# FLUX.1 [dev] with Controlnets and Loras · Differential Diffusion API

> FLUX.1 [dev] ਚਿੱਤਰ ਐਡਿਟਿੰਗ, ਜਿਸ ਵਿੱਚ ਬਦਲਾਅ ਨਕਸ਼ਾ ਹਰ ਖੇਤਰ ਦੇ ਬਦਲਾਅ ਦੀ ਤੀਬਰਤਾ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ

ਬਦਲਾਅ ਨਕਸ਼ਾ ਚਿੱਤਰ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਹਰ ਖੇਤਰ ਵਿੱਚ ਕੀਤੇ ਬਦਲਾਅ ਦੀ ਮਾਤਰਾ ਕੰਟਰੋਲ ਕਰਦਿਆਂ ਸਰੋਤ ਚਿੱਤਰ ਨੂੰ ਖੇਤਰ-ਦਰ-ਖੇਤਰ ਬਦਲਦਾ ਹੈ। `prompt`, `image_url` ਅਤੇ `change_map_image_url` ਲੋੜੀਂਦੇ ਹਨ। ਇਹ LoRAs, ControlNets, IP-Adapters ਅਤੇ ਰੈਫ਼ਰੈਂਸ ਚਿੱਤਰ ਵੀ ਸਵੀਕਾਰ ਕਰਦਾ ਹੈ। `num_inference_steps` 1 ਤੋਂ 50 ਅਤੇ `num_images` 10 ਤੱਕ, png ਜਾਂ jpeg ਆਉਟਪੁੱਟ ਨਾਲ।

- Model id: `flux-general/differential-diffusion`
- Made by: Black Forest Labs
- Category: Image Editing
- Output: image
- Estimated price per run: $0.138 / image (cheapest run $0.138 (138 API credits))
- Run: `POST https://api.doitong.ru/v1/run/flux-general/differential-diffusion`
- Quote: `POST https://api.doitong.ru/v1/quote/flux-general/differential-diffusion`
- Docs page: https://doitong.com/pa/developers/models/flux-general/differential-diffusion

## Pricing

Price: **$0.138 / 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 $0.138 = 138 API credits (1 image × 138 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/flux-general/differential-diffusion` 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 |
|---|---|---|---|---|---|---|
| `prompt` |  | string | yes |  |  | ਚਿੱਤਰ ਸਿਰਜਣਾ ਨੂੰ ਦਿਸ਼ਾ ਦੇਣ ਵਾਲਾ ਪ੍ਰੌਂਪਟ। |
| `image_size` |  | object {width, height} \| enum (string) | no |  | `square_hd`, `square`, `portrait_4_3`, `portrait_16_9`, `landscape_4_3`, `landscape_16_9` | ਸਿਰਜੇ ਗਏ ਚਿੱਤਰ ਦੇ ਮਾਪ। |
| `num_inference_steps` |  | integer | no | `28` | 1 – 50 | ਚਲਾਏ ਜਾਣ ਵਾਲੇ ਇਨਫ਼ਰੈਂਸ ਕਦਮਾਂ ਦੀ ਗਿਣਤੀ। |
| `seed` |  | integer \| null | no |  |  | ਦੁਹਰਾਏ ਜਾ ਸਕਣ ਵਾਲੇ ਚਿੱਤਰਾਂ ਲਈ ਸੀਡ: ਜਦੋਂ ਮਾਡਲ ਦਾ ਵਰਜਨ ਇੱਕੋ ਜਿਹਾ ਹੋਵੇ, ਤਾਂ ਇੱਕੋ ਪ੍ਰੌਂਪਟ ਅਤੇ ਸੀਡ ਇੱਕੋ ਚਿੱਤਰ ਤਿਆਰ ਕਰਦੇ ਹਨ। |
| `loras` |  | array of object {path, scale} | no | `[]` |  | ਉਹ LoRA ਜਿਨ੍ਹਾਂ ਦਾ ਸੰਯੁਕਤ ਪ੍ਰਭਾਵ ਸਿਰਜਿਆ ਚਿੱਤਰ ਬਣਾਉਂਦਾ ਹੈ; ਦਿੱਤੀਆਂ ਜਾਣ ਵਾਲੀਆਂ LoRA ਦੀ ਗਿਣਤੀ ਉੱਤੇ ਕੋਈ ਸੀਮਾ ਨਹੀਂ। |
| `loras[].path` |  | string | yes |  |  | LoRA ਵਜ਼ਨਾਂ ਦਾ ਟਿਕਾਣਾ, URL ਜਾਂ ਪਾਥ ਵਜੋਂ ਦਿੱਤਾ ਗਿਆ। |
