، یا

ورودی فریم صحنه تاریخی که به `state_history` نیاز دارد؛ در صورت حذف، از فریم فعلی استفاده می‌شود. فریم ارائه‌شده مربوط به نخستین مشاهده تاریخی، یعنی 7 تیک قبل، است.

یک فایل بیندازید، یا

فریم دوربین مچ دست در نخستین تیک تاریخی؛ `state_history` الزامی است.

پیش‌فرض 4

تعداد گام‌های نویززدایی اویلر؛ اعتبارسنجی checkpoint از 4 گام استفاده کرده است.

پیش‌فرض 3

قدرت راهنمایی بدون طبقه‌بندی برای ویدیو و عمل؛ برای غیرفعال‌کردن CFG آن را روی 1.0 تنظیم کنید.

مقدار seed نمونه‌برداری؛ تنظیمات ارزیابی مرجع DROID برابر 0 و SO-101 برابر 42 است. مشخص‌نکردن آن، seed را به‌صورت تصادفی انتخاب می‌کند.

تاریخچه وضعیت اندازه‌گیری‌شده؛ برای یک قسمت جدید حذف می‌شود و در غیر این صورت به `command_history` نیاز دارد. اندازه‌گیری‌ها را به‌ترتیب زمانی برای 7 تیک کنترلی بلافاصله پیش از `state`، با فرکانس 30 Hz، ارائه کنید.

تاریخچه فرمان مطلق که به `state_history` نیاز دارد؛ جدیدترین فرمان ارسال‌شده باید در ردیف پایانی باشد. ردیف‌ها در 8 تیک مشاهده به‌ترتیب زمانی قرار می‌گیرند و فرمان فعال در هر تیک را مشخص می‌کنند.

POST /run/flux-3-action/so101?wait=20 قیمت → ⁨‎$۰٫۰۰۳⁩
# 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/flux-3-action/so101?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",
    "scene_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "wrist_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "state": [
      -18.94,
      134.52,
      120.15,
      28.3,
      -32.17,
      27.02
    ]
  }'

# 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"

اجرای این درخواست

کلید شما در این مرورگر باقی می‌ماند: فقط به Doitong API ارسال می‌شود و فقط در صورت فعال‌کردن گزینه «یادآوری»، در localStorage ذخیره می‌شود. دریافت کلید API

درباره Flux 3 Action

به‌جای رسانه، JSON شامل `actions` پیش‌بینی‌شده، نرخ کنترل آن‌ها، برچسب ستون‌ها و تعداد گام‌های ابتدایی قابل اجرا (`execute_steps`) پیش از درخواست بخش جدید را برمی‌گرداند. ورودی‌های الزامی شامل `prompt` متنی (حداکثر 2000 نویسه)، `scene_image_url`، `wrist_image_url` و یک `state` شش‌مقداری هستند. ورودی‌های سابقهٔ اختیاری (`state_history`، `command_history` و تصاویر سابقه) زمینهٔ زمانی فراهم می‌کنند. `num_inference_steps` از 1 تا 8 و `guidance_scale` از 1 تا 10 است.

