உள்ளடக்கத்திற்குச் செல்க

Stable Diffusion with LoRAs · Inpaint

ஒருங்கிணை

மாடல் id lora/inpaint
# 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/inpaint?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"

இந்தக் கோரிக்கை: ≈$0.184 184 API கிரெடிட்கள் · ≈ ₽19.41 இந்தப் பக்கத்தில் இயக்குங்கள்

API விசையைப் பெறுக
Open model படத் திருத்தம் குறிப்பு உள்ளீடுகள் #diffusion#lora#customization#fine-tuning

தேர்ந்தெடுக்கப்பட்ட Stable Diffusion அடிப்படை மாதிரி மற்றும் LoRAs உடன், கருப்பு-வெள்ளை முகமூடி வழிகாட்டுதலுடன் படப்பகுதி நிரப்புதல்

Open model · படம்

உங்கள் முதல் முடிவு இங்கே வரும்

கீழே ஒரு கோரிக்கையை உருவாக்கி, உங்கள் API விசையுடன் இயக்குங்கள். வெளியீடுகள் எங்கள் சேமிப்பகத்தில் நகலெடுக்கப்பட்டு, நிரந்தரமாக அல்லது இலவசமாக 7 நாட்கள் வைக்கப்படும்.

கோரிக்கையை உருவாக்கு

மாடல் ஸ்கீமாவிலிருந்து கட்டுப்பாடுகள் உருவாக்கப்படுகின்றன. அவற்றை மாற்றும்போது குறியீடும் விலையும் புதுப்பிக்கப்படும்.

•தேவை

நீங்கள் உருவாக்க விரும்பும் படத்தை விவரிக்கவும்; சிறந்த முடிவுகளுக்கு இயன்ற அளவு விவரங்களைப் பயன்படுத்தவும்.

•தேவை

படத்தை உருவாக்குவதற்கான அடிப்படை மாதிரி; URL அல்லது HuggingFace ID மூலம் அடையாளம் காணப்படுகிறது.

num_images இயல்புநிலை 1

ஒரு கோரிக்கை உருவாக்கும் படங்களின் எண்ணிக்கையை அமைக்கவும்; பெரிய batch-க்கு அதிக உருவாக்க நேரத்தை அனுமதிக்கிறது.

மேம்பட்டவை negative_prompt · image · mask · ic_light_model_background_image_url · ic_light_image_url · prediction_type · image_format · unet_name · variant · image_encoder_path · image_encoder_subfolder · image_encoder_weight_name · ic_light_model_url · scheduler · noise_strength · num_inference_steps · guidance_scale · clip_skip · tile_width · tile_height · tile_stride_width · tile_stride_height · eta · seed · prompt_weighting · controlnet_guess_mode · rescale_betas_snr_zero · enable_safety_checker · debug_latents · debug_per_pass_latents · loras · embeddings · controlnets · ip_adapter · timesteps · sigmas
இயல்புநிலை

விரும்பத்தகாத பட விவரங்களைக் குறிப்பிடும் எதிர்மறை ப்ராம்ப்ட். இது நிறங்கள், பொருட்கள், காட்சியமைப்பு அல்லது மீசை, மங்கல், குறைந்த தெளிவுத்திறன் போன்ற நுணுக்கமான அம்சங்களையும் பண்புகளையும் நீக்கலாம்.

image_url
கோப்பை விடுங்கள் அல்லது

image-to-image உருவாக்கம் அல்லது inpainting-க்கான மூலப் படம் URL.

mask_url
கோப்பை விடுங்கள் அல்லது

கருப்பு-வெள்ளைப் படத்தைச் சுட்டும் inpainting mask URL.

கோப்பை விடுங்கள் அல்லது

IC Light படம் உருவாக்கத்திற்கான மாதிரியுடன் பொருந்தும் பின்னணி; படம் URL ஆக வழங்கப்படுகிறது.

கோப்பை விடுங்கள் அல்லது

IC Light மாதிரியுடன் உருவாக்குவதற்கான உள்ளீட்டுப் படம் URL.

prediction_type இயல்புநிலை epsilon

படங்களை உருவாக்குவதற்கான prediction வகையைத் தேர்ந்தெடுக்கவும்; வேறு தேர்வு இல்லையெனில் `epsilon` பயன்படுத்தப்படும்.

image_format இயல்புநிலை png

விளைவாக வரும் படத்திற்கான கோப்பு வடிவம்.

படங்களை உருவாக்குவதற்கான தனிப்பயன் U-Net தேர்வு; அதன் HuggingFace ID அல்லது URL-ஐ வழங்கவும்.

HuggingFace மாதிரி மாறுபாட்டுத் தேர்வு; 'fp16' ஓர் எடுத்துக்காட்டு.

HTTPS URL அல்லது Hugging Face ID மூலம் குறிப்பிடப்படும் படம் encoder; பொருந்தக்கூடிய தன்மை IP-Adapter எடைகளால் தீர்மானிக்கப்படுகிறது: SD1.5 `image_encoder_subfolder='models/image_encoder'`-ஐப் பயன்படுத்துகிறது, h94/IP-Adapter SDXL h94/IP-Adapter மற்றும் `image_encoder_subfolder='sdxl_models/image_encoder'`-ஐப் பயன்படுத்துகிறது. ip_adapter-ல் மதிப்பு இருக்கும் போதெல்லாம் encoder தேவை.

பட encoder எடைகளைக் கொண்ட image_encoder_path-க்குள் உள்ள துணைக்கோப்பகம்.

இயல்புநிலை pytorch_model.bin

படங்களை உருவாக்கப் பயன்படுத்த, பெயரின்படி படம் encoder-ன் எடைகளைத் தேர்ந்தெடுக்கவும்.

படங்களை உருவாக்கப் பயன்படுத்தப்படும் IC Light மாதிரி URL.

படத்தின் noise நீக்கத்திற்குப் பயன்படுத்தப்படும் Scheduler அல்லது sampler.

இயல்புநிலை 0.5

சேர்க்கப்படும் படம் noise-ஐக் கட்டுப்படுத்தும் அளவுகோல்: 1.0 முழுமையான noise-ஐக் குறிக்கும், 0-க்கு நெருக்கமான அமைப்புகள் குறைந்தபட்ச noise-ஐக் குறிக்கும். இது வழங்கப்பட்ட image_url உடன் மட்டுமே பொருந்தும்.

இயல்புநிலை 30

Stable Diffusion செய்யும் உருவாக்கப் படிநிலைகளின் எண்ணிக்கையைக் கட்டுப்படுத்துகிறது; கூடுதல் படிநிலைகள் இறுதிப் படத்தை மேலும் விரிவானதாக உருவாக்கலாம்.

இயல்புநிலை 7.5

படத் தேர்வுக்கான ப்ராம்ப்ட்-பின்பற்றல் வலிமை, CFG (Classifier Free Guidance) ஆக வெளிப்படுத்தப்படுகிறது.

இயல்புநிலை 0

பட உருவாக்கத்தின் ஒரு பகுதியைத் தவிர்த்து வேகமாக render செய்யும்; இதனால் சற்றே மாறுபட்ட முடிவுகள் கிடைக்கும்.

இயல்புநிலை 4096

பட உருவாக்கத்தின்போது ஒவ்வொரு tile-ன் அளவை அமைக்கவும்.

இயல்புநிலை 4096

பட உருவாக்கத்தின்போது ஒவ்வொரு tile-ன் அளவை அமைக்கவும்.

இயல்புநிலை 2048

பட உருவாக்கத்தின்போது தொடர்ச்சியான tile நிலைகளுக்கு இடையிலான இடைவெளியை அமைக்கவும்.

இயல்புநிலை 2048

பட உருவாக்கத்தின்போது தொடர்ச்சியான tile நிலைகளுக்கு இடையிலான இடைவெளியை அமைக்கவும்.

இயல்புநிலை 0

படங்களை உருவாக்கும்போது பயன்படுத்தப்படும் Eta அமைப்பு.

Stable Diffusion-ல் படங்களை மீண்டும் உருவாக்குவதற்கான seed. மாதிரி பதிப்பு, ப்ராம்ப்ட் மற்றும் seed ஆகியவற்றை மாற்றாமல் வைத்தால், ஒவ்வொரு இயக்கத்திலும் ஒரு படத்தைத் துல்லியமாக மீண்டும் உருவாக்கலாம்.

இயல்புநிலை []

அவற்றின் ஒருங்கிணைந்த விளைவு உருவாக்கப்பட்ட படத்தை உருவாக்கும் LoRA-கள்; வழங்கக்கூடியவற்றின் எண்ணிக்கைக்கு வரம்பில்லை.

இயல்புநிலை []

பட உருவாக்கத்தின்போது பயன்படுத்தப்படும் embeddings; இவை ப்ராம்ப்ட் டோக்கன்களை embedding weights-க்கு map செய்கின்றன. தற்போது ஒரு embedding மட்டுமே ஆதரிக்கப்படுகிறது.

இயல்புநிலை []

உருவாக்கத்தின்போது குறிப்பிட்ட timesteps-ல் படத்திற்குப் பயன்படுத்த திட்டமிடப்பட்ட Control nets; வழங்கக்கூடியவற்றின் எண்ணிக்கைக்கு வரம்பில்லை.

இயல்புநிலை []

படங்களை உருவாக்கப் பயன்படுத்தப்படும் IP adapters. ஏதேனும் உள்ளீடுகளை வழங்கினால் image_encoder_path தேவை.

இயல்புநிலை {"array":[],"method":...

sigmas-க்கு பரஸ்பரம் விலக்கான denoising timestep அட்டவணை மேலெழுதல். மேலெழுதல் இல்லையெனில்—இயல்புநிலையில்—scheduler, num_inference_steps-இலிருந்து timesteps-ஐக் கணக்கிடும்; தனிப்பயன் அட்டவணையை வழங்கினால் num_inference_steps பொருத்தமற்றதாகும். மேலெழுதலுக்கு set_timesteps-ன் timesteps argument-ஐ ஆதரிக்கும் scheduler தேவை.

இயல்புநிலை {"array":[],"method":...

timesteps-க்கு பரஸ்பரம் விலக்கான denoising sigma அட்டவணை மேலெழுதல். மேலெழுதல் இல்லையெனில்—இயல்புநிலையில்—scheduler, num_inference_steps-இலிருந்து sigmas-ஐக் கணக்கிடும்; தனிப்பயன் அட்டவணையை வழங்கினால் num_inference_steps பொருத்தமற்றதாகும். மேலெழுதலுக்கு set_sigmas-ன் sigmas argument-ஐ ஆதரிக்கும் scheduler தேவை.

POST /run/lora/inpaint?wait=20 விலை → $0.184
# 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/inpaint?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"

இந்தக் கோரிக்கையை இயக்கு

உங்கள் key இந்த உலாவியில் மட்டுமே இருக்கும்: அது Doitong API-க்கு மட்டும் அனுப்பப்படும்; Remember-ஐத் தேர்ந்தெடுத்தால் மட்டுமே (localStorage)-ல் சேமிக்கப்படும். API விசையைப் பெறுங்கள்

Stable Diffusion with LoRAs · Inpaint பற்றி

`model_name`-ல் அமைக்கப்பட்ட Stable Diffusion மாதிரியைப் பயன்படுத்தி, `image_url` மற்றும் கருப்பு-வெள்ளை `mask_url` மூலம் படத்தின் பகுதிகளைத் திருத்துகிறது. `noise_strength` 0 முதல் 1 வரை இருக்கும். ஒன்றிணைக்கப்பட்ட LoRAs, உட்பொதிவுகள், ControlNets, IP adapters மற்றும் பல scheduler-களை ஆதரிக்கிறது; படிகள் 1 முதல் 150 வரை இருக்கும். வெளியீடு png அல்லது jpeg வடிவில் இருக்கும்.

அளவுருக்கள்

நியமப் பெயர் அல்லது நேட்டிவ் பெயர் இரண்டில் ஒன்றை மட்டும் அனுப்பவும். நியமப் பெயர்கள்