| `loras[].scale` |  | object \| number | no | `1` |  | ਬੇਸ ਮਾਡਲ ਵਿੱਚ ਮਿਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ LoRA ਵਜ਼ਨਾਂ ਉੱਤੇ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਸਕੇਲਿੰਗ। ਵਿਅਕਤੀਗਤ ਲੇਅਰ ਸਕੇਲ ਸੈੱਟ ਕਰਨ ਲਈ {"layer_name":layer_scale} ਰੂਪ ਦੀ ਡਿਕਸ਼ਨਰੀ ਦਿਓ; ਨਿਰਧਾਰਤ ਨਾ ਕੀਤੀਆਂ ਲੇਅਰਾਂ ਲਈ 1.0 ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ। |
| `control_loras` |  | array of object {path, scale, control_image_url, preprocess} | no | `[]` |  | ਅੰਤਿਮ ਚਿੱਤਰ ਬਣਾਉਣ ਲਈ ਸੰਯੁਕਤ ਕਨਫਿਗਰੇਸ਼ਨ ਵਿੱਚ ਮਿਲਾਈਆਂ ਗਈਆਂ ਕੰਟਰੋਲ-ਚਿੱਤਰ LoRA; ਦਿੱਤੀ ਜਾਣ ਵਾਲੀ ਗਿਣਤੀ ਉੱਤੇ ਕੋਈ ਸੀਮਾ ਨਹੀਂ। |
| `control_loras[].path` |  | string | yes |  |  | LoRA ਵਜ਼ਨਾਂ ਦਾ ਟਿਕਾਣਾ, URL ਜਾਂ ਪਾਥ ਵਜੋਂ ਦਿੱਤਾ ਗਿਆ। |
| `control_loras[].scale` |  | object \| number | no | `1` |  | ਬੇਸ ਮਾਡਲ ਵਿੱਚ ਮਿਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ LoRA ਵਜ਼ਨਾਂ ਉੱਤੇ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਸਕੇਲਿੰਗ। ਵਿਅਕਤੀਗਤ ਲੇਅਰ ਸਕੇਲ ਸੈੱਟ ਕਰਨ ਲਈ {"layer_name":layer_scale} ਰੂਪ ਦੀ ਡਿਕਸ਼ਨਰੀ ਦਿਓ; ਨਿਰਧਾਰਤ ਨਾ ਕੀਤੀਆਂ ਲੇਅਰਾਂ ਲਈ 1.0 ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ। |
| `control_loras[].control_image_url` |  | string (image URL) | yes |  |  | ਕੰਟਰੋਲ ਚਿੱਤਰ ਪ੍ਰਦਾਨ ਕਰਨ ਵਾਲਾ ਚਿੱਤਰ URL। |
| `control_loras[].preprocess` |  | enum (string) | no | `None` | `canny`, `depth`, `None` | ਦਿੱਤੇ ਗਏ ਚਿੱਤਰ ਉੱਤੇ ਲਾਗੂ ਕੀਤੀ ਗਈ ਪ੍ਰੀਪ੍ਰੋਸੈਸਿੰਗ ਵਿਧੀ। |
| `controlnets` |  | array of object {path, config_url, variant, control_image_url, mask_image_url, mask_threshold, conditioning_scale, start_percentage, end_percentage} | no | `[]` |  | ਚਿੱਤਰ ਸਿਰਜਣਾ ਲਈ ControlNet ਕਨਫਿਗਰੇਸ਼ਨ, ਜੋ ਇਸ ਵੇਲੇ ਇੱਕ ControlNet ਤੱਕ ਸੀਮਿਤ ਹੈ। |
| `controlnets[].path` |  | string | yes |  |  | ControlNet ਵਜ਼ਨ ਦਾ ਸਥਾਨ, URL ਜਾਂ ਪਾਥ ਵਜੋਂ ਨਿਰਧਾਰਤ। |
| `controlnets[].config_url` |  | string \| null | no |  |  | ControlNet ਦੀ config.json ਫ਼ਾਈਲ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਨ ਵਾਲਾ ਵਿਕਲਪਿਕ URL। |
| `controlnets[].variant` |  | string \| null | no |  |  | Hugging Face ਰਿਪੋਜ਼ਟਰੀ ਕੁੰਜੀ ਨਾਲ ਵਰਤਣ ਲਈ ਵਿਕਲਪਿਕ ਰੂਪ। |
| `controlnets[].control_image_url` |  | string (image URL) | yes |  |  | ਕੰਟਰੋਲ ਚਿੱਤਰ ਪ੍ਰਦਾਨ ਕਰਨ ਵਾਲਾ ਚਿੱਤਰ URL। |
| `controlnets[].mask_image_url` |  | string (image URL) | no |  |  | ਕੰਟਰੋਲ ਚਿੱਤਰ ਨਾਲ ਸੰਬੰਧਿਤ ਮਾਸਕ URL। |
| `controlnets[].mask_threshold` |  | number | no | `0.5` | 0.01 – 0.99 | ਮਾਸਕ ਥ੍ਰੈਸ਼ਹੋਲਡ ਮੁੱਲ। |
