Krea 2 Trainer

ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ

ਮਾਡਲ id krea-2-trainer

# 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/krea-2-trainer?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "images_data_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"

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/krea-2-trainer?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "images_data_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 + ")");

import os
import requests

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

payload = {
    "images_data_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/krea-2-trainer", 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": "krea-2-trainer",
  "input": {
    "images_data_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  }
}

Doitong API ਰਾਹੀਂ Krea 2 Trainer ਮਾਡਲ (krea-2-trainer) ਨੂੰ ਕਾਲ ਕਰੋ। ਏਜੰਟਾਂ ਲਈ ਦਸਤਾਵੇਜ਼: https://doitong.com/pa/developers/models/krea-2-trainer.md

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

{
  "images_data_url": "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/krea-2-trainer ਚਲਾਉਣ ’ਤੇ ਰਨ ਤੋਂ ਪਹਿਲਾਂ ਸਹੀ ਕੀਮਤ ਮਿਲ ਜਾਂਦੀ ਹੈ।

ਉਦਾਹਰਨ ਵਰਗੀਆਂ ਫ਼ਾਈਲਾਂ: $0.30 300 API ਕ੍ਰੈਡਿਟ · ≈ ₽31.41 ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ ਚਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਮਾਪੀਆਂ ਜਾਂਦੀਆਂ ਹਨ ਇਸ ਪੰਨੇ ’ਤੇ ਚਲਾਓ

API ਕੁੰਜੀ ਲਵੋ

Krea ਟ੍ਰੇਨਿੰਗ #lora#personalization

ਚਿੱਤਰਾਂ ਦੀ zip ਤੋਂ ਕਸਟਮ Krea 2 LoRA ਨੂੰ ਟ੍ਰੇਨ ਕਰਦਾ ਹੈ, ਵਿਕਲਪਿਕ ਆਟੋ-ਕੈਪਸ਼ਨਿੰਗ ਸਮੇਤ

OpenAPI Markdown

Krea · ਫ਼ਾਈਲ

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

ਪ੍ਰਤੀ ਰਨ ਕੀਮਤ

ਤੁਹਾਡੇ ਇਨਪੁਟ ਦੇ ਆਧਾਰ 'ਤੇ ਕੀਮਤ

$0.30ਪ੍ਰਤੀ ਰਨ

300 API ਕ੍ਰੈਡਿਟ · ≈ ₽31.41

ਕੀਮਤ: $0.30 ਤੋਂ

1 ਰਨ × $0.30 ਚਲਾਓ · $0.30

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

steps ਡਿਫ਼ਾਲਟ 100

ਰਨ ਤੋਂ ਪਹਿਲਾਂ ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ ਦੀ ਮਾਪ ਕੀਤੀ ਜਾਂਦੀ ਹੈ (ਲੰਬਾਈ, ਰੈਜ਼ੋਲਿਊਸ਼ਨ, ਫ੍ਰੇਮ ਰੇਟ); ਕੋਟ ਸਹੀ ਕੀਮਤ ਦਿੰਦਾ ਹੈ ਅਤੇ ਰਨ ਲਈ ਬਿਲਕੁਲ ਉਹੀ ਚਾਰਜ 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।

resolution ਡਿਫ਼ਾਲਟ 768

ਟ੍ਰੇਨਿੰਗ ਰੈਜ਼ੋਲਿਊਸ਼ਨ, ਜਿਸ ਵਿੱਚ 1024 ਸਭ ਤੋਂ ਵੱਧ ਬਰੀਕੀ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦਾ ਹੈ ਅਤੇ 768 ਲਗਭਗ 1.7x ਤੇਜ਼ ਟ੍ਰੇਨਿੰਗ, ਘੱਟ VRAM ਵਰਤੋਂ ਅਤੇ ਲਗਭਗ ਇਕੋ ਜਿਹੀ ਸ਼ੈਲੀ ਗੁਣਵੱਤਾ ਦਿੰਦਾ ਹੈ। ਚਿੱਤਰਾਂ ਨੂੰ ਲਕਸ਼ਿਤ ਵਰਗ ਨੂੰ ਢੱਕਣ ਲਈ ਸਕੇਲ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਫਿਰ ਕੇਂਦਰ ਤੋਂ ਕ੍ਰੌਪ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

images_data_url •ਲੋੜੀਂਦਾ

PNG/JPG/JPEG/WebP ਫ਼ਾਈਲਾਂ ਵਾਲੇ ਟ੍ਰੇਨਿੰਗ-ਚਿੱਤਰ .zip ਦਾ URL; ਜੇ ਕਿਸੇ ਚਿੱਤਰ ਵਿੱਚ ਕੈਪਸ਼ਨ ਫ਼ਾਈਲ ਅਤੇ ਗੈਰ-ਖਾਲੀ `trigger_phrase` ਦੋਵਾਂ ਵਿੱਚੋਂ ਕੋਈ ਵੀ ਨਾ ਹੋਵੇ ਤਾਂ ਬੇਨਤੀ 422 ਨਾਲ ਅਸਫਲ ਹੋ ਜਾਂਦੀ ਹੈ। ਜਦੋਂ `trigger_phrase` ਵਿਕਲਪਕ ਕੈਪਸ਼ਨ ਦਿੰਦਾ ਹੈ ਤਾਂ ਕੈਪਸ਼ਨ ਵਿਕਲਪਿਕ ਹਨ; ਨਹੀਂ ਤਾਂ ਮਿਲਦੇ ਫ਼ਾਈਲਨਾਮ ਸਟੈਮ ਵਰਤੋ: ROOT.EXT ਦਾ ਜੋੜਾ ROOT.txt ਨਾਲ ਬਣਦਾ ਹੈ, ਜਿਵੇਂ 001.jpg ਨਾਲ 001.txt।

steps ਡਿਫ਼ਾਲਟ 100

LoRA training ਲਈ steps ਦੀ ਗਿਣਤੀ।

ਉੱਨਤ auto_captioning · trigger_phrase · learning_rate · debug_dataset

auto_captioning ਡਿਫ਼ਾਲਟ Off

ਵਿਕਲਪਿਕ ਕੈਪਸ਼ਨਿੰਗ ਮੋਡ: Object/Character, Style ਅਤੇ Custom, google/gemma-4-31B-it ਨਾਲ dataset-captioner ਨੂੰ ਚਲਾਉਂਦੇ ਹਨ, ਜਦਕਿ Off ਹਰ ਚਿੱਤਰ ਲਈ ਮਿਲਦੇ-ਜੁਲਦੇ stem ਵਾਲੀ .txt ਕੈਪਸ਼ਨ ਦੀ ਮੌਜੂਦਾ ਲੋੜ ਬਰਕਰਾਰ ਰੱਖਦਾ ਹੈ ਜਾਂ fallback ਵਜੋਂ trigger_phrase ਵਰਤਦਾ ਹੈ। ਸਿਰਜੀਆਂ ਕੈਪਸ਼ਨਾਂ ਲਈ trigger_phrase ਕੈਪਸ਼ਨਿੰਗ ਪ੍ਰੌਂਪਟ ਵਿੱਚ ਦਾਖ਼ਲ ਹੁੰਦਾ ਹੈ ਅਤੇ ਚੁਣੀ ਗਈ LoRA ਕੈਪਸ਼ਨਿੰਗ ਪਰੰਪਰਾ ਅਨੁਸਾਰ ਨਤੀਜੇ ਵਾਲੇ sidecars ਵਿੱਚ ਸਧਾਰਨ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

trigger_phrase ਡਿਫ਼ਾਲਟ

DreamBooth-ਸ਼ੈਲੀ ਦਾ instance phrase, ਜੇ `auto_captioning` Off ਹੋਵੇ ਅਤੇ ਕਿਸੇ ਚਿੱਤਰ ਵਿੱਚ ਕੈਪਸ਼ਨ ਫ਼ਾਈਲ ਨਾ ਹੋਵੇ ਤਾਂ ਲਾਜ਼ਮੀ ਹੈ। ਇਹ ਗੁੰਮ .txt ਫ਼ਾਈਲਾਂ ਲਈ ਕੈਪਸ਼ਨ ਦਿੰਦਾ ਹੈ ਅਤੇ ਪੂਰਵ-ਨਿਰਧਾਰਤ ਵੈਲੀਡੇਸ਼ਨ ਪ੍ਰੌਂਪਟਾਂ ਲਈ ਸ਼ੁਰੂਆਤੀ ਟੈਕਸਟ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।

