# Stable Diffusion with LoRAs API

> تحويل من النص إلى الصورة باستخدام أي نموذج أساسي من Stable Diffusion مع LoRAs وembeddings وControlNets وIP adapters

يولّد صورًا من موجّه نصي باستخدام نموذج أساسي محدد بعنوان URL أو بمعرّف HuggingFace في `model_name`. يمكن دمج عدة `loras`، كما يدعم التضمينات وControlNets وIP adapters ومدخلات IC Light. تتضمن خيارات أخذ العينات العديد من المجدولات وخطوات من 1 إلى 150. يولّد من 1 إلى 8 صور بصيغة png أو jpeg.

- Model id: `lora`
- Made by: Open model
- Category: Text to Image
- Output: image
- Estimated price per run: $0.057 / image (cheapest run $0.057 (57 API credits))
- Run: `POST https://api.doitong.ru/v1/run/lora`
- Quote: `POST https://api.doitong.ru/v1/quote/lora`
- Docs page: https://doitong.com/ar/developers/models/lora

## Pricing

Price: **$0.057 / image**. Estimated from the typical cost of one run, per output (`num_images`). The quote is exactly what the run charges.

The full example input below costs $0.057 = 57 API credits (1 image × 57 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/lora` 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 |
|---|---|---|---|---|---|---|
| `model_name` |  | string | yes |  |  | النموذج الأساسي لتوليد الصورة، المحدد إما بعنوان URL أو بمعرّف HuggingFace. |
| `unet_name` |  | string \| null | no |  |  | اختيار U-Net مخصص لتوليد الصور؛ قدّم معرّف HuggingFace الخاص به أو عنوان URL له. |
| `variant` |  | string \| null | no |  |  | اختيار متغير نموذج HuggingFace؛ 'fp16' أحد الأمثلة. |
| `prompt` |  | string | yes |  |  | صِف الصورة التي تريد توليدها بأكبر قدر ممكن من التفصيل للحصول على أفضل النتائج. |
| `negative_prompt` |  | string | no | `` |  | موجّه سلبي يحدد تفاصيل الصورة غير المرغوبة. يمكنه استبعاد الألوان والعناصر والمشهد أو السمات والصفات الدقيقة، مثل الشارب أو الضبابية أو الدقة المنخفضة. |
| `prompt_weighting` |  | boolean | no | `false` |  | مفتاح تبديل ترجيح الموجّه: تؤدي القيمة true إلى إزالة حد 77 رمزًا عبر حساب متوسط التضمينات، وتمكّن صيغة الترجيح. |
| `loras` |  | array of object {path, scale} | no | `[]` |  | نماذج LoRA التي ينتج تأثيرها المشترك الصورة المولدة، دون حد لعدد النماذج المقدمة. |
| `loras[].path` |  | string | yes |  |  | موقع أوزان LoRA، محدد كرابط أو مسار. |
| `loras[].scale` |  | number | no | `1` | 0 – 4 | المضاعف المطبق على وزن LoRA قبل دمجه في النموذج الأساسي. |
| `embeddings` |  | array of object {path, tokens} | no | `[]` |  | التضمينات المطبقة أثناء توليد الصورة لربط رموز الموجّه بأوزان التضمين. لا يُدعم حاليًا سوى تضمين واحد. |
| `embeddings[].path` |  | string | yes |  |  | أوزان التضمين المحددة عبر عنوان URL أو مسار ملف. |
| `embeddings[].tokens` |  | array of string \| null | no |  |  | رموز الموجّه المرتبطة بأوزان التضمين. يؤدي حذفها إلى إنشاء رمز واحد لكل متجه في ملف التضمين، بأسماء <s0> و<s1> ...؛ استخدم الرموز المرتبطة في الموجّهات. |
| `controlnets` |  | array of object {path, config_url, variant, image_url, mask_url, conditioning_scale, start_percentage, end_percentage, ip_adapter_index} | no | `[]` |  | شبكات التحكم المجدولة لتطبيقها على الصورة عند الخطوات الزمنية المحددة أثناء التوليد، من دون حد لعدد الشبكات التي يمكنك توفيرها. |
| `controlnets[].path` |  | string | yes |  |  | موقع أوزان ControlNet، محدد كعنوان URL أو مسار. |
| `controlnets[].config_url` |  | string \| null | no |  |  | عنوان URL اختياري يشير إلى ملف config.json الخاص بـ ControlNet. |
| `controlnets[].variant` |  | string \| null | no |  |  | متغير اختياري للاستخدام مع مفتاح مستودع Hugging Face. |
| `controlnets[].image_url` |  | string (image URL) | yes |  |  | عنوان URL للصورة المقدمة كمدخل لـ ControlNet. |
| `controlnets[].mask_url` |  | string (image URL) \| null | no |  |  | قناع ControlNet، ويجب أن يطابق حجم صورة التحكم عند توفيره؛ يجب أن يقبل العرض والارتفاع القسمة على 32. |