| `controlnets[].conditioning_scale` |  | number | no | `1` | 0 – 2 | ControlNet ਵਜ਼ਨਾਂ ਨੂੰ ਬੇਸ ਮਾਡਲ ਵਿੱਚ ਮਿਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਲਾਗੂ ਕੀਤੀ ਸਕੇਲਿੰਗ। |
| `controlnets[].start_percentage` |  | number | no | `0` | 0 – 1 | ਕੁੱਲ ਟਾਈਮਸਟੈਪਾਂ ਦੇ ਉਸ ਪ੍ਰਤੀਸ਼ਤ ’ਤੇ ਜਿੱਥੇ ControlNet ਚਿੱਤਰ ਸਿਰਜਣਾ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰਦਾ ਹੈ। |
| `controlnets[].end_percentage` |  | number | no | `1` | 0 – 1 | ਕੁੱਲ ਟਾਈਮਸਟੈਪਾਂ ਦੇ ਉਸ ਪ੍ਰਤੀਸ਼ਤ ’ਤੇ ਜਿੱਥੇ ControlNet ਚਿੱਤਰ ਸਿਰਜਣਾ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਨਾ ਬੰਦ ਕਰਦਾ ਹੈ। |
| `controlnet_unions` |  | array of object {path, config_url, variant, controls} | no | `[]` |  | ਚਿੱਤਰ ਸਿਰਜਣਾ ਲਈ ControlNet ਯੂਨੀਅਨ ਕਨਫ਼ਿਗਰੇਸ਼ਨ, ਮੌਜੂਦਾ single-ControlNet ਪਾਬੰਦੀ ਦੇ ਅਧੀਨ। |
| `controlnet_unions[].path` |  | string | yes |  |  | ControlNet ਵਜ਼ਨ ਦਾ ਸਥਾਨ, URL ਜਾਂ ਪਾਥ ਵਜੋਂ ਨਿਰਧਾਰਤ। |
| `controlnet_unions[].config_url` |  | string \| null | no |  |  | ControlNet ਦੀ config.json ਫ਼ਾਈਲ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਨ ਵਾਲਾ ਵਿਕਲਪਿਕ URL। |
| `controlnet_unions[].variant` |  | string \| null | no |  |  | Hugging Face ਰਿਪੋਜ਼ਟਰੀ ਕੁੰਜੀ ਨਾਲ ਵਰਤਣ ਲਈ ਵਿਕਲਪਿਕ ਰੂਪ। |
| `controlnet_unions[].controls` |  | array of object {control_image_url, mask_image_url, control_mode, conditioning_scale, mask_threshold, start_percentage, end_percentage} | yes |  |  | ControlNet ਨੂੰ ਦਿੱਤੇ ਗਏ ਕੰਟਰੋਲ ਚਿੱਤਰ ਅਤੇ ਸੰਬੰਧਿਤ ਮੋਡ। |
| `controlnet_unions[].controls[].control_image_url` |  | string (image URL) | yes |  |  | ਕੰਟਰੋਲ ਚਿੱਤਰ ਪ੍ਰਦਾਨ ਕਰਨ ਵਾਲਾ ਚਿੱਤਰ URL। |
| `controlnet_unions[].controls[].mask_image_url` |  | string (image URL) | no |  |  | ਕੰਟਰੋਲ ਚਿੱਤਰ ਨਾਲ ਸੰਬੰਧਿਤ ਮਾਸਕ URL। |
| `controlnet_unions[].controls[].control_mode` |  | enum (string) | yes |  | `canny`, `tile`, `depth`, `blur`, `pose`, `gray`, `low-quality` | Flux Controlnet Union ਵੱਲੋਂ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਕੰਟਰੋਲ ਮੋਡ। ਵਿਕਲਪ: canny ਕਿਨਾਰਿਆਂ ਨਾਲ ਸਿਰਜਣਾ ਦਾ ਮਾਰਗਦਰਸ਼ਨ ਕਰਦਾ ਹੈ; tile ਟਾਈਲਾਂ ਨਾਲ ਮਾਰਗਦਰਸ਼ਨ ਕਰਦਾ ਹੈ; depth ਗ੍ਰੇਸਕੇਲ ਡੈਪਥ ਮੈਪ ਨਾਲ ਮਾਰਗਦਰਸ਼ਨ ਕਰਦਾ ਹੈ; blur ਚਿੱਤਰ ਨੂੰ ਧੁੰਦਲਾ ਕਰਦਾ ਹੈ; pose ਚਿੱਤਰ ਦੀ ਪੋਜ਼ ਨਾਲ ਸਿਰਜਣਾ ਦਾ ਮਾਰਗਦਰਸ਼ਨ ਕਰਦਾ ਹੈ; gray ਚਿੱਤਰ ਨੂੰ ਗ੍ਰੇਸਕੇਲ ਬਣਾਉਂਦਾ ਹੈ; low-quality ਚਿੱਤਰ ਦਾ ਘੱਟ-ਗੁਣਵੱਤਾ ਵਾਲਾ ਰੂਪ ਬਣਾਉਂਦਾ ਹੈ। |
