# IP Adapter Face ID API

> SD 1.5 அல்லது SDXL base-களில், ஒரு புகைப்படம் அல்லது புகைப்படங்களின் zip-இலிருந்து ஒரு முகத்துடன் பொருந்தும் படங்களை உருவாக்குகிறது

`face_image_url` ஆக வழங்கப்படும் முகத்திற்கோ அல்லது பல முகங்களின் zip கோப்பாக வழங்கப்படும் `face_images_data_url`-க்கோ உருவாக்கத்தைத் தனிப்பயனாக்குகிறது; இதில் உட்பொதிவுகள் சராசரியாக்கப்படும். SD 1.5 மற்றும் SDXL மாறுபாடுகளில் `model_type` ஒன்றைத் தேர்ந்தெடுக்கிறது; அடிப்படை சேமிப்புப் புள்ளிகளை repo அளவுருக்கள் மூலம் மாற்றலாம். `width` மற்றும் `height` 512 முதல் 1024 வரை, `num_inference_steps` அதிகபட்சம் 200 வரை இருக்கும்.

- Model id: `ip-adapter-face-id`
- Made by: Tencent
- Category: Image Editing
- Output: image
- Estimated price per run: $0.015 / image (cheapest run $0.06 (60 API credits))
- Run: `POST https://api.doitong.ru/v1/run/ip-adapter-face-id`
- Quote: `POST https://api.doitong.ru/v1/quote/ip-adapter-face-id`
- Docs page: https://doitong.com/ta/developers/models/ip-adapter-face-id

## Pricing

Price: **$0.015 / image**. Estimated from the typical cost of one run, per output (`num_samples`). The quote is exactly what the run charges.

The full example input below costs $0.06 = 60 API credits (4 images × 15 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/ip-adapter-face-id` 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

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `model_type` |  | enum (string) | no | `1_5-v1` | `1_5-v1`, `1_5-v1-plus`, `1_5-v2-plus`, `SDXL-v1`, `SDXL-v2-plus`, `1_5-auraface-v1` | மாதிரி தேர்வு; பெரும்பாலான பயன்பாடுகளுக்கு 1_5 இயல்புநிலையாகவும் பரிந்துரைக்கப்பட்ட தேர்வாகவும் உள்ளது. |
| `prompt` |  | string | yes |  |  | நீங்கள் உருவாக்க விரும்பும் படத்தை விவரிக்கவும்; சிறந்த முடிவுகளுக்கு இயன்ற அளவு விவரங்களைப் பயன்படுத்தவும். |
| `face_image_url` |  | string (image URL) \| null | no |  |  | முகப் பொருத்தத்திற்கான குறிப்பு படம்; அதன் பரிமாணங்கள் வேறுபட்டால் 640x640 அளவுக்கு மாற்றப்பட்டு செதுக்கப்படும். |
| `face_images_data_url` |  | string \| null | no |  |  | முகப் படங்களைக் கொண்ட zip காப்பகத்தின் URL; காப்பகப் படங்களிலிருந்து embedding-களின் சராசரியைப் பயன்படுத்தி மிகவும் துல்லியமான face ID உருவாக்கப்படுகிறது. |
| `negative_prompt` |  | string | no | `blurry, low resolution, bad, ugly, low quality, pixelated, interpolated, compression artifacts, noisey, grainy` |  | விரும்பத்தகாத பட விவரங்களைக் குறிப்பிடும் எதிர்மறை ப்ராம்ப்ட். இது நிறங்கள், பொருட்கள், காட்சியமைப்பு அல்லது மீசை, மங்கல், குறைந்த தெளிவுத்திறன் போன்ற நுணுக்கமான அம்சங்களையும் பண்புகளையும் நீக்கலாம். |
| `seed` |  | integer \| null | no |  |  | Stable Diffusion-ல் படங்களை மீண்டும் உருவாக்குவதற்கான seed. மாதிரி பதிப்பு, ப்ராம்ப்ட் மற்றும் seed ஆகியவற்றை மாற்றாமல் வைத்தால், ஒவ்வொரு இயக்கத்திலும் ஒரு படத்தைத் துல்லியமாக மீண்டும் உருவாக்கலாம். |
| `guidance_scale` |  | number | no | `7.5` | 0 – 16 | படத் தேர்வுக்கான ப்ராம்ப்ட்-பின்பற்றல் வலிமை, CFG (Classifier Free Guidance) ஆக வெளிப்படுத்தப்படுகிறது. |
| `num_inference_steps` |  | integer | no | `50` | 1 – 200 | படம்-உருவாக்க inference படிநிலைகளின் எண்ணிக்கை; அதிக எண்ணிக்கையில் படத் தரம் மேம்படும், ஆனால் உருவாக்க நேரம் நீளும். |
| `num_samples` |  | integer | no | `4` | 1 – 4 | முக ID-க்கான மாதிரிகளின் எண்ணிக்கை; இயல்புநிலை 4. எண்ணிக்கையை அதிகரிப்பது படத் தரத்தை மேம்படுத்தும், ஆனால் உருவாக்க நேரத்தை அதிகரிக்கும். |
| `width` |  | integer | no | `512` | 512 – 1,024 | விளைவாக வரும் படத்தின் அகலம். |
| `height` |  | integer | no | `512` | 512 – 1,024 | விளைவாக வரும் படத்தின் உயரம். |
| `face_id_det_size` |  | integer | no | `640` | 64 – 640 | முகக் கண்டறிதல் மாதிரி அளவை அமைக்கவும். உங்கள் படத்தில் முகத்தைக் கண்டறிய மாதிரியால் முடியாவிட்டால் இதைக் குறைக்கவும். பெரிய அமைப்பு மிகவும் துல்லியமான கண்டறிதலை வழங்கும், ஆனால் மெதுவாக இயங்குவதுடன் முகத்தை முழுமையாகத் தவறவிடும் வாய்ப்பும் அதிகம். |
| `base_1_5_model_repo` |  | string | no | `SG161222/Realistic_Vision_V4.0_noVAE` |  | அடிப்படை 1.5 மாதிரியின் URL; இயல்புநிலை `SG161222/Realistic_Vision_V4.0_noVAE`. |
| `base_sdxl_model_repo` |  | string | no | `SG161222/RealVisXL_V3.0` |  | அடிப்படை SDXL மாதிரியின் URL; இயல்புநிலை `SG161222/RealVisXL_V3.0`. |
| `enable_safety_checker` |  | boolean | no | `true` |  | அழைப்பாளர் அங்கீகரிக்கப்பட்டிருந்தால், false என அமைப்பதன் மூலம் திரையிடலைத் தளர்த்தலாம். |

File parameters (`face_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"
}
```

A fuller example:

```json
{
  "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/ip-adapter-face-id?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.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/ip-adapter-face-id?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"
  }),
});
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",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/ip-adapter-face-id", 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": "ip-adapter-face-id",
      "input": {
        "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": "ip-adapter-face-id",
  "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": 60,
    "usd": "0.06",
    "charged": 60,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  },
  "output": {
    "image": {
      "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
  },
  "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 |
|---|---|---|
| `image` | object {url, content_type, file_name, file_size, width, height} | உருவாக்கப்பட்ட படத்திற்கான கோப்புத் தகவல். |
| `seed` | integer | பட உருவாக்க விதை; உள்ளீட்டில் விதை விடுபட்டிருந்தால் தோராயமாகத் தேர்ந்தெடுக்கப்பட்ட மதிப்பும் இதில் அடங்கும்; இல்லையெனில் வழங்கப்பட்ட மதிப்பை மீண்டும் பயன்படுத்தும். |

## Related models

- [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
- [Qwen Image 3 Edit](https://doitong.com/developers/models/alibaba/qwen-image-3/edit.md) (`alibaba/qwen-image-3/edit`): from $0.04 / image
- [Seedream 5.0 Pro Edit](https://doitong.com/developers/models/bytedance/seedream/v5/pro/edit.md) (`bytedance/seedream/v5/pro/edit`): from $0.0675 / run of output image
- [Hunyuan Image · v3 · Instruct · Edit](https://doitong.com/developers/models/hunyuan-image/v3/instruct/edit.md) (`hunyuan-image/v3/instruct/edit`): $0.174 / image
- [Hunyuan World](https://doitong.com/developers/models/hunyuan_world.md) (`hunyuan_world`): $0.15 / image

## Links

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