learning_rate ਡਿਫ਼ਾਲਟ 0.0005

LoRA B-factor ਸਿੱਖਣ ਦਰ, ਜੋ `lora_a_lr_multiplier=1` ਹੋਣ 'ਤੇ A ਉੱਤੇ ਵੀ ਲਾਗੂ ਹੁੰਦੀ ਹੈ; muon ਦੇ ਅਧੀਨ ਇਹ match_rms_adamw ਨਾਲ ਸਕੇਲ ਕੀਤੀ AdamW-ਸਮਤੁੱਲ ਦਰ ਦਰਸਾਉਂਦੀ ਹੈ। ਸਥਿਰ ਸ਼ਡਿਊਲ ਲਈ, Krea 3e-4–7e-4 ਦੀ ਰੇਂਜ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕਰਦਾ ਹੈ।

POST /run/krea-2-trainer?wait=20 ਕੋਟ → $0.30

# 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/krea-2-trainer?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "images_data_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"

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/krea-2-trainer?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "images_data_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 + ")");

import os
import requests

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

payload = {
    "images_data_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/krea-2-trainer", 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": "krea-2-trainer",
      "input": {
        "images_data_url": "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

Krea 2 Trainer ਬਾਰੇ

`images_data_url` ’ਤੇ ਮੌਜੂਦ .zip ਦੇ ਚਿੱਤਰਾਂ ’ਤੇ LoRA ਨੂੰ ਫ਼ਾਈਨ-ਟਿਊਨ ਕਰਦਾ ਹੈ, ਵਿਕਲਪਿਕ ਸਮਾਨ-ਨਾਮ .txt ਕੈਪਸ਼ਨਾਂ ਅਤੇ `trigger_phrase` ਸਮੇਤ। `auto_captioning` ਮੋਡ Off, Object/Character, Style ਅਤੇ Custom ਹਨ। `steps` 50 ਤੋਂ 10000 (ਪੂਰਵ-ਨਿਰਧਾਰਤ 100), `resolution` 768 ਜਾਂ 1024 ਹੈ। LoRA ਵਜ਼ਨ ਅਤੇ ਇੱਕ config ਫ਼ਾਈਲ ਆਉਟਪੁੱਟ ਕਰਦਾ ਹੈ।

ਪੈਰਾਮੀਟਰ

ਨਾਮਕਿਸਮ ਡਿਫ਼ਾਲਟਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵੇਰਵਾ

images_data_urlਲੋੜੀਂਦਾ

ਕਿਸਮstring

trigger_phraseਵਿਕਲਪਿਕ

ਕਿਸਮstring

ਡਿਫ਼ਾਲਟ

auto_captioningਵਿਕਲਪਿਕ

ਕਿਸਮenum

ਡਿਫ਼ਾਲਟOff

OffObject/CharacterStyleCustom

stepsਵਿਕਲਪਿਕ

ਕਿਸਮinteger

ਡਿਫ਼ਾਲਟ100

50 – 10,000

LoRA training ਲਈ steps ਦੀ ਗਿਣਤੀ।

learning_rateਵਿਕਲਪਿਕ

ਕਿਸਮnumber

ਡਿਫ਼ਾਲਟ0.0005

0.000001 – 0.01

resolutionਵਿਕਲਪਿਕ

ਕਿਸਮenum

ਡਿਫ਼ਾਲਟ768

7681024

debug_datasetਵਿਕਲਪਿਕ

ਕਿਸਮboolean

ਡਿਫ਼ਾਲਟfalse

ਡੇਟਾਸੈੱਟ-ਡਾਊਨਲੋਡ ਵਿਕਲਪ, ਜੋ ਬਿਲਕੁਲ ਉਹੀ ਚੀਜ਼ ਉਪਲਬਧ ਕਰਾਉਂਦਾ ਹੈ ਜੋ ਟ੍ਰੇਨਿੰਗ ਵਿੱਚ ਵਰਤੀ ਗਈ ਸੀ, ਕੈਪਸ਼ਨ ਬੈਕਫ਼ਿਲ ਜਾਂ ਸਵੈਚਲਿਤ ਕੈਪਸ਼ਨ ਸਿਰਜਣ ਤੋਂ ਬਾਅਦ ਆਰਕਾਈਵ ਵਜੋਂ ਪੈਕੇਜ ਕੀਤੀ ਹੋਈ।

ਲੋੜੀਂਦਾ

ਆਉਟਪੁੱਟ

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t

{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "krea-2-trainer",
  "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": {
    "images_data_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  },
  "output": {
    "lora_file": {
      "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
    },
    "config_file": {
      "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
    },
    "prompt_enhancement_system_prompt": "string",
    "debug_dataset": {
      "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"
  }
}

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

lora_file: object {url, content_type, file_name, file_size}ਟ੍ਰੇਨ ਕੀਤੇ Krea-2 LoRA ਵਜ਼ਨਾਂ ਲਈ safetensors ਫ਼ਾਰਮੈਟ ਵਿੱਚ ਡਾਊਨਲੋਡ URL।
config_file: object {url, content_type, file_name, file_size}ਟ੍ਰੇਨਿੰਗ/LoRA ਸੰਰਚਨਾ ਵਾਲੀ JSON ਫ਼ਾਈਲ ਦਾ ਲਿੰਕ।
prompt_enhancement_system_prompt: string | null`auto_captioning` ਸਮਰੱਥ ਹੋਣ 'ਤੇ ਵਾਪਸ ਕੀਤਾ ਗਿਆ ਸਿਸਟਮ ਪ੍ਰੌਂਪਟ, ਜੋ ਸਵੈਚਲਿਤ ਤੌਰ 'ਤੇ ਕੈਪਸ਼ਨ ਕੀਤੇ ਟ੍ਰੇਨਿੰਗ ਡੇਟਾ ਵਾਲੀ ਹੀ ਕੈਪਸ਼ਨ ਪਰੰਪਰਾ ਵਰਤ ਕੇ ਇਨਫ਼ਰੈਂਸ ਪ੍ਰੌਂਪਟ ਲਿਖਣ ਜਾਂ ਸੁਧਾਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ।
debug_dataset: object {url, content_type, file_name, file_size} | null`debug_dataset` ਸਮਰੱਥ ਹੋਣ 'ਤੇ ਦਿੱਤਾ ਗਿਆ ਟ੍ਰੇਨਿੰਗ-ਡੇਟਾ ਡਾਊਨਲੋਡ: ਤਿਆਰ ਕੀਤੇ ਡੇਟਾਸੈੱਟ ਅਤੇ ਇਸ ਦੀਆਂ ਸਵੈਚਲਿਤ ਤੌਰ 'ਤੇ ਸਿਰਜੀਆਂ ਕੈਪਸ਼ਨਾਂ ਵਾਲਾ ਆਰਕਾਈਵ।

ਹੋਰ ਮਾਡਲ: ਟ੍ਰੇਨਿੰਗ

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

ਤੁਹਾਡਾ ਪਹਿਲਾ ਨਤੀਜਾ ਇੱਥੇ ਹੋਵੇਗਾ

ਰਿਕਵੈਸਟ ਬਣਾਓ

ਇਹ ਬੇਨਤੀ ਚਲਾਓ

Krea 2 Trainer ਬਾਰੇ

ਪੈਰਾਮੀਟਰ

ਆਉਟਪੁੱਟ

ਹੋਰ Krea 2 ਵੈਰੀਐਂਟ

Krea 2 Text to Image Turbo LoRA ਵੈਰੀਐਂਟ: 3

Krea 2 Turbo ਵੈਰੀਐਂਟ: 3

ਹੋਰ ਮਾਡਲ: ਟ੍ਰੇਨਿੰਗ

ERNIE-Image Trainer

FLUX 2 [klein] 9b Base Trainer ਵੈਰੀਐਂਟ: 2

Flux 2 Klein 9B Base Trainer ਵੈਰੀਐਂਟ: 2

FLUX 2 Trainer ਵੈਰੀਐਂਟ: 2