| `controlnet_unions[].controls[].conditioning_scale` |  | number | no | `1` | 0 – 2 | ControlNet ਵਜ਼ਨਾਂ ਨੂੰ ਬੇਸ ਮਾਡਲ ਵਿੱਚ ਮਿਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਲਾਗੂ ਕੀਤੀ ਸਕੇਲਿੰਗ। |
| `controlnet_unions[].controls[].mask_threshold` |  | number | no | `0.5` | 0.01 – 0.99 | ਮਾਸਕ ਥ੍ਰੈਸ਼ਹੋਲਡ ਮੁੱਲ। |
| `controlnet_unions[].controls[].start_percentage` |  | number | no | `0` | 0 – 1 | ਕੁੱਲ ਟਾਈਮਸਟੈਪਾਂ ਦੇ ਉਸ ਪ੍ਰਤੀਸ਼ਤ ’ਤੇ ਜਿੱਥੇ ControlNet ਚਿੱਤਰ ਸਿਰਜਣਾ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰਦਾ ਹੈ। |
| `controlnet_unions[].controls[].end_percentage` |  | number | no | `1` | 0 – 1 | ਕੁੱਲ ਟਾਈਮਸਟੈਪਾਂ ਦੇ ਉਸ ਪ੍ਰਤੀਸ਼ਤ ’ਤੇ ਜਿੱਥੇ ControlNet ਚਿੱਤਰ ਸਿਰਜਣਾ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਨਾ ਬੰਦ ਕਰਦਾ ਹੈ। |
| `ip_adapters` |  | array of object {path, subfolder, weight_name, image_encoder_path, image_encoder_subfolder, image_encoder_weight_name, image_url, mask_image_url, mask_threshold, scale} | no | `[]` |  | ਚਿੱਤਰ ਸਿਰਜਣਾ ਦੌਰਾਨ ਲਾਗੂ ਕੀਤਾ ਗਿਆ IP-Adapter। |
| `ip_adapters[].path` |  | string | yes |  |  | Hugging Face ’ਤੇ IP-Adapter ਦਾ ਟਿਕਾਣਾ। |
| `ip_adapters[].subfolder` |  | string \| null | no |  |  | ip_adapter ਵਜ਼ਨਾਂ ਵਾਲਾ ਸਬਫੋਲਡਰ। |
| `ip_adapters[].weight_name` |  | string \| null | no |  |  | IP-Adapter ਦੇ ਵਜ਼ਨਾਂ ਲਈ Safetensors ਫ਼ਾਈਲ-ਨਾਮ। |
| `ip_adapters[].image_encoder_path` |  | string | yes |  |  | IP-Adapter ਚਿੱਤਰ ਐਨਕੋਡਰ ਦਾ ਟਿਕਾਣਾ, ਜਿਵੇਂ 'openai/clip-vit-large-patch14'। |
| `ip_adapters[].image_encoder_subfolder` |  | string \| null | no |  |  | ਚਿੱਤਰ ਐਨਕੋਡਰ ਦੇ ਵਜ਼ਨਾਂ ਵਾਲਾ ਸਬਫੋਲਡਰ। |
| `ip_adapters[].image_encoder_weight_name` |  | string \| null | no |  |  | ਚਿੱਤਰ ਐਨਕੋਡਰ ਦਾ ਨਾਮ। |
| `ip_adapters[].image_url` |  | string (image URL) | yes |  |  | IP-Adapter ਨੂੰ ਦਿੱਤਾ ਗਿਆ ਕੰਡੀਸ਼ਨਿੰਗ ਚਿੱਤਰ URL। |
| `ip_adapters[].mask_image_url` |  | string (image URL) \| null | no |  |  | ਕੰਟਰੋਲ ਚਿੱਤਰ ਨਾਲ ਸੰਬੰਧਿਤ ਮਾਸਕ URL। |
| `ip_adapters[].mask_threshold` |  | number | no | `0.5` | 0.01 – 0.99 | ਮਾਸਕ ਥ੍ਰੈਸ਼ਹੋਲਡ ਮੁੱਲ। |
| `ip_adapters[].scale` |  | number | yes |  |  | IP-Adapter ਸਕੇਲਿੰਗ ਫੈਕਟਰ। |
| `easycontrols` |  | array of object {control_method_url, scale, image_url, image_control_type} | no | `[]` |  | ਚਿੱਤਰ ਸਿਰਜਣਾ ਦੌਰਾਨ ਲਾਗੂ ਕੀਤੇ EasyControl ਇਨਪੁੱਟ। |
| `easycontrols[].control_method_url` |  | string | yes |  |  | ਕੰਟਰੋਲ ਵਿਧੀ ਦਾ safetensor ਵਜ਼ਨ URL, ਜਾਂ ਸਮਰਥਿਤ ਪਛਾਣਕਰਤਾ: `canny`, `depth`, `hedsketch`, `inpainting`, `pose`, `seg`, `subject`, `ghibli`। |
| `easycontrols[].scale` |  | number | no | `1` | 0 – 2 | ਕੰਟਰੋਲ ਵਿਧੀ ਦਾ ਸਕੇਲਿੰਗ ਫੈਕਟਰ। |
| `easycontrols[].image_url` |  | string (image URL) | yes |  |  | ਕੰਟਰੋਲ ਇਨਪੁੱਟ ਪ੍ਰਦਾਨ ਕਰਨ ਵਾਲਾ ਚਿੱਤਰ URL। |
| `easycontrols[].image_control_type` |  | enum (string) | yes |  | `subject`, `spatial` | ਚਿੱਤਰ ਕੰਟਰੋਲ ਮੋਡ; `spatial` ਜਾਂ `subject` ਵਿੱਚੋਂ ਕੋਈ ਇੱਕ ਸਵੀਕਾਰ ਕਰਦਾ ਹੈ। |
| `fill_image` |  | object {fill_image_url} \| null | no |  |  | ਇਨਪੁੱਟ ਚਿੱਤਰ ਜੋ ਸਿਰਜਣਾ ਦਾ ਮਾਰਗਦਰਸ਼ਨ ਕਰਦਾ ਹੈ ਅਤੇ ਮਾਸਕ ਕੀਤੇ ਖੇਤਰਾਂ ਲਈ ਸਮੱਗਰੀ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦਾ ਹੈ। |
| `fill_image.fill_image_url` |  | string (image URL) \| array of image URL | no | `[]` |  | redux prompting ਰਾਹੀਂ ਭਰਨ ਲਈ ਚਿੱਤਰ URL। |
| `guidance_scale` |  | number | no | `3.5` | 0 – 20 | ਚਿੱਤਰ ਚੋਣ ਲਈ ਪ੍ਰੌਂਪਟ-ਅਨੁਸਾਰਤਾ ਦੀ ਤਾਕਤ, CFG (Classifier Free Guidance) ਵਜੋਂ ਦਰਸਾਈ ਗਈ ਹੈ। |
| `real_cfg_scale` |  | number | no | `3.5` | 0 – 5 | ਚਿੱਤਰ ਚੋਣ ਲਈ ਪ੍ਰੌਂਪਟ-ਅਨੁਸਾਰਤਾ ਦੀ ਤਾਕਤ, CFG (Classifier Free Guidance) ਵਜੋਂ ਦਰਸਾਈ ਗਈ ਹੈ। |
| `use_real_cfg` |  | boolean | no | `false` |  | ਕਲਾਸੀਕਲ CFG ਸਵਿੱਚ, XLabs IP-Adapter v1 ਨਾਲ ਆਪਣੇ-ਆਪ ਚਾਲੂ ਹੁੰਦਾ ਹੈ। ਮਾਰਗਦਰਸ਼ਨ ਦਾ ਵਿਹਾਰ SD1.5 ਅਤੇ SDXL ਵਰਗੇ ਮਾਡਲਾਂ ਨਾਲ ਮਿਲਦਾ ਹੈ। |
| `use_cfg_zero` |  | boolean | no | `false` |  | CFG-zero initialization sampling ਚਾਲੂ ਕਰਦਾ ਹੈ, ਜਿਸ ਦਾ ਵੇਰਵਾ https://arxiv.org/abs/2503.18886 ’ਤੇ ਹੈ। |
| `num_images` | `num_outputs` | integer | no | `1` | 1 – 10 | ਸਿਰਜੇ ਜਾਣ ਵਾਲੇ ਚਿੱਤਰਾਂ ਦੀ ਗਿਣਤੀ ਸੈੱਟ ਕਰੋ; ਆਉਟਪੁੱਟ ਸਟ੍ਰੀਮ ਹੋਣ ’ਤੇ ਇਹ ਚੋਣ 1 ’ਤੇ ਨਿਰਧਾਰਤ ਰਹਿੰਦੀ ਹੈ। |
| `enable_safety_checker` |  | boolean | no | `true` |  | ਸੁਰੱਖਿਆ ਜਾਂਚ, ਜੋ ਅਸੁਰੱਖਿਅਤ ਚਿੰਨ੍ਹਿਤ ਚਿੱਤਰਾਂ ਦੀ ਥਾਂ ਕਾਲੇ ਚਿੱਤਰ ਵਾਪਸ ਕਰਦੀ ਹੈ। true ਜਾਂਚ ਚਾਲੂ ਕਰਦਾ ਹੈ; false ਇਸਨੂੰ ਸਿਰਫ਼ ਅਧਿਕਾਰਤ ਖਾਤਿਆਂ ਲਈ ਬੰਦ ਕਰਦਾ ਹੈ, ਜਦਕਿ ਬਿਨਾਂ ਅਧਿਕਾਰ ਵਾਲੀਆਂ ਬੇਨਤੀਆਂ ਦੀ ਜਾਂਚ ਹਰ ਹਾਲਤ ਵਿੱਚ ਹੁੰਦੀ ਹੈ। |
| `reference_image_url` |  | string (image URL) | no |  |  | Reference-Only ਮਾਰਗਦਰਸ਼ਨ ਲਈ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਚਿੱਤਰ URL। |