| `controlnets[].conditioning_scale` |  | number | no | `1` | 0 – 2 | القياس المطبق على أوزان ControlNet قبل دمجها في النموذج الأساسي. |
| `controlnets[].start_percentage` |  | number | no | `0` | 0 – 1 | النسبة المئوية من إجمالي الخطوات الزمنية التي يبدأ عندها ControlNet بالتأثير في توليد الصورة. |
| `controlnets[].end_percentage` |  | number | no | `1` | 0 – 1 | النسبة المئوية من إجمالي الخطوات الزمنية التي يتوقف عندها ControlNet عن التأثير في توليد الصورة. |
| `controlnets[].ip_adapter_index` |  | integer \| null | no |  |  | اختيار محول IP حسب الفهرس لـ ControlNet من نوع InstantID؛ لا تحتاج ControlNets الأخرى إلى هذا الإعداد. |
| `controlnet_guess_mode` |  | boolean | no | `false` |  | يقصر تطبيق ControlNet على التنبؤات الشرطية عند ضبط القيمة على true. |
| `ip_adapter` |  | array of object {ip_adapter_image_url, ip_adapter_mask_url, path, model_subfolder, weight_name, insight_face_model_path, scale, scale_json, unconditional_noising_factor, image_projection_shortcut} | no | `[]` |  | محولات IP المستخدمة لتوليد الصور. يتطلب توفير أي إدخالات image_encoder_path. |
| `ip_adapter[].ip_adapter_image_url` |  | string (image URL) \| array of image URL | yes |  |  | عنوان URL للصورة المقدمة كمدخل لمحول IP. |
| `ip_adapter[].ip_adapter_mask_url` |  | string (image URL) \| null | no |  |  | قناع محول IP، ويخضع لقيد الحجم عند توفيره: يجب أن تساوي أبعاده أبعاد صورة المحول. |
| `ip_adapter[].path` |  | string | yes |  |  | موقع أوزان محول IP، محددًا كعنوان URL أو مسار. |
| `ip_adapter[].model_subfolder` |  | string \| null | no |  |  | موقع أوزان محول IP، محددًا كمجلد فرعي داخل مجلد النموذج. |
| `ip_adapter[].weight_name` |  | string \| null | no |  |  | اسم ملف الأوزان. |
| `ip_adapter[].insight_face_model_path` |  | string \| null | no |  |  | موقع أوزان نموذج InsightFace، محددًا كعنوان URL أو مسار. |
| `ip_adapter[].scale` |  | number | no | `1` | ≥ 0 | عامل تحجيم أوزان محول IP، يُطبق قبل دمجها في النموذج الأساسي. |
| `ip_adapter[].scale_json` |  | object \| null | no |  |  | عامل تحجيم أوزان محول IP، يُطبق قبل دمجها في النموذج الأساسي. |
| `ip_adapter[].unconditional_noising_factor` |  | number | no | `0` | 0 – 1 | عامل يتحكم في إزالة الضوضاء غير المشروطة لمحول IP. |
| `ip_adapter[].image_projection_shortcut` |  | boolean | no | `true` |  | إعداد اختصار إسقاط الصورة، وقيمته الافتراضية True. استخدم False لنماذج FaceID plus V1 وTrue لنماذج FaceID plus V2. |
| `image_encoder_path` |  | string \| null | no |  |  | مشفر الصورة المحدد بعنوان URL من نوع HTTPS أو بمعرّف Hugging Face، ويحدد التوافق أوزان IP-Adapter: يستخدم SD1.5 ‏image_encoder_subfolder='models/image_encoder'، بينما يستخدم h94/IP-Adapter SDXL ‏h94/IP-Adapter وimage_encoder_subfolder='sdxl_models/image_encoder'. يلزم وجود مشفر كلما احتوى ip_adapter على قيمة. |
| `image_encoder_subfolder` |  | string \| null | no |  |  | مجلد فرعي داخل image_encoder_path يحتوي على أوزان مشفر الصورة. |
| `image_encoder_weight_name` |  | string \| null | no | `pytorch_model.bin` |  | حدد أوزان مشفر الصورة بالاسم لاستخدامها في توليد الصور. |
| `ic_light_model_url` |  | string \| null | no |  |  | عنوان URL لنموذج IC Light المستخدم عند توليد الصور. |
| `ic_light_model_background_image_url` |  | string (image URL) \| null | no |  |  | خلفية متوافقة مع النموذج لتوليد صور IC Light، مقدمة كعنوان URL لصورة. |
| `ic_light_image_url` |  | string (image URL) \| null | no |  |  | عنوان URL للصورة المدخلة للتوليد باستخدام نموذج IC Light. |
| `seed` |  | integer \| null | no |  |  | بذرة لإعادة إنتاج الصور في Stable Diffusion. يمكن إعادة إنتاج الصورة تمامًا في كل تشغيل بالحفاظ على إصدار النموذج والموجّه والبذرة دون تغيير. |