பெயர்வகை இயல்புநிலைஅனுமதிக்கப்பட்டது விளக்கம்
model_nameதேவை
வகைstring
படத்தை உருவாக்குவதற்கான அடிப்படை மாதிரி; URL அல்லது HuggingFace ID மூலம் அடையாளம் காணப்படுகிறது.
unet_nameவிருப்பத்தேர்வு
வகைstring | null
படங்களை உருவாக்குவதற்கான தனிப்பயன் U-Net தேர்வு; அதன் HuggingFace ID அல்லது URL-ஐ வழங்கவும்.
variantவிருப்பத்தேர்வு
வகைstring | null
HuggingFace மாதிரி மாறுபாட்டுத் தேர்வு; 'fp16' ஓர் எடுத்துக்காட்டு.
promptதேவை
வகைstring
நீங்கள் உருவாக்க விரும்பும் படத்தை விவரிக்கவும்; சிறந்த முடிவுகளுக்கு இயன்ற அளவு விவரங்களைப் பயன்படுத்தவும்.
negative_promptவிருப்பத்தேர்வு
வகைstring
இயல்புநிலை
விரும்பத்தகாத பட விவரங்களைக் குறிப்பிடும் எதிர்மறை ப்ராம்ப்ட். இது நிறங்கள், பொருட்கள், காட்சியமைப்பு அல்லது மீசை, மங்கல், குறைந்த தெளிவுத்திறன் போன்ற நுணுக்கமான அம்சங்களையும் பண்புகளையும் நீக்கலாம்.
prompt_weightingவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைfalse
ப்ராம்ப்ட்-எடை நிலைமாற்றி: true embedding averaging மூலம் 77 டோக்கன் வரம்பை நீக்கி, எடை syntax-ஐ இயக்கும்.
image_urlவிருப்பத்தேர்வு image
வகைurl · image
image-to-image உருவாக்கம் அல்லது inpainting-க்கான மூலப் படம் URL.
mask_urlவிருப்பத்தேர்வு mask
வகைurl · image
கருப்பு-வெள்ளைப் படத்தைச் சுட்டும் inpainting mask URL.
noise_strengthவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை0.5
≤ 1> 0
சேர்க்கப்படும் படம் noise-ஐக் கட்டுப்படுத்தும் அளவுகோல்: 1.0 முழுமையான noise-ஐக் குறிக்கும், 0-க்கு நெருக்கமான அமைப்புகள் குறைந்தபட்ச noise-ஐக் குறிக்கும். இது வழங்கப்பட்ட image_url உடன் மட்டுமே பொருந்தும்.
lorasவிருப்பத்தேர்வு
வகைobject[]
இயல்புநிலை[]
அவற்றின் ஒருங்கிணைந்த விளைவு உருவாக்கப்பட்ட படத்தை உருவாக்கும் LoRA-கள்; வழங்கக்கூடியவற்றின் எண்ணிக்கைக்கு வரம்பில்லை.
loras[].pathதேவை
வகைstring
URL அல்லது பாதையாகக் குறிப்பிடப்படும் LoRA எடைகளின் இருப்பிடம்.
loras[].scaleவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை1
0 – 4
அடிப்படை மாதிரியில் இணைப்பதற்கு முன் LoRA எடைக்கு பயன்படுத்தப்படும் பெருக்கி.
embeddingsவிருப்பத்தேர்வு
வகைobject[]
இயல்புநிலை[]
பட உருவாக்கத்தின்போது பயன்படுத்தப்படும் embeddings; இவை ப்ராம்ப்ட் டோக்கன்களை embedding weights-க்கு map செய்கின்றன. தற்போது ஒரு embedding மட்டுமே ஆதரிக்கப்படுகிறது.
embeddings[].pathதேவை
வகைstring
URL அல்லது கோப்பு path மூலம் குறிப்பிடப்படும் Embedding weights.
embeddings[].tokensவிருப்பத்தேர்வு
வகைstring[]
Embedding weights-க்கு map செய்யப்படும் ப்ராம்ப்ட் டோக்கன்கள். இவற்றைத் தவிர்த்தால், embedding-file vector ஒன்றுக்கு ஒரு டோக்கன் உருவாகும்; அவை <s0>, <s1>, ... எனப் பெயரிடப்படும். உங்கள் ப்ராம்ப்ட்களில் map செய்யப்பட்ட டோக்கன்களைப் பயன்படுத்தவும்.
controlnetsவிருப்பத்தேர்வு
வகைobject[]
இயல்புநிலை[]
உருவாக்கத்தின்போது குறிப்பிட்ட timesteps-ல் படத்திற்குப் பயன்படுத்த திட்டமிடப்பட்ட Control nets; வழங்கக்கூடியவற்றின் எண்ணிக்கைக்கு வரம்பில்லை.
controlnets[].pathதேவை
வகைstring
ControlNet எடையின் இருப்பிடம்; URL அல்லது பாதையாகக் குறிப்பிடப்படும்.
controlnets[].config_urlவிருப்பத்தேர்வு
வகைstring | null
ControlNet-ன் config.json கோப்பைச் சுட்டும் விருப்ப URL.
controlnets[].variantவிருப்பத்தேர்வு
வகைstring | null