| `reference_strength` |  | number | no | `0.65` | -3 – 3 | reference_only ਸਿਰਜਣਾ ਦੌਰਾਨ ਰੈਫ਼ਰੈਂਸ-ਚਿੱਤਰ ਦਾ ਪ੍ਰਭਾਵ; ਦਿੱਤਾ ਗਿਆ ਰੈਫ਼ਰੈਂਸ ਚਿੱਤਰ ਨਾ ਹੋਣ ’ਤੇ ਇਸ ਤਾਕਤ ਸੈਟਿੰਗ ਦਾ ਕੋਈ ਪ੍ਰਭਾਵ ਨਹੀਂ ਹੁੰਦਾ। |
| `reference_start` |  | number | no | `0` | 0 – 1 | ਰੈਫ਼ਰੈਂਸ ਮਾਰਗਦਰਸ਼ਨ ਦਾ ਸ਼ੁਰੂਆਤੀ ਬਿੰਦੂ, ਸਾਰੇ ਟਾਈਮਸਟੈਪਾਂ ਦੇ ਪ੍ਰਤੀਸ਼ਤ ਵਜੋਂ। |
| `reference_end` |  | number | no | `1` | 0 – 1 | ਰੈਫ਼ਰੈਂਸ ਮਾਰਗਦਰਸ਼ਨ ਦਾ ਅੰਤਿਮ ਬਿੰਦੂ, ਸਾਰੇ ਟਾਈਮਸਟੈਪਾਂ ਦੇ ਪ੍ਰਤੀਸ਼ਤ ਵਜੋਂ। |
| `base_shift` |  | number | no | `0.5` | 0.01 – 5 | ਸ਼ੈਡਿਊਲ ਕੀਤੇ ਟਾਈਮਸਟੈਪਾਂ ’ਤੇ ਲਾਗੂ ਕੀਤਾ ਬੇਸਲਾਈਨ ਸ਼ਿਫ਼ਟ। |
| `max_shift` |  | number | no | `1.15` | 0.01 – 5 | ਸ਼ੈਡਿਊਲ ਕੀਤੇ ਟਾਈਮਸਟੈਪਾਂ ’ਤੇ ਲਾਗੂ ਕੀਤਾ ਅਧਿਕਤਮ ਸ਼ਿਫ਼ਟ। |
| `output_format` |  | enum (string) | no | `png` | `jpeg`, `png` | ਨਤੀਜੇ ਵਾਲੇ ਚਿੱਤਰ ਦਾ ਫ਼ਾਈਲ ਫਾਰਮੈਟ। |
| `use_beta_schedule` |  | boolean | no | `false` |  | ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ ਕਿ beta sigmas ਵਰਤਣੇ ਹਨ ਜਾਂ ਨਹੀਂ। |
| `sigma_schedule` |  | string \| null | no |  |  | ਡੀਨੋਇਜ਼ਿੰਗ ਦੌਰਾਨ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਸਿਗਮਾ ਸ਼ੈਡਿਊਲ। |
| `scheduler` |  | enum (string) | no | `euler` | `euler`, `dpmpp_2m` | ਡੀਨੋਇਜ਼ਿੰਗ ਦੌਰਾਨ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਸ਼ੈਡਿਊਲਰ। |
| `negative_prompt` |  | string | no | `` |  | NAG ਨਾਲ ਪੂਰਵ-ਨਿਰਧਾਰਤ ਤੌਰ ’ਤੇ ਪ੍ਰੋਸੈਸ ਕੀਤਾ ਨੈਗੇਟਿਵ ਪ੍ਰੌਂਪਟ, ਤਾਂ ਜੋ ਸਿਰਜੇ ਗਏ ਚਿੱਤਰਾਂ ਵਿੱਚ ਨਿਰਧਾਰਤ ਅਣਚਾਹੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਤੋਂ ਬਚਿਆ ਜਾ ਸਕੇ। |
| `nag_scale` |  | number | no | `3` | ≤ 10, > 1 | NAG ਸਕੇਲ ਰਾਹੀਂ ਨਿਯੰਤਰਿਤ ਨੈਗੇਟਿਵ-ਪ੍ਰੌਂਪਟ ਪਰਹੇਜ਼: ਇਸ ਨੂੰ ਵਧਾਉਣ ਨਾਲ ਸਿਰਜਿਆ ਗਿਆ ਚਿੱਤਰ ਨੈਗੇਟਿਵ ਵਰਣਨ ਨਾਲ ਘੱਟ ਮਿਲਦਾ ਹੈ। |
| `nag_tau` |  | number | no | `2.5` | > 0 | ਹਿਡਨ-ਸਟੇਟ ਨਾਰਮਲਾਈਜ਼ੇਸ਼ਨ ਲਈ NAG tau ਸੈਟਿੰਗ; ਇਸ ਨੂੰ ਬਦਲੇ ਬਿਨਾਂ ਰੱਖਣ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਨੂੰ ਵਧਾਉਣ ਨਾਲ ਨਾਰਮਲਾਈਜ਼ੇਸ਼ਨ ਕਮਜ਼ੋਰ ਹੁੰਦੀ ਹੈ ਅਤੇ ਮੂਲ ਚਿੱਤਰ ਤੋਂ ਅਣਉਮੀਦ ਵਿਛੋੜੇ ਦਾ ਖ਼ਤਰਾ ਵਧਦਾ ਹੈ। |
| `nag_alpha` |  | number | no | `0.25` | ≤ 1, > 0 | NAG alpha ਇਹ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ ਕਿ ਸਕਾਰਾਤਮਕ ਅਤੇ ਨੈਗੇਟਿਵ ਪ੍ਰੌਂਪਟਾਂ ਨੂੰ ਮਿਲਾਉਂਦੇ ਹੋਏ ਨਾਰਮਲਾਈਜ਼ਡ ਮਾਰਗਦਰਸ਼ਨ ਨੂੰ ਸਕਾਰਾਤਮਕ ਪ੍ਰੌਂਪਟ ਕਿੰਨਾ ਮੁੜ-ਨਿਰਦੇਸ਼ਿਤ ਕਰਦਾ ਹੈ। ਇਹ ਅੰਤਿਮ ਵਜ਼ਨ ਘੱਟ ਸੈਟਿੰਗਾਂ ’ਤੇ ਸਕਾਰਾਤਮਕ ਪ੍ਰੌਂਪਟ ਦਾ ਪ੍ਰਭਾਵ ਵਧਾਉਂਦਾ ਹੈ ਅਤੇ ਵੱਧ ਸੈਟਿੰਗਾਂ ’ਤੇ ਮੁੜ-ਨਿਰਦੇਸ਼ਨ ਘਟਾਉਂਦਾ ਹੈ। |
