رفتن به محتوا

Stable Video Diffusion

یکپارچه‌سازی

شناسه مدل fast-svd/text-to-video
# 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/fast-svd/text-to-video?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"
  }'

# 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"

این درخواست: ≈⁨‎$۰٫۰۳۳⁩ ۳۳ اعتبار API اجرای آن در این صفحه

دریافت کلید API
Open model متن به ویدیو سریع

تبدیل متن به ویدیو با SVD v1.1 و کنترل شدت حرکت، fps، تعداد گام و افزایش نویز

Open model · ویدیو

اولین نتیجه شما اینجا قرار می‌گیرد

درخواست را در زیر بسازید و با کلید API خود اجرا کنید. خروجی‌ها در فضای ذخیره‌سازی ما کپی می‌شوند و برای همیشه یا به‌مدت ۷ روز رایگان نگه‌داری می‌شوند.

ساخت درخواست

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

•الزامی

پرامپتی که پایه اولیه تولید را فراهم می‌کند.

پیشرفته negative_prompt · deep_cache · video_size · motion_bucket_id · cond_aug · steps · fps · seed · enable_safety_checker
پیش‌فرض unrealistic, saturate...

راهنمای تولید اولیه که به‌صورت پرامپت منفی ارائه می‌شود.

deep_cache پیش‌فرض none

گزینه منسوخ‌شده‌ای که فقط برای سازگاری عقب‌رو نگه داشته شده و بر پردازش تأثیری ندارد.

video_size پیش‌فرض landscape_16_9

ابعاد ویدیوی تولیدشده.

پیش‌فرض 127

شناسه سبد حرکت؛ مقادیر بیشتر متناظر با حرکت قوی‌تر در ویدیوی تولیدشده هستند.

پیش‌فرض 0.02

سطح نویز اعمال‌شده به فریم شرط‌گذاری؛ افزایش آن حرکت بیشتری ایجاد می‌کند، اما شباهت به تصویر اولیه را کاهش می‌دهد.

پیش‌فرض 20

تعداد گام‌های مدل؛ با افزایش آن کیفیت بهتر می‌شود، اما زمان تولید طولانی‌تر خواهد شد.

پیش‌فرض 10

نرخ فریم ویدیوی تولیدشده که در مجموع 25 فریم دارد. مقادیر بیشتر پخش را سریع‌تر می‌کنند.

seed برای بازتولید تصاویر در Stable Diffusion. با ثابت نگه‌داشتن نسخه مدل، پرامپت و seed، تصویر می‌تواند در هر اجرا دقیقاً بازتولید شود.

POST /run/fast-svd/text-to-video?wait=20 قیمت → ⁨‎$۰٫۰۳۳⁩
# 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/fast-svd/text-to-video?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"
  }'

# 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"

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 Stable Video Diffusion

از یک `prompt` متنی، کلیپ ویدیویی کوتاه با `negative_prompt` اختیاری تولید می‌کند. `motion_bucket_id` (از 1 تا 255) میزان حرکت را تعیین می‌کند، `fps` از 1 تا 25 و `steps` از 1 تا 100 است. اندازه خروجی از پیش‌تنظیم‌هایی مانند square_hd، portrait_16_9 یا landscape_4_3 انتخاب می‌شود و `seed` نتایج تکرارپذیر ایجاد می‌کند. گزینه `deep_cache` اثری ندارد.

پارامترها

نامنوع پیش‌فرضمجاز توضیحات
promptالزامی
نوعstring
پرامپتی که پایه اولیه تولید را فراهم می‌کند.
motion_bucket_idاختیاری
نوعinteger
پیش‌فرض127
۱ – ۲۵۵
شناسه سبد حرکت؛ مقادیر بیشتر متناظر با حرکت قوی‌تر در ویدیوی تولیدشده هستند.
cond_augاختیاری
نوعnumber
پیش‌فرض0.02
۰ – ۱۰
سطح نویز اعمال‌شده به فریم شرط‌گذاری؛ افزایش آن حرکت بیشتری ایجاد می‌کند، اما شباهت به تصویر اولیه را کاهش می‌دهد.
seedاختیاری
نوعinteger | null
seed برای بازتولید تصاویر در Stable Diffusion. با ثابت نگه‌داشتن نسخه مدل، پرامپت و seed، تصویر می‌تواند در هر اجرا دقیقاً بازتولید شود.
stepsاختیاری
نوعinteger
پیش‌فرض20
۱ – ۱۰۰
تعداد گام‌های مدل؛ با افزایش آن کیفیت بهتر می‌شود، اما زمان تولید طولانی‌تر خواهد شد.
deep_cacheاختیاری
نوعenum
پیش‌فرضnone
noneminimummediumhigh
گزینه منسوخ‌شده‌ای که فقط برای سازگاری عقب‌رو نگه داشته شده و بر پردازش تأثیری ندارد.
fpsاختیاری
نوعinteger
پیش‌فرض10
۱ – ۲۵
نرخ فریم ویدیوی تولیدشده که در مجموع 25 فریم دارد. مقادیر بیشتر پخش را سریع‌تر می‌کنند.
negative_promptاختیاری
نوعstring
پیش‌فرضunrealistic, saturated, high contrast, big nose, painting, drawing, sketch, cartoon, anime, manga, render, CG, 3d, watermark, signature, label
راهنمای تولید اولیه که به‌صورت پرامپت منفی ارائه می‌شود.
video_sizeاختیاری
نوعobject
پیش‌فرضlandscape_16_9
square_hdsquareportrait_4_3portrait_16_9landscape_4_3landscape_16_9
ابعاد ویدیوی تولیدشده.
enable_safety_checkerاختیاری
نوعboolean
پیش‌فرضtrue
با تنظیم false، در صورت مجاز بودن فراخواننده، می‌توان بررسی را آسان‌گیرانه‌تر کرد.
الزامی

خروجی

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "fast-svd/text-to-video",
  "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": 33,
    "usd": "0.033",
    "charged": 33,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  },
  "output": {
    "video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_name": "0-output.mp4",
      "file_size": 1843200
    },
    "seed": 42
  },
  "outputs": [
    {
      "type": "video",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_size": 1843200,
      "width": 1280,
      "height": 720,
      "duration": 5,
      "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"
  }
}
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
video
object {url, content_type, file_name, file_size}فایل ویدیویی تولیدشده.
seed
integerSeed تولید تصویر، شامل مقدار تصادفی انتخاب‌شده در صورت حذف Seed از ورودی؛ در غیر این صورت، مقدار ارائه‌شده را تکرار می‌کند.

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/fast-svd/text-to-video.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt