# Trellis 2 API

> एकल इमेज को टेक्सचर वाले GLB 3D मेश में बदलता है, जिसमें संरचना, आकार, टेक्सचर और UV सेटिंग समायोजित की जा सकती हैं

एक इमेज (`image_url`) से 3D एसेट बनाता है और GLB फ़ाइल लौटाता है। `resolution` 512, 1024 या 1536 है, और `texture_size` 1024, 2048 या 4096 है। तीनों चरणों (संरचना, आकार, टेक्सचर) में अपने-अपने गाइडेंस और सैंपलिंग-स्टेप नियंत्रण होते हैं। `decimation_target` मेश के वर्टेक्स की संख्या (5,000 to 2,000,000) तय करता है, और रीमेशिंग तथा UV-अनरैपिंग के विकल्प उपलब्ध हैं।

- Model id: `trellis-2`
- Made by: Microsoft
- Category: Image to 3D
- Output: 3d
- Price: from $0.25 / request (cheapest run $0.25 (250 API credits))
- Run: `POST https://api.doitong.ru/v1/run/trellis-2`
- Quote: `POST https://api.doitong.ru/v1/quote/trellis-2`
- Docs page: https://doitong.com/hi/developers/models/trellis-2

## Pricing

Price: **from $0.25 / request** (the lowest tier; the quote prices your exact input). Billed once per request.

Price rules (the first rule that matches the input wins; a parameter you leave out counts as its default):

- When `resolution` = 1024: $0.30 (300 API credits) / request
- When `resolution` = 1536: $0.35 (350 API credits) / request

The full example input below costs $0.30 = 300 API credits (1 request × 300 API credits).

Prices are the upstream price in USD, paid from the API balance in API credits (1000 API credits = 1 USD). `POST https://api.doitong.ru/v1/quote/trellis-2` with the same JSON body returns the exact price for that input; the quote is exactly what a run charges. Invalid input is never charged and failed or canceled requests are refunded automatically.

## Input parameters

Send either the canonical name or the native field name (not both). Canonical names are the same across models.