| `nag_end` |  | number | no | `0.25` | ≤ 1, > 0 | NAG ਕਟਆਫ਼ ਨੂੰ ਸਿਰਜਣਾ ਦੇ ਕਦਮਾਂ ਦੇ ਅਨੁਪਾਤ ਵਜੋਂ ਦਰਸਾਇਆ ਜਾਂਦਾ ਹੈ। NAG ਦੇ ਇਸ ਸ਼ੁਰੂਆਤੀ ਅਨੁਪਾਤ ਤੱਕ ਚੱਲਣ ਤੋਂ ਬਾਅਦ FLUX ਦੇ ਮੂਲ attention processors ਕੰਮ ਸੰਭਾਲ ਲੈਂਦੇ ਹਨ। |
| `image_url` | `image` | string (image URL) | yes |  |  | ਸ਼ੁਰੂਆਤੀ ਚਿੱਤਰ ਪ੍ਰਦਾਨ ਕਰਨ ਵਾਲਾ ਚਿੱਤਰ URL। |
| `change_map_image_url` |  | string (image URL) | yes |  |  | change map ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਨ ਵਾਲਾ URL। |
| `strength` |  | number | no | `0.85` | 0.01 – 1 | ਡਿਫ਼ਰੈਂਸ਼ਲ ਡਿਫ਼ਿਊਜ਼ਨ ਤਾਕਤ, 0.0 ’ਤੇ ਮੂਲ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੱਖਣ ਤੋਂ ਲੈ ਕੇ 1.0 ’ਤੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਵਾਂ ਬਣਾਉਣ ਤੱਕ। |

File parameters (`reference_image_url`, `image`, `change_map_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
{
  "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
  "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
  "change_map_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
}
```

A fuller example:

```json
{
  "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
  "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
  "change_map_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/flux-general/differential-diffusion?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",
    "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "change_map_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/flux-general/differential-diffusion?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "change_map_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 = {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "change_map_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/flux-general/differential-diffusion", 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": "flux-general/differential-diffusion",
      "input": {
        "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
        "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
        "change_map_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": "flux-general/differential-diffusion",
  "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": 138,
    "usd": "0.138",
    "charged": 138,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "change_map_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  },
  "output": {
    "images": [
      {
        "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
        "width": 1024,
        "height": 768,
        "content_type": "image/jpeg"
      }
    ],
    "timings": {},
    "seed": 42,
    "has_nsfw_concepts": [
      false
    ],
    "prompt": "string"
  },
  "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, width, height, content_type} | ਤਿਆਰ ਕੀਤੇ ਚਿੱਤਰਾਂ ਦੀ ਫ਼ਾਈਲ ਜਾਣਕਾਰੀ। |
| `timings` | object |  |
| `seed` | integer | ਚਿੱਤਰ-ਸਿਰਜਣਾ ਸੀਡ, ਜਿਸ ਵਿੱਚ ਇਨਪੁੱਟ ਵਿੱਚ ਸੀਡ ਨਾ ਦੇਣ 'ਤੇ ਬੇਤਰਤੀਬ ਚੁਣੀ ਗਈ ਕੀਮਤ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ; ਨਹੀਂ ਤਾਂ ਦਿੱਤੀ ਕੀਮਤ ਦੁਹਰਾਈ ਜਾਂਦੀ ਹੈ। |
| `has_nsfw_concepts` | array of boolean | ਦੱਸਦਾ ਹੈ ਕਿ ਸਿਰਜੇ ਗਏ ਚਿੱਤਰਾਂ ਵਿੱਚ NSFW ਧਾਰਨਾਵਾਂ ਮੌਜੂਦ ਹਨ ਜਾਂ ਨਹੀਂ। |
| `prompt` | string | ਚਿੱਤਰ ਸਿਰਜਣਾ ਦੌਰਾਨ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਪ੍ਰੌਂਪਟ। |

## Related models

- [FLUX.1 \[dev\] with Controlnets and Loras](https://doitong.com/developers/models/flux-general.md) (`flux-general`): $0.30 / image
- [FLUX.1 \[dev\] with Controlnets and Loras · Image to Image](https://doitong.com/developers/models/flux-general/image-to-image.md) (`flux-general/image-to-image`): $0.15 / image
- [FLUX.1 \[dev\] with Controlnets and Loras · Inpainting](https://doitong.com/developers/models/flux-general/inpainting.md) (`flux-general/inpainting`): $0.192 / image
- [FLUX.1 \[dev\] with Controlnets and Loras · Rf Inversion](https://doitong.com/developers/models/flux-general/rf-inversion.md) (`flux-general/rf-inversion`): $0.025 / image
- [FLUX.1 Kontext \[pro\]](https://doitong.com/developers/models/flux-pro/kontext.md) (`flux-pro/kontext`): $0.04 / image
- [GPT Image 2.5 Edit](https://doitong.com/developers/models/openai/gpt-image-2.5/flare/edit.md) (`openai/gpt-image-2.5/flare/edit`): from $0.12 / image
- [Nano Banana 2 Edit](https://doitong.com/developers/models/nano-banana-2/edit.md) (`nano-banana-2/edit`): from $0.06 / image
- [Nano Banana Pro Edit](https://doitong.com/developers/models/nano-banana-pro/edit.md) (`nano-banana-pro/edit`): from $0.15 / image

## Links

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