Hugging Face களஞ்சிய விசையுடன் பயன்படுத்தக்கூடிய விருப்ப மாறுபாடு.
controlnets[].image_urlதேவை
வகைurl · image
ControlNet உள்ளீடாக வழங்கப்படும் பட URL.
controlnets[].mask_urlவிருப்பத்தேர்வு
வகைurl · image
ControlNet mask; வழங்கப்பட்டால் கட்டுப்பாட்டுப் படத்தின் அளவுடன் பொருந்த வேண்டும்; width மற்றும் height இரண்டும் 32-ஆல் வகுபட வேண்டும்.
controlnets[].conditioning_scaleவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை1
0 – 2
அடிப்படை மாதிரியுடன் இணைக்கப்படுவதற்கு முன் ControlNet எடைகளுக்குப் பயன்படுத்தப்படும் அளவிடுதல்.
controlnets[].start_percentageவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை0
0 – 1
மொத்த timestep-களில் எந்த சதவீதத்தில் ControlNet படம் உருவாக்கத்தைப் பாதிக்கத் தொடங்கும் என்பதைக் குறிப்பிடுகிறது.
controlnets[].end_percentageவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை1
0 – 1
மொத்த timestep-களில் எந்த சதவீதத்தில் ControlNet படம் உருவாக்கத்தைப் பாதிப்பதை நிறுத்தும் என்பதைக் குறிப்பிடுகிறது.
controlnets[].ip_adapter_indexவிருப்பத்தேர்வு
வகைinteger | null
InstantID ControlNet-க்கான index மூலம் IP adapter தேர்வு; பிற ControlNets-க்கு இந்த அமைப்பு தேவையில்லை.
controlnet_guess_modeவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைfalse
true ஆக இருக்கும்போது ControlNet பயன்பாட்டை conditional predictions-க்கு மட்டும் கட்டுப்படுத்தும்.
ip_adapterவிருப்பத்தேர்வு
வகைobject[]
இயல்புநிலை[]
படங்களை உருவாக்கப் பயன்படுத்தப்படும் IP adapters. ஏதேனும் உள்ளீடுகளை வழங்கினால் image_encoder_path தேவை.
ip_adapter[].ip_adapter_image_urlதேவை
வகைurl · image
IP adapter உள்ளீடாக வழங்கப்படும் பட URL.
ip_adapter[].ip_adapter_mask_urlவிருப்பத்தேர்வு
வகைurl · image
வழங்கும்போது அளவுக் கட்டுப்பாட்டுக்கு உட்படும் IP adapter mask: அதன் பரிமாணங்கள் adapter படத்தின் பரிமாணங்களுக்குச் சமமாக இருக்க வேண்டும்.
ip_adapter[].pathதேவை
வகைstring
URL அல்லது பாதையாகக் குறிப்பிடப்படும் IP adapter எடைகளின் இருப்பிடம்.
ip_adapter[].model_subfolderவிருப்பத்தேர்வு
வகைstring | null
மாதிரிக் கோப்பகத்துக்குள் துணைக்கோப்பகமாகக் குறிப்பிடப்படும் IP adapter எடையின் இருப்பிடம்.
ip_adapter[].weight_nameவிருப்பத்தேர்வு
வகைstring | null
எடைகளின் கோப்புப்பெயர்.
ip_adapter[].insight_face_model_pathவிருப்பத்தேர்வு
வகைstring | null
URL அல்லது பாதையாகக் குறிப்பிடப்படும் InsightFace மாதிரி எடைகளின் இருப்பிடம்.
ip_adapter[].scaleவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை1
≥ 0
IP adapter எடைகளுக்கான அளவுகோல்; அவை அடிப்படை மாதிரியுடன் இணைக்கப்படுவதற்கு முன் பயன்படுத்தப்படும்.
ip_adapter[].scale_jsonவிருப்பத்தேர்வு
வகைobject | null
IP adapter எடைகளுக்கான அளவுகோல்; அவை அடிப்படை மாதிரியுடன் இணைக்கப்படுவதற்கு முன் பயன்படுத்தப்படும்.
ip_adapter[].unconditional_noising_factorவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை0
0 – 1
IP adapter-க்கான நிபந்தனையற்ற noise-ஐக் கட்டுப்படுத்தும் காரணி.
ip_adapter[].image_projection_shortcutவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைtrue
True இயல்புநிலையாக உள்ள படம் projection shortcut அமைப்பு. FaceID plus V1 மாதிரிகளுக்கு False-ஐயும், FaceID plus V2 மாதிரிகளுக்கு True-ஐயும் பயன்படுத்தவும்.
image_encoder_pathவிருப்பத்