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `seed` |  | integer \| null | no |  |  | पुनरुत्पाद्य रैंडम निर्माण के लिए उपयोग किया गया सीड। |
| `resolution` |  | enum (integer) | no | `1024` | `512`, `1024`, `1536` | आउटपुट का रिज़ॉल्यूशन; इसे बढ़ाने पर अधिक विवरण मिलता है, लेकिन अधिक समय लगता है। |
| `ss_guidance_strength` |  | number | no | `7.5` | 0 – 10 | प्रारंभिक 3D संरचना की निष्ठा नियंत्रित करता है: इसे बढ़ाने पर इनपुट इमेज से अधिक समानता मिलती है, लेकिन अतिरिक्त नॉइज़ का जोखिम रहता है। |
| `ss_guidance_rescale` |  | number | no | `0.7` | 0 – 1 | चरण 1 के मार्गदर्शन-आर्टिफ़ैक्ट को नियंत्रित करता है; कम सेटिंग पर मार्गदर्शन प्रभाव अधिक मजबूत और अधिक सेटिंग पर आउटपुट अधिक स्थिर होता है। |
| `ss_guidance_interval_start` |  | number | no | `0.6` | 0 – 1 | चरण 1 (विरल संरचना) में classifier-free guidance विंडो की आरंभिक सीमा, नॉइज़ हटाने के अंश के रूप में व्यक्त। कम सेटिंग पर मार्गदर्शन पहले शुरू होता है; केवल interval_start से interval_end तक का अंतराल मार्गदर्शन का उपयोग करता है, बाकी जगह बिना मार्गदर्शन प्रोसेसिंग होती है। |
| `ss_guidance_interval_end` |  | number | no | `1` | 0 – 1 | चरण 1 (विरल संरचना) के लिए मार्गदर्शन कटऑफ़: ss_guidance_interval_start के बराबर या उससे बड़ा मान चुनें। यह मान नॉइज़ हटाने की उस प्रगति का अंश बताता है जहाँ classifier-free guidance रुकता है। |
| `ss_sampling_steps` |  | integer | no | `12` | 1 – 50 | प्रारंभिक संरचना के डिनॉइज़िंग चरणों की संख्या: अतिरिक्त चरणों से संभावित गुणवत्ता लाभ मिलता है, लेकिन प्रोसेसिंग धीमी होती है। |
| `ss_rescale_t` |  | number | no | `5` | 1 – 6 | संरचना-निर्माण नॉइज़ शेड्यूल के माध्यम से ट्रांज़िशन की तीक्ष्णता सेट करें: यह मान बढ़ाने पर ट्रांज़िशन अधिक तीक्ष्ण होते हैं। |
| `shape_slat_guidance_strength` |  | number | no | `7.5` | 0 – 10 | विस्तृत ज्यामिति की निष्ठा नियंत्रित करता है: इनपुट इमेज के अधिक अनुरूप होने पर अतिरिक्त विवरण मिलता है, लेकिन नॉइज़ बढ़ने का जोखिम रहता है। |
| `shape_slat_guidance_rescale` |  | number | no | `0.5` | 0 – 1 | ज्यामिति नॉइज़युक्त दिखने पर यह सेटिंग बढ़ाएँ: इससे आकार चरण के दौरान मजबूत मार्गदर्शन से उत्पन्न आर्टिफ़ैक्ट कम होते हैं। |
| `shape_slat_guidance_interval_start` |  | number | no | `0.6` | 0 – 1 | चरण 2 में आकार परिष्करण के लिए classifier-free guidance सक्रिय होने का बिंदु। नॉइज़ हटाने की प्रगति के अंश के रूप में व्यक्त, यह interval_start सेट करता है; मार्गदर्शन केवल interval_start और interval_end से बंधी विंडो में काम करता है। |
| `shape_slat_guidance_interval_end` |  | number | no | `1` | 0 – 1 | चरण 2 (आकार परिष्करण) के लिए मार्गदर्शन कटऑफ़: shape_slat_guidance_interval_start के बराबर या उससे बड़ा मान चुनें। यह मान नॉइज़ हटाने की उस प्रगति का अंश बताता है जहाँ classifier-free guidance रुकता है। |
| `shape_slat_sampling_steps` |  | integer | no | `12` | 1 – 50 | आकार-सुधार डिनॉइज़िंग चरणों की संख्या: अतिरिक्त चरणों से ज्यामिति संभावित रूप से अधिक सहज होती है, लेकिन गति कम होती है। |
| `shape_slat_rescale_t` |  | number | no | `3` | 1 – 6 | आकार-सुधार नॉइज़ शेड्यूल के माध्यम से ज्यामितीय विवरण की तीक्ष्णता सेट करें; यह मान बढ़ाने पर विवरण अधिक तीक्ष्ण होते हैं। |
| `tex_slat_guidance_strength` |  | number | no | `1` | 0 – 10 | टेक्सचर रंग की निष्ठा नियंत्रित करता है: अधिक सेटिंग पर इनपुट इमेज के रंगों से अधिक समानता जीवंतता बढ़ाती है, लेकिन अत्यधिक संतृप्ति हो सकती है। |
| `tex_slat_guidance_rescale` |  | number | no | `0` | 0 – 1 | नॉइज़युक्त टेक्सचर या रंग बैंडिंग को ठीक करने के लिए यह सेटिंग बढ़ाएँ: इससे टेक्सचर चरण के दौरान मजबूत मार्गदर्शन से उत्पन्न आर्टिफ़ैक्ट कम होते हैं। |
| `tex_slat_guidance_interval_start` |  | number | no | `0.6` | 0 – 1 | चरण 3 में टेक्सचर निर्माण के लिए classifier-free guidance सक्रिय होने का बिंदु। नॉइज़ हटाने की प्रगति के अंश के रूप में व्यक्त, यह interval_start सेट करता है; मार्गदर्शन केवल interval_start और interval_end से बंधी विंडो में काम करता है। |
| `tex_slat_guidance_interval_end` |  | number | no | `0.9` | 0 – 1 | चरण 3 (टेक्सचर) के लिए मार्गदर्शन कटऑफ़: tex_slat_guidance_interval_start के बराबर या उससे बड़ा मान चुनें। यह मान नॉइज़ हटाने की उस प्रगति का अंश बताता है जहाँ classifier-free guidance रुकता है। |
| `tex_slat_sampling_steps` |  | integer | no | `12` | 1 – 50 | टेक्सचर बनाने के लिए उपयोग किए जाने वाले डिनॉइज़िंग चरणों की संख्या। चरणों की संख्या बढ़ाने पर अधिक समय लगता है, लेकिन टेक्सचर अधिक साफ़ हो सकते हैं। |
| `tex_slat_rescale_t` |  | number | no | `3` | 1 – 6 | टेक्सचर-निर्माण नॉइज़ शेड्यूल के माध्यम से टेक्सचर विवरण की तीक्ष्णता सेट करें; यह मान बढ़ाने पर विवरण अधिक तीक्ष्ण होते हैं। |
| `decimation_target` |  | integer | no | `500000` | 5,000 – 2,000,000 | मेश वर्टेक्स-गणना लक्ष्य, सामान्य उपयोग के लिए 500k और वेब/मोबाइल के लिए 20k–50k अनुशंसित। लक्ष्य घटाने पर मेश विवरण कम होता है और फ़ाइलें छोटी हो जाती हैं। |
| `texture_size` |  | enum (integer) | no | `2048` | `1024`, `2048`, `4096` | बेकिंग के लिए मेश टेक्सचर रिज़ॉल्यूशन। इस रिज़ॉल्यूशन को बढ़ाने पर सतह का बारीक विवरण बढ़ता है, लेकिन फ़ाइलें बड़ी होती हैं। |
| `remesh` |  | boolean | no | `true` |  | टोपोलॉजी पुनर्निर्माण, जो अधिक साफ़ मेश त्रिभुज बनाता है और आमतौर पर एनीमेशन या 3D प्रिंटिंग जैसे बाद के उपयोगों के लिए उपयुक्तता सुधारता है, लेकिन प्रोसेसिंग धीमी होती है। |
| `remesh_band` |  | number | no | `1` | 0 – 4 | रीमेशिंग मूवमेंट की अनुमति: इस मान को बढ़ाने पर अतिरिक्त स्मूदिंग से बारीक विवरण कम हो सकता है। यह सेटिंग मूल सतह के सापेक्ष वर्टेक्स के विस्थापन को सीमित करती है। |
| `remesh_project` |  | number | no | `0` | 0 – 1 | रीमेश किए गए वर्टेक्स को मूल सतह पर वापस लाने के लिए प्रोजेक्शन की तीव्रता: 1 पूर्ण प्रोजेक्शन के माध्यम से विवरण सुरक्षित रखता है, जबकि 0 प्रोजेक्शन बंद रखकर अधिक स्मूद परिणाम देता है। |
| `uv_unwrap_angle_threshold_deg` |  | number | no | `90` | 0 – 180 | UV चार्ट की कोणीय सीमा डिग्री में, जो यह सीमित करती है कि एक ही चार्ट में पड़ोसी फेस नॉर्मल्स कितने भिन्न हो सकते हैं। सीमा बढ़ाने पर कम और बड़े चार्ट बनते हैं, लेकिन स्ट्रेचिंग का जोखिम रहता है; इसे घटाने पर अधिक चार्ट और कम विकृति मिलती है। |
| `uv_unwrap_refine_iterations` |  | integer | no | `0` | 0 – 10 | UV चार्ट की गणना के लिए उपयोग किए जाने वाले स्थानीय रिफाइनमेंट पास की संख्या। |
| `uv_unwrap_global_iterations` |  | integer | no | `1` | 1 – 10 | चार्ट की गणना के लिए उपयोग किए जाने वाले ग्लोबल क्लस्टरिंग पास की संख्या बढ़ाने से UV चार्ट का संतुलन बेहतर हो सकता है। |
| `uv_unwrap_smooth_strength` |  | number | no | `1` | 0 – 10 | UV चार्ट के किनारों को कितनी तीव्रता से स्मूद करना है, इसे समायोजित करें; अधिक सेटिंग पर कम दिखाई देने वाले सीम के साथ UV विकृति का जोखिम रहता है। |
| `image_url` | `image` | string (image URL) | yes |  |  | 3D रूपांतरण के लिए स्रोत इमेज का URL। |

File parameters (`image`) take a public `https://` URL, a `data:` URI up to 10 MB, or the `file_url` of an upload from `POST /files`.

## Example input

Required parameters only:

```json
{
  "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
}
```

A fuller example:

```json
{
  "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
}
```

## Run it

Set `DOITONG_API_KEY` to a key from https://doitong.com/developers/dashboard#keys. `?wait=20` returns the finished request in the same call when it is ready within 20 seconds; otherwise poll `GET /requests/{id}` (it also accepts `?wait=`), or pass `webhook_url`.

### curl

```bash
# 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/trellis-2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image_url": "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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"
```

### JavaScript

```javascript
const API = "https://api.doitong.ru/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_url": "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 + ")");
```

### Python

```python
import os
import requests

API = "https://api.doitong.ru/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "image_url": "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"])
```

### MCP

The MCP server at `https://api.doitong.ru/v1/mcp` exposes the tools `search_models`, `get_model`, `quote`, `run`, `get_request`, `cancel_request`, `list_requests`, `create_upload` and `get_account`. A `run` call for this model:

```json
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "trellis-2",
      "input": {
        "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
      },
      "wait_seconds": 20
    }
  }
}
```

## Response

Every call returns a request object. `status` is one of `queued`, `running`, `succeeded`, `failed`, `canceled`. `outputs` lists the generated files with URLs on our storage (kept forever, or 7 days with `?storage=temporary`; `storage` says which); `output` is the model's own result object with the same URLs.

```json
{
  "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.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `model_glb` | object {url, content_type, file_name, file_size} | GLB फ़ॉर्मेट में निर्मित 3D मॉडल। |

## Related models

- [Trellis 2 · Retexture](https://doitong.com/developers/models/trellis-2/retexture.md) (`trellis-2/retexture`): from $0.20 / request
- [Trellis](https://doitong.com/developers/models/trellis.md) (`trellis`): $0.02 / request
- [Trellis · Multi](https://doitong.com/developers/models/trellis/multi.md) (`trellis/multi`): $0.02 / request
- [TRELLIS.2 LoRA Inference](https://doitong.com/developers/models/trellis-2-lora.md) (`trellis-2-lora`): from $0.25 / request
- [Hi3D Image to 3D](https://doitong.com/developers/models/hitem3d/hi3d/image-to-3d.md) (`hitem3d/hi3d/image-to-3d`): $0.50 / run
- [Hi3D Image to 3D · v3.0](https://doitong.com/developers/models/hitem3d/hi3d/v3.0/image-to-3d.md) (`hitem3d/hi3d/v3.0/image-to-3d`): from $1.80 / run
- [Hi3D Multiview to 3D · Multi View to 3D](https://doitong.com/developers/models/hitem3d/hi3d/multi-view-to-3d.md) (`hitem3d/hi3d/multi-view-to-3d`): $0.50 / run
- [Hi3D Multiview to 3D · v3.0 · Multi View to 3D](https://doitong.com/developers/models/hitem3d/hi3d/v3.0/multi-view-to-3d.md) (`hitem3d/hi3d/v3.0/multi-view-to-3d`): from $1.80 / run

## Links

- HTML page: https://doitong.com/developers/models/trellis-2
- All models and guides for AI agents: https://doitong.com/developers/llms.txt
- OpenAPI 3.1 with this model's typed request body: https://doitong.com/developers/openapi.json?model=trellis-2
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.ru/v1/models/trellis-2