پارامترها

نامنوع پیش‌فرضمجاز توضیحات
promptالزامی
نوعstring
≤ ۲٬۰۰۰ نویسه
دستورهای وظایف ربات به زبان طبیعی.
scene_image_urlالزامی
نوعurl · image
تصویر کاشی سمت چپ که فریم فعلی دوربین صحنه ثابت را پس از تغییر اندازه به 256x256 نشان می‌دهد.
wrist_image_urlالزامی
نوعurl · image
فریم فعلی دوربین مچ دست که در کاشی سمت راست قرار گرفته و به 256x256 تغییر اندازه داده شده است.
stateالزامی
نوعnumber[]
≤ ۶ مورد≥ ۶ مورد
مقادیر وضعیت اندازه‌گیری‌شده به‌ترتیب: چرخش و بالا‌بردن شانه، خم‌شدن آرنج، خم‌شدن و غلتش مچ، همگی برحسب درجه، و سپس موقعیت گیره به‌صورت درصد.
state_historyاختیاری
نوعarray[]
≤ ۷ مورد≥ ۷ مورد
تاریخچه وضعیت اندازه‌گیری‌شده؛ برای یک قسمت جدید حذف می‌شود و در غیر این صورت به `command_history` نیاز دارد. اندازه‌گیری‌ها را به‌ترتیب زمانی برای 7 تیک کنترلی بلافاصله پیش از `state`، با فرکانس 30 Hz، ارائه کنید.
command_historyاختیاری
نوعarray[]
≤ ۸ مورد≥ ۸ مورد
تاریخچه فرمان مطلق که به `state_history` نیاز دارد؛ جدیدترین فرمان ارسال‌شده باید در ردیف پایانی باشد. ردیف‌ها در 8 تیک مشاهده به‌ترتیب زمانی قرار می‌گیرند و فرمان فعال در هر تیک را مشخص می‌کنند.
history_scene_image_urlاختیاری
نوعurl · image
ورودی فریم صحنه تاریخی که به `state_history` نیاز دارد؛ در صورت حذف، از فریم فعلی استفاده می‌شود. فریم ارائه‌شده مربوط به نخستین مشاهده تاریخی، یعنی 7 تیک قبل، است.
history_wrist_image_urlاختیاری
نوعurl · image
فریم دوربین مچ دست در نخستین تیک تاریخی؛ `state_history` الزامی است.
num_inference_stepsاختیاری
نوعinteger
پیش‌فرض4
۱ – ۸
تعداد گام‌های نویززدایی اویلر؛ اعتبارسنجی checkpoint از 4 گام استفاده کرده است.
guidance_scaleاختیاری
نوعnumber
پیش‌فرض3
۱ – ۱۰
قدرت راهنمایی بدون طبقه‌بندی برای ویدیو و عمل؛ برای غیرفعال‌کردن CFG آن را روی 1.0 تنظیم کنید.
seedاختیاری
نوعinteger | null
مقدار seed نمونه‌برداری؛ تنظیمات ارزیابی مرجع DROID برابر 0 و SO-101 برابر 42 است. مشخص‌نکردن آن، seed را به‌صورت تصادفی انتخاب می‌کند.
الزامی

پارامترهای فایل یک URL عمومی https://، یک URI از نوع data: تا سقف 10 MB، یا file_url یک فایل بارگذاری‌شده را می‌پذیرند. فایل‌ها

خروجی

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "flux-3-action/so101",
  "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": 3,
    "usd": "0.003",
    "charged": 3,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "scene_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "wrist_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "state": [
      -18.94,
      134.52,
      120.15,
      28.3,
      -32.17,
      27.02
    ]
  },
  "output": {
    "actions": [
      [
        1.0
      ]
    ],
    "action_labels": [
      "string"
    ],
    "action_hz": 1.0,
    "execute_steps": 1,
    "seed": 42,
    "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.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
فایل‌های شما، انتخاب شماهر outputs[].url کپی‌ای در فضای ذخیره‌سازی ماست: برای همیشه (با هزینه به‌ازای هر GB-ماه) یا به‌مدت ۷ روز رایگان، بر اساس تنظیم حساب شما یا ?storage=.
ساختار یکسان در همه مدل‌هاtype، url، content_type، width، height و duration برای تصاویر، ویدیو و صدا یکسان هستند. output شیء نتیجه اختصاصی مدل است.
فیلدهای خروجی
actions
array of array of numberآرایه عمل پیش‌بینی‌شده با ردیف‌های زمانیِ نشان‌دهنده گام‌های کنترل؛ مقادیر برش نخورده‌اند، بنابراین محدودیت‌های مفصل، سرعت و فضای کاری باید روی ربات اعمال شوند. در 30 Hz، SO-101 تعداد 42x6 فرمان مطلق را برحسب درجه و درصد گیره ارائه می‌کند؛ در 15 Hz، DROID تعداد 32x8 هدف مطلق مفصل را برحسب رادیان، به‌علاوه کسر بسته‌بودن گیره، ارائه می‌کند.
action_labels
array of stringنام‌های متناظر با ستون‌های عمل.
action_hz
numberفرکانس کنترل ردیف‌های عمل.
execute_steps
integerتعداد عمل‌های اولیه‌ای که پیش از درخواست بخش بعدی اجرا می‌شوند.
seed
integerseed تصادفی استفاده‌شده هنگام نمونه‌برداری.
timings
objectاندازه‌گیری‌های زمانی سرور، برحسب ثانیه.

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/flux-3-action/so101.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt