TRELLIS.2 LoRA Inference

ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ

ਮਾਡਲ id trellis-2-lora

# 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-lora?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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

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-lora?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.ru/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-lora", 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/pa/developers/docs/mcp)
claude mcp add --transport http doitong-models https://api.doitong.ru/v1/mcp \
  --header "Authorization: Bearer $DOITONG_API_KEY"

# 2. Your agent calls the "run" tool with:
{
  "model_id": "trellis-2-lora",
  "input": {
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  }
}

Doitong API ਰਾਹੀਂ TRELLIS.2 LoRA Inference ਮਾਡਲ (trellis-2-lora) ਨੂੰ ਕਾਲ ਕਰੋ। ਏਜੰਟਾਂ ਲਈ ਦਸਤਾਵੇਜ਼: https://doitong.com/pa/developers/models/trellis-2-lora.md

POST https://api.doitong.ru/v1/run/trellis-2-lora?wait=20
Authorization: Bearer $DOITONG_API_KEY
Content-Type: application/json

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

ਜੇ ਜਵਾਬ ਦੀ ਸਥਿਤੀ "queued" ਜਾਂ "running" ਹੈ, ਤਾਂ GET https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20 ਨੂੰ ਉਦੋਂ ਤੱਕ ਪੋਲ ਕਰੋ ਜਦੋਂ ਤੱਕ ਇਹ "succeeded" ਨਾ ਹੋ ਜਾਵੇ; ਫ਼ਾਈਲਾਂ outputs[].url ਵਿੱਚ ਹਨ। ਉਸੇ ਬਾਡੀ ਨਾਲ POST https://api.doitong.ru/v1/quote/trellis-2-lora ਚਲਾਉਣ ’ਤੇ ਰਨ ਤੋਂ ਪਹਿਲਾਂ ਸਹੀ ਕੀਮਤ ਮਿਲ ਜਾਂਦੀ ਹੈ।

ਇਹ ਬੇਨਤੀ: $0.25 250 API ਕ੍ਰੈਡਿਟ · ≈ ₽26.64 ਇਸ ਪੰਨੇ ’ਤੇ ਚਲਾਓ

API ਕੁੰਜੀ ਲਵੋ

Microsoft ਚਿੱਤਰ ਤੋਂ 3D

Trellis 2 ਇਮੇਜ-ਟੂ-3D ਜੋ ਸਟ੍ਰਕਚਰ, ਜਿਓਮੈਟਰੀ ਅਤੇ ਟੈਕਸਚਰ ਲਈ ਕਸਟਮ LoRA ਐਡੈਪਟਰ ਲਾਗੂ ਕਰ ਸਕਦਾ ਹੈ

OpenAPI Markdown

Microsoft · 3D

ਤੁਹਾਡਾ ਪਹਿਲਾ ਨਤੀਜਾ ਇੱਥੇ ਹੋਵੇਗਾ

ਹੇਠਾਂ ਬੇਨਤੀ ਬਣਾਓ ਅਤੇ ਆਪਣੀ API ਕੁੰਜੀ ਨਾਲ ਚਲਾਓ। ਆਉਟਪੁੱਟ ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਕਾਪੀ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਹਮੇਸ਼ਾ ਲਈ ਜਾਂ ਮੁਫ਼ਤ ਵਿੱਚ 7 ਦਿਨ ਤੱਕ ਰੱਖੇ ਜਾਂਦੇ ਹਨ।

ਰਿਕਵੈਸਟ ਬਣਾਓ

ਕੀਮਤ

ਸਹੀ ਕੀਮਤ

$0.25ਪ੍ਰਤੀ ਰਨ

250 API ਕ੍ਰੈਡਿਟ · ≈ ₽26.64

ਕੀਮਤ: $0.25 ਤੋਂ

1 ਬੇਨਤੀ × $0.25 ਚਲਾਓ · $0.25

ਸਿਰਫ਼ ਸਫਲਤਾ ’ਤੇ ਚਾਰਜ ਕੀਤਾ ਜਾਂਦਾ ਹੈ; ਅਸਫਲਤਾ ’ਤੇ ਆਪਣੇ ਆਪ ਰਿਫੰਡ ਹੁੰਦਾ ਹੈ।

resolution ਡਿਫ਼ਾਲਟ 512

ਕੀਮਤ ਦੇ ਨਿਯਮ

ਜਦੋਂ resolution = 1024: $0.30 / ਬੇਨਤੀ

ਹਰ ਰਿਕਵੈਸਟ ਲਈ ਇੱਕ ਵਾਰ ਬਿਲ ਲਿਆ ਜਾਂਦਾ ਹੈ।

ਕੋਟ ਐਂਡਪੌਇੰਟ: POST /quote/{id}

ਰਿਕਵੈਸਟ ਬਣਾਓ

ਕੰਟਰੋਲ ਮਾਡਲ ਸਕੀਮਾ ਤੋਂ ਤਿਆਰ ਹੁੰਦੇ ਹਨ। ਤੁਸੀਂ ਬਦਲਾਅ ਕਰਦੇ ਹੀ ਕੋਡ ਅਤੇ ਕੀਮਤ ਅੱਪਡੇਟ ਹੋ ਜਾਂਦੇ ਹਨ।

image •ਲੋੜੀਂਦਾ image_url

ਫ਼ਾਈਲ ਛੱਡੋ, ਜਾਂ

3D ਮਾਡਲ ਵਿੱਚ ਬਦਲਣ ਲਈ ਸਰੋਤ ਚਿੱਤਰ URL।

resolution ਡਿਫ਼ਾਲਟ 512

ਸਿਰਜਣਾ ਰੈਜ਼ੋਲਿਊਸ਼ਨ, ਜਿਸ ਵਿੱਚ 1024 cascade pipeline ਚੁਣਦਾ ਹੈ। ਦਿੱਤੇ ਗਏ LoRA adapters ਨੂੰ ਟ੍ਰੇਨ ਕਰਨ ਲਈ ਵਰਤਿਆ ਗਿਆ ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਚੁਣੋ; ਮਿਲਾਪ ਲਾਜ਼ਮੀ ਹੈ।

ਉੱਨਤ texture_lora_url · texture_size · sparse_structure_lora_url · geometry_lora_url · 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 · seed · enable_safety_checker

texture_lora_url

safetensors ਫਾਰਮੈਟ ਵਿੱਚ ਵਿਕਲਪਿਕ LoRA ਚੈਕਪੌਇੰਟ, ਜੋ ਖ਼ਾਸ ਤੌਰ 'ਤੇ texture denoiser ਲਈ ਟ੍ਰੇਨ ਕੀਤਾ ਗਿਆ ਹੈ।

texture_size ਡਿਫ਼ਾਲਟ 2048

GLB export ਵਿੱਚ ਬੇਕ ਕੀਤੇ textures ਦਾ ਰੈਜ਼ੋਲਿਊਸ਼ਨ।

sparse_structure_lora_url

safetensors ਫਾਰਮੈਟ ਵਿੱਚ ਵਿਕਲਪਿਕ LoRA ਚੈਕਪੌਇੰਟ, ਜੋ ਖ਼ਾਸ ਤੌਰ 'ਤੇ sparse structure denoiser ਲਈ ਟ੍ਰੇਨ ਕੀਤਾ ਗਿਆ ਹੈ।

geometry_lora_url

safetensors ਫਾਰਮੈਟ ਵਿੱਚ ਵਿਕਲਪਿਕ LoRA ਚੈਕਪੌਇੰਟ, ਜੋ ਖ਼ਾਸ ਤੌਰ 'ਤੇ geometry denoiser ਲਈ ਟ੍ਰੇਨ ਕੀਤਾ ਗਿਆ ਹੈ।

ss_guidance_strength ਡਿਫ਼ਾਲਟ 7.5

sparse-structure ਸਿਰਜਣਾ ਦੌਰਾਨ classifier-free guidance ਦੀ ਤਾਕਤ।

ss_guidance_rescale ਡਿਫ਼ਾਲਟ 0.7

sparse-structure ਸਿਰਜਣਾ ਦੌਰਾਨ guidance rescaling। ਵੱਡੇ ਮੁੱਲ ਆਉਟਪੁੱਟ ਨੂੰ ਵੱਧ ਸਥਿਰ ਬਣਾਉਂਦੇ ਹਨ।

ss_guidance_interval_start ਡਿਫ਼ਾਲਟ 0.6

denoising ਪ੍ਰਗਤੀ ਦਾ ਉਹ ਅੰਸ਼ ਜਿੱਥੇ sparse-structure guidance ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ।

ss_guidance_interval_end ਡਿਫ਼ਾਲਟ 1

`ss_guidance_interval_start` ਦੇ ਬਰਾਬਰ ਜਾਂ ਵੱਧ denoising ਅੰਸ਼ ਵਰਤ ਕੇ ਦੱਸੋ ਕਿ sparse-structure guidance ਕਦੋਂ ਰੁਕਦੀ ਹੈ।

ss_sampling_steps ਡਿਫ਼ਾਲਟ 12

sparse-structure ਸਿਰਜਣਾ ਦੌਰਾਨ ਵਰਤੀ ਜਾਣ ਵਾਲੀ denoising ਕਦਮਾਂ ਦੀ ਗਿਣਤੀ।

ss_rescale_t ਡਿਫ਼ਾਲਟ 5

sparse-structure ਸਿਰਜਣਾ ਦੌਰਾਨ noise schedule ਦੀ ਤੀਖ਼ਣਤਾ।

shape_slat_guidance_strength ਡਿਫ਼ਾਲਟ 7.5

shape ਸਿਰਜਣਾ ਦੌਰਾਨ classifier-free guidance ਦੀ ਤਾਕਤ।

shape_slat_guidance_rescale ਡਿਫ਼ਾਲਟ 0.5

shape ਸਿਰਜਣਾ ਦੌਰਾਨ guidance 'ਤੇ ਲਾਗੂ ਕੀਤੀ rescaling; geometry ਸ਼ੋਰ ਵਾਲੀ ਲੱਗੇ ਤਾਂ ਇਸਨੂੰ ਵਧਾਓ।

shape_slat_guidance_interval_start ਡਿਫ਼ਾਲਟ 0.6

denoising ਦਾ ਉਹ ਅੰਸ਼ ਜਿੱਥੇ shape-stage guidance ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ।

shape_slat_guidance_interval_end ਡਿਫ਼ਾਲਟ 1

shape-stage guidance ਦਾ ਰੋਕਣ ਬਿੰਦੂ, ਜੋ shape_slat_guidance_interval_start ਤੋਂ ਘੱਟ ਨਾ ਹੋਣ ਵਾਲੇ denoising ਅੰਸ਼ ਵਜੋਂ ਦਰਸਾਇਆ ਜਾਂਦਾ ਹੈ।

shape_slat_sampling_steps ਡਿਫ਼ਾਲਟ 12

shape ਸਿਰਜਣਾ ਦੌਰਾਨ denoising ਕਦਮਾਂ ਦੀ ਗਿਣਤੀ।

shape_slat_rescale_t ਡਿਫ਼ਾਲਟ 3

shape ਸਿਰਜਣਾ ਦੌਰਾਨ noise schedule ਦੀ ਤੀਖ਼ਣਤਾ।

tex_slat_guidance_strength ਡਿਫ਼ਾਲਟ 1

texture ਸਿਰਜਣਾ ਦੌਰਾਨ classifier-free guidance ਦੀ ਤਾਕਤ।

tex_slat_guidance_rescale ਡਿਫ਼ਾਲਟ 0

texture ਸਿਰਜਣਾ ਦੌਰਾਨ guidance 'ਤੇ ਲਾਗੂ ਕੀਤੀ rescaling; textures ਸ਼ੋਰ ਵਾਲੀਆਂ ਲੱਗਣ ਤਾਂ ਇਸਨੂੰ ਵਧਾਓ।

tex_slat_guidance_interval_start ਡਿਫ਼ਾਲਟ 0.6

denoising ਦਾ ਉਹ ਅੰਸ਼ ਜਿੱਥੇ texture-stage guidance ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ।

tex_slat_guidance_interval_end ਡਿਫ਼ਾਲਟ 0.9

texture-stage guidance ਦਾ ਰੋਕਣ ਬਿੰਦੂ, ਜੋ tex_slat_guidance_interval_start ਤੋਂ ਘੱਟ ਨਾ ਹੋਣ ਵਾਲੇ denoising ਅੰਸ਼ ਵਜੋਂ ਦਰਸਾਇਆ ਜਾਂਦਾ ਹੈ।

tex_slat_sampling_steps ਡਿਫ਼ਾਲਟ 12

texture ਸਿਰਜਣਾ ਦੌਰਾਨ denoising ਕਦਮਾਂ ਦੀ ਗਿਣਤੀ।

tex_slat_rescale_t ਡਿਫ਼ਾਲਟ 3

texture ਸਿਰਜਣਾ ਦੌਰਾਨ noise schedule ਦੀ ਤੀਖ਼ਣਤਾ।

decimation_target ਡਿਫ਼ਾਲਟ 500000

GLB export ਵਿੱਚ ਵਰਟੈਕਸਾਂ ਦੀ ਇੱਛਿਤ ਗਿਣਤੀ।

seed

ਬੇਤਰਤੀਬ ਸੀਡ ਜੋ ਸਿਰਜਣਾ ਨੂੰ ਦੁਹਰਾਉਣਯੋਗ ਬਣਾਉਂਦੀ ਹੈ।

POST /run/trellis-2-lora?wait=20 ਕੋਟ → $0.25

# 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-lora?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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

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-lora?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.ru/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-lora", 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-lora",
      "input": {
        "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
      },
      "wait_seconds": 20
    }
  }
}

ਇਹ ਬੇਨਤੀ ਚਲਾਓ

API ਕੁੰਜੀ

ਤੁਹਾਡੀ key ਇਸ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਰਹਿੰਦੀ ਹੈ: ਇਹ ਸਿਰਫ਼ Doitong API ਨੂੰ ਭੇਜੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਸਿਰਫ਼ ਤਾਂ ਹੀ (localStorage) ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਹੁੰਦੀ ਹੈ ਜੇ ਤੁਸੀਂ Remember ਚੁਣੋ। ਇਸ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਯਾਦ ਰੱਖੋ API ਕੁੰਜੀ ਪ੍ਰਾਪਤ ਕਰੋ

TRELLIS.2 LoRA Inference ਬਾਰੇ

`image_url` ਤੋਂ GLB ਤਿਆਰ ਕਰਦਾ ਹੈ ਅਤੇ ਵਿਕਲਪਿਕ ਤੌਰ ਉੱਤੇ `sparse_structure_lora_url`, `geometry_lora_url` ਅਤੇ `texture_lora_url` ਰਾਹੀਂ safetensors LoRA ਲਾਗੂ ਕਰਦਾ ਹੈ। `resolution` 512 ਜਾਂ 1024 ਹੁੰਦਾ ਹੈ ਅਤੇ ਐਡੈਪਟਰਾਂ ਦੀ ਟ੍ਰੇਨਿੰਗ ਰੈਜ਼ੋਲੂਸ਼ਨ ਨਾਲ ਮੇਲ ਖਾਣੀ ਲਾਜ਼ਮੀ ਹੈ। ਪ੍ਰਤੀ-ਪੜਾਅ ਗਾਈਡੈਂਸ ਅਤੇ ਸਟੈਪ ਕੰਟਰੋਲ, `decimation_target` ਅਤੇ `texture_size` ਵੀ ਉਪਲਬਧ ਹਨ।

ਪੈਰਾਮੀਟਰ

ਕੈਨੋਨਿਕਲ ਨਾਮ ਜਾਂ ਨੇਟਿਵ ਨਾਮ ਵਿੱਚੋਂ ਕੋਈ ਇੱਕ ਭੇਜੋ, ਦੋਵੇਂ ਨਹੀਂ। ਕੈਨੋਨਿਕਲ ਨਾਮ

ਨਾਮਕਿਸਮ ਡਿਫ਼ਾਲਟਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵੇਰਵਾ

image_urlਲੋੜੀਂਦਾ image

ਕਿਸਮurl · image

3D ਮਾਡਲ ਵਿੱਚ ਬਦਲਣ ਲਈ ਸਰੋਤ ਚਿੱਤਰ URL।

sparse_structure_lora_urlਵਿਕਲਪਿਕ

ਕਿਸਮstring | null

geometry_lora_urlਵਿਕਲਪਿਕ

ਕਿਸਮstring | null

texture_lora_urlਵਿਕਲਪਿਕ

ਕਿਸਮstring | null

seedਵਿਕਲਪਿਕ

ਕਿਸਮinteger | null

ਬੇਤਰਤੀਬ ਸੀਡ ਜੋ ਸਿਰਜਣਾ ਨੂੰ ਦੁਹਰਾਉਣਯੋਗ ਬਣਾਉਂਦੀ ਹੈ।

resolutionਵਿਕਲਪਿਕ

ਕਿਸਮenum

ਡਿਫ਼ਾਲਟ512

5121024

ss_guidance_strengthਵਿਕਲਪਿਕ

ਕਿਸਮnumber

ਡਿਫ਼ਾਲਟ7.5

0 – 10

sparse-structure ਸਿਰਜਣਾ ਦੌਰਾਨ classifier-free guidance ਦੀ ਤਾਕਤ।

ss_guidance_rescaleਵਿਕਲਪਿਕ

ਕਿਸਮnumber

ਡਿਫ਼ਾਲਟ0.7

0 – 1

sparse-structure ਸਿਰਜਣਾ ਦੌਰਾਨ guidance rescaling। ਵੱਡੇ ਮੁੱਲ ਆਉਟਪੁੱਟ ਨੂੰ ਵੱਧ ਸਥਿਰ ਬਣਾਉਂਦੇ ਹਨ।

ss_guidance_interval_startਵਿਕਲਪਿਕ

ਕਿਸਮnumber

ਡਿਫ਼ਾਲਟ0.6

0 – 1

denoising ਪ੍ਰਗਤੀ ਦਾ ਉਹ ਅੰਸ਼ ਜਿੱਥੇ sparse-structure guidance ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ।

ss_guidance_interval_endਵਿਕਲਪਿਕ

ਕਿਸਮnumber

ਡਿਫ਼ਾਲਟ1

0 – 1

`ss_guidance_interval_start` ਦੇ ਬਰਾਬਰ ਜਾਂ ਵੱਧ denoising ਅੰਸ਼ ਵਰਤ ਕੇ ਦੱਸੋ ਕਿ sparse-structure guidance ਕਦੋਂ ਰੁਕਦੀ ਹੈ।

ss_sampling_stepsਵਿਕਲਪਿਕ

ਕਿਸਮinteger

ਡਿਫ਼ਾਲਟ12

1 – 50

sparse-structure ਸਿਰਜਣਾ ਦੌਰਾਨ ਵਰਤੀ ਜਾਣ ਵਾਲੀ denoising ਕਦਮਾਂ ਦੀ ਗਿਣਤੀ।

ss_rescale_tਵਿਕਲਪਿਕ

ਕਿਸਮnumber

ਡਿਫ਼ਾਲਟ5

1 – 6

sparse-structure ਸਿਰਜਣਾ ਦੌਰਾਨ noise schedule ਦੀ ਤੀਖ਼ਣਤਾ।

shape_slat_guidance_strengthਵਿਕਲਪਿਕ

ਕਿਸਮnumber

ਡਿਫ਼ਾਲਟ7.5

0 – 10

shape ਸਿਰਜਣਾ ਦੌਰਾਨ classifier-free guidance ਦੀ ਤਾਕਤ।

shape_slat_guidance_rescaleਵਿਕਲਪਿਕ

ਕਿਸਮnumber

ਡਿਫ਼ਾਲਟ0.5

0 – 1

shape ਸਿਰਜਣਾ ਦੌਰਾਨ guidance 'ਤੇ ਲਾਗੂ ਕੀਤੀ rescaling; geometry ਸ਼ੋਰ ਵਾਲੀ ਲੱਗੇ ਤਾਂ ਇਸਨੂੰ ਵਧਾਓ।

shape_slat_guidance_interval_startਵਿਕਲਪਿਕ

ਕਿਸਮnumber

ਡਿਫ਼ਾਲਟ0.6

0 – 1

denoising ਦਾ ਉਹ ਅੰਸ਼ ਜਿੱਥੇ shape-stage guidance ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ।

shape_slat_guidance_interval_endਵਿਕਲਪਿਕ

ਕਿਸਮnumber

ਡਿਫ਼ਾਲਟ1

0 – 1

shape_slat_sampling_stepsਵਿਕਲਪਿਕ

ਕਿਸਮinteger

ਡਿਫ਼ਾਲਟ12

1 – 50

shape ਸਿਰਜਣਾ ਦੌਰਾਨ denoising ਕਦਮਾਂ ਦੀ ਗਿਣਤੀ।

shape_slat_rescale_tਵਿਕਲਪਿਕ

ਕਿਸਮnumber

ਡਿਫ਼ਾਲਟ3

1 – 6

shape ਸਿਰਜਣਾ ਦੌਰਾਨ noise schedule ਦੀ ਤੀਖ਼ਣਤਾ।

tex_slat_guidance_strengthਵਿਕਲਪਿਕ

ਕਿਸਮnumber

ਡਿਫ਼ਾਲਟ1

0 – 10

texture ਸਿਰਜਣਾ ਦੌਰਾਨ classifier-free guidance ਦੀ ਤਾਕਤ।

tex_slat_guidance_rescaleਵਿਕਲਪਿਕ

ਕਿਸਮnumber

ਡਿਫ਼ਾਲਟ0

0 – 1

texture ਸਿਰਜਣਾ ਦੌਰਾਨ guidance 'ਤੇ ਲਾਗੂ ਕੀਤੀ rescaling; textures ਸ਼ੋਰ ਵਾਲੀਆਂ ਲੱਗਣ ਤਾਂ ਇਸਨੂੰ ਵਧਾਓ।

tex_slat_guidance_interval_startਵਿਕਲਪਿਕ

ਕਿਸਮnumber

ਡਿਫ਼ਾਲਟ0.6

0 – 1

denoising ਦਾ ਉਹ ਅੰਸ਼ ਜਿੱਥੇ texture-stage guidance ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ।

tex_slat_guidance_interval_endਵਿਕਲਪਿਕ

ਕਿਸਮnumber

ਡਿਫ਼ਾਲਟ0.9

0 – 1

tex_slat_sampling_stepsਵਿਕਲਪਿਕ

ਕਿਸਮinteger

ਡਿਫ਼ਾਲਟ12

1 – 50

texture ਸਿਰਜਣਾ ਦੌਰਾਨ denoising ਕਦਮਾਂ ਦੀ ਗਿਣਤੀ।

tex_slat_rescale_tਵਿਕਲਪਿਕ

ਕਿਸਮnumber

ਡਿਫ਼ਾਲਟ3

1 – 6

texture ਸਿਰਜਣਾ ਦੌਰਾਨ noise schedule ਦੀ ਤੀਖ਼ਣਤਾ।

decimation_targetਵਿਕਲਪਿਕ

ਕਿਸਮinteger

ਡਿਫ਼ਾਲਟ500000

5,000 – 20,00,000

GLB export ਵਿੱਚ ਵਰਟੈਕਸਾਂ ਦੀ ਇੱਛਿਤ ਗਿਣਤੀ।

texture_sizeਵਿਕਲਪਿਕ

ਕਿਸਮenum

ਡਿਫ਼ਾਲਟ2048

102420484096

GLB export ਵਿੱਚ ਬੇਕ ਕੀਤੇ textures ਦਾ ਰੈਜ਼ੋਲਿਊਸ਼ਨ।

enable_safety_checkerਵਿਕਲਪਿਕ

ਕਿਸਮboolean

ਡਿਫ਼ਾਲਟtrue

false ਸੈੱਟ ਕਰਕੇ ਸਕ੍ਰੀਨਿੰਗ ਨੂੰ ਢਿੱਲਾ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਜੇ ਕਾਲਰ ਅਧਿਕਾਰਤ ਹੋਵੇ।

ਲੋੜੀਂਦਾ ਕੈਨੋਨਿਕਲ ਨਾਮ, ਇਹ ਵੀ ਸਵੀਕਾਰਿਆ ਜਾਂਦਾ ਹੈ

ਫ਼ਾਈਲ ਪੈਰਾਮੀਟਰ ਜਨਤਕ https:// URL, 10 MB ਤੱਕ ਦਾ data: URI, ਜਾਂ ਅੱਪਲੋਡ ਦੇ file_url ਨੂੰ ਸਵੀਕਾਰਦੇ ਹਨ। ਫ਼ਾਈਲਾਂ

ਆਉਟਪੁੱਟ

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t

{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "trellis-2-lora",
  "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": 250,
    "usd": "0.25",
    "charged": 250,
    "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
    },
    "seed": 42,
    "resolution": 1,
    "sparse_structure_lora_url": "string",
    "geometry_lora_url": "string",
    "texture_lora_url": "string",
    "decimation_target": 1,
    "texture_size": 1
  },
  "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"
  }
}

ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ, ਤੁਹਾਡੀ ਚੋਣਹਰ outputs[].url ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਇੱਕ ਕਾਪੀ ਹੈ: ਹਮੇਸ਼ਾ ਲਈ ਰੱਖੀ ਜਾਂਦੀ ਹੈ (ਪ੍ਰਤੀ GB-ਮਹੀਨਾ ਭੁਗਤਾਨ) ਜਾਂ 7 ਦਿਨ ਤੱਕ ਮੁਫ਼ਤ, ਤੁਹਾਡੀ ਖਾਤਾ ਸੈਟਿੰਗ ਜਾਂ ?storage= ਅਨੁਸਾਰ।

ਹਰ ਮਾਡਲ ’ਤੇ ਇੱਕੋ ਜਿਹਾ ਰੂਪਤਸਵੀਰਾਂ, ਵੀਡੀਓ ਅਤੇ ਆਡੀਓ ਸਭ ਲਈ type, url, content_type, width, height ਅਤੇ duration। output ਮਾਡਲ ਦਾ ਆਪਣਾ ਨਤੀਜਾ ਆਬਜੈਕਟ ਹੈ।

ਆਉਟਪੁੱਟ ਦੇ ਫ਼ੀਲਡ

model_glb: object {url, content_type, file_name, file_size}ਤਿਆਰ ਕੀਤੇ 3D ਮਾਡਲ ਵਾਲੀ GLB ਫ਼ਾਈਲ।
seed: integerਸਿਰਜਣਾ ਦੌਰਾਨ ਲਾਗੂ ਕੀਤੀ ਗਈ ਸੀਡ।
resolution: integerਉਹ ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਜਿਸ 'ਤੇ ਸਿਰਜਣਾ ਕੀਤੀ ਗਈ ਸੀ।
sparse_structure_lora_url: string | nullਸਿਰਜਣਾ ਦੌਰਾਨ ਵਰਤਿਆ ਗਿਆ sparse-structure LoRA ਚੈਕਪੌਇੰਟ, ਜੇ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਹੋਵੇ।
geometry_lora_url: string | nullਸਿਰਜਣਾ ਦੌਰਾਨ ਵਰਤਿਆ ਗਿਆ geometry LoRA ਚੈਕਪੌਇੰਟ, ਜੇ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਹੋਵੇ।
texture_lora_url: string | nullਸਿਰਜਣਾ ਦੌਰਾਨ ਵਰਤਿਆ ਗਿਆ texture LoRA ਚੈਕਪੌਇੰਟ, ਜੇ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਹੋਵੇ।
decimation_target: integerGLB export 'ਤੇ ਲਾਗੂ ਕੀਤਾ ਵਰਟੈਕਸ-ਗਿਣਤੀ ਟੀਚਾ।
texture_size: integerGLB export ਵਿੱਚ ਬੇਕ ਕੀਤੇ textures ਦਾ ਰੈਜ਼ੋਲਿਊਸ਼ਨ।

AI ਏਜੰਟਾਂ ਲਈ: ਇਹ ਪੰਨਾ Markdown ਵਜੋਂ ਇੱਥੇ ਹੈ https://doitong.com/pa/developers/models/trellis-2-lora.md. ਸਾਰੇ ਮਾਡਲ ਅਤੇ ਗਾਈਡ: https://doitong.com/developers/llms.txt

ਤੁਹਾਡਾ ਪਹਿਲਾ ਨਤੀਜਾ ਇੱਥੇ ਹੋਵੇਗਾ

ਰਿਕਵੈਸਟ ਬਣਾਓ

ਇਹ ਬੇਨਤੀ ਚਲਾਓ

TRELLIS.2 LoRA Inference ਬਾਰੇ

ਪੈਰਾਮੀਟਰ

ਆਉਟਪੁੱਟ

ਹੋਰ ਮਾਡਲ: ਚਿੱਤਰ ਤੋਂ 3D

Trellis ਵੈਰੀਐਂਟ: 2

Trellis 2 ਵੈਰੀਐਂਟ: 2

Trellis 2 · Retexture ਵੈਰੀਐਂਟ: 2

Trellis · Multi ਵੈਰੀਐਂਟ: 2