| `image_size` |  | object {width, height} \| enum (string) \| null | no | `square_hd` | `square_hd`, `square`, `portrait_4_3`, `portrait_16_9`, `landscape_4_3`, `landscape_16_9` | أبعاد صورة المخرج، تُختار من إعدادات مسبقة أو تُحدّد بعرض وارتفاع مخصّصين. يجب أن تكون الأبعاد المخصّصة كلاهما قابلتين للقسمة على 8. |
| `num_inference_steps` |  | integer | no | `30` | 1 – 150 | يتحكم في عدد خطوات التوليد التي ينفذها Stable Diffusion؛ وقد تنتج الخطوات الإضافية صورة نهائية أكثر تفصيلاً. |
| `guidance_scale` |  | number | no | `7.5` | 0 – 20 | قوة الالتزام بالموجّه لاختيار الصورة، معبَّر عنها بصيغة CFG (Classifier Free Guidance). |
| `clip_skip` |  | integer | no | `0` | 0 – 2 | يتخطى جزءًا من توليد الصورة لتصييرها بسرعة أكبر، مع إنتاج نتائج مختلفة قليلًا. |
| `scheduler` |  | enum (string) \| null | no |  | `DPM++ 2M`, `DPM++ 2M Karras`, `DPM++ 2M SDE`, `DPM++ 2M SDE Karras`, `Euler`, `Euler A`, `Euler (trailing timesteps)`, `LCM`, `LCM (trailing timesteps)`, `DDIM`, `TCD` | المجدول أو أداة أخذ العينات المستخدمة لإزالة التشويش من الصورة. |
| `timesteps` |  | object {method, array} | no | `{"array":[],"method":"default"}` |  | تجاوز لجدول الخطوات الزمنية لإزالة الضوضاء، وهو متنافي مع sigmas. من دون تجاوز — أي افتراضيًا — يحسب المجدول الخطوات الزمنية من num_inference_steps؛ ويجعل توفير جدول مخصص num_inference_steps غير ذي صلة. يتطلب التجاوز دعم المجدول للوسيطة timesteps عند استدعاء set_timesteps. |
| `timesteps.method` |  | enum (string) | no | `default` | `default`, `array` | اختر كيفية تحديد الخطوات الزمنية: يتيح 'default'، وهو الإعداد الافتراضي، للمجدول استخدام `num_inference_steps`. لتوفير جدول خطوات زمنية بنفسك، اختر 'array' وضع الجدول في الحقل `array`. |
| `timesteps.array` |  | array of integer | no | `[]` |  | جدول الخطوات الزمنية المطبق عند اختيار الطريقة 'custom'. |
| `sigmas` |  | object {method, array} | no | `{"array":[],"method":"default"}` |  | تجاوز لجدول سيغما إزالة الضوضاء، وهو متنافي مع timesteps. من دون تجاوز — أي افتراضيًا — يحسب المجدول قيم سيغما من num_inference_steps؛ ويجعل توفير جدول مخصص num_inference_steps غير ذي صلة. يتطلب التجاوز دعم المجدول للوسيطة sigmas عند استدعاء set_sigmas. |
| `sigmas.method` |  | enum (string) | no | `default` | `default`, `array` | اختر كيفية تحديد قيم سيغما: يستخدم 'default'، وهو الإعداد الافتراضي، قيم سيغما الخاصة بالمجدول. لتوفير جدول سيغما بنفسك، اختر 'custom' وضع الجدول في الحقل `array`. |
| `sigmas.array` |  | array of number | no | `[]` |  | جدول سيغما المطبق عند اختيار الطريقة 'custom'. |
| `prediction_type` |  | enum (string) | no | `epsilon` | `v_prediction`, `epsilon` | اختر نوع التنبؤ لتوليد الصور؛ عند عدم اختيار نوع آخر، تُستخدم `epsilon`. |
| `rescale_betas_snr_zero` |  | boolean | no | `false` |  | يتحكم في ما إذا كان جهاز أخذ العينات يمكّن rescale_betas_snr_zero. |
| `image_format` |  | enum (string) | no | `png` | `jpeg`, `png` | تنسيق ملف الصورة الناتجة. |
| `num_images` | `num_outputs` | integer | no | `1` | 1 – 8 | حدد عدد الصور التي ينتجها طلب واحد، مع إتاحة وقت توليد أطول للدفعات الأكبر. |
| `enable_safety_checker` |  | boolean | no | `false` |  | تنشيط مدقق السلامة؛ تُمكّن true الفحص. |
| `tile_width` |  | integer | no | `4096` | 128 – 4,096 | حدد حجم كل بلاطة أثناء توليد الصورة. |
| `tile_height` |  | integer | no | `4096` | 128 – 4,096 | حدد حجم كل بلاطة أثناء توليد الصورة. |
| `tile_stride_width` |  | integer | no | `2048` | 64 – 2,048 | حدد المسافة بين مواضع البلاطات المتتالية أثناء توليد الصورة. |
| `tile_stride_height` |  | integer | no | `2048` | 64 – 2,048 | حدد المسافة بين مواضع البلاطات المتتالية أثناء توليد الصورة. |
| `eta` |  | number | no | `0` | 0 – 1 | إعداد Eta المستخدم عند توليد الصور. |
| `debug_latents` |  | boolean | no | `false` |  | يحفظ البيانات الكامنة لتصحيح الأخطاء عند ضبط القيمة على true. |
| `debug_per_pass_latents` |  | boolean | no | `false` |  | فعّل تصحيح الأخطاء لكل تمريرة بضبط هذه القيمة على true، ما يحفظ البيانات الكامنة من كل تمريرة. |

File parameters (`ic_light_model_background_image_url`, `ic_light_image_url`) 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
{
  "model_name": "stabilityai/stable-diffusion-xl-base-1.0",
  "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
}
```

A fuller example:

```json
{
  "model_name": "stabilityai/stable-diffusion-xl-base-1.0",
  "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
}
```

## 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/lora?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model_name": "stabilityai/stable-diffusion-xl-base-1.0",
    "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"
```

### 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/lora?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "model_name": "stabilityai/stable-diffusion-xl-base-1.0",
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }),
});
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 = {
    "model_name": "stabilityai/stable-diffusion-xl-base-1.0",
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/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"])
```

### 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": "lora",
      "input": {
        "model_name": "stabilityai/stable-diffusion-xl-base-1.0",
        "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
      },
      "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": "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": 57,
    "usd": "0.057",
    "charged": 57,
    "refunded": 0
  },
  "input": {
    "model_name": "stabilityai/stable-diffusion-xl-base-1.0",
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  },
  "output": {
    "images": [
      {
        "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,
        "width": 1024,
        "height": 768
      }
    ],
    "seed": 42,
    "has_nsfw_concepts": [
      false
    ],
    "debug_latents": {
      "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
    },
    "debug_per_pass_latents": {
      "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": "image",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_size": 1843200,
      "width": 1024,
      "height": 768,
      "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 |
|---|---|---|
| `images` | array of object {url, content_type, file_name, file_size, width, height} | معلومات الملفات الخاصة بالصور المولّدة. |
| `seed` | integer | بذرة توليد الصورة، بما في ذلك القيمة المختارة عشوائيًا إذا لم يتضمن المدخل بذرة؛ وإلا تكرر القيمة المقدمة. |
| `has_nsfw_concepts` | array of boolean | يشير إلى ما إذا كانت مفاهيم NSFW تظهر في الصور المُولّدة. |
| `debug_latents` | object {url, content_type, file_name, file_size} \| null | البيانات الكامنة المخزنة لتصحيح الأخطاء. |
| `debug_per_pass_latents` | object {url, content_type, file_name, file_size} \| null | البيانات الكامنة لكل تمريرة المخزنة لتصحيح الأخطاء. |

## Related models

- [Stable Diffusion with LoRAs · Image to Image](https://doitong.com/developers/models/lora/image-to-image.md) (`lora/image-to-image`): $0.264 / image
- [Stable Diffusion with LoRAs · Inpaint](https://doitong.com/developers/models/lora/inpaint.md) (`lora/inpaint`): $0.184 / image
- [FLUX.1 \[dev\]](https://doitong.com/developers/models/flux/dev.md) (`flux/dev`): $0.025 / megapixel
- [FLUX.1 \[schnell\]](https://doitong.com/developers/models/flux/schnell.md) (`flux/schnell`): $0.003 / megapixel
- [FLUX.2 \[dev\]](https://doitong.com/developers/models/flux-2.md) (`flux-2`): $0.012 / megapixel
- [FLUX.2 \[pro\]](https://doitong.com/developers/models/flux-2-pro.md) (`flux-2-pro`): $0.015 / megapixel of output image
- [GPT Image 2.5 Text to Image](https://doitong.com/developers/models/openai/gpt-image-2.5/flare/text-to-image.md) (`openai/gpt-image-2.5/flare/text-to-image`): from $0.008 / image
- [Ideogram V4.5](https://doitong.com/developers/models/ideogram/v4.5.md) (`ideogram/v4.5`): from $0.03 / image

## Links

- HTML page: https://doitong.com/developers/models/lora
- 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=lora
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.ru/v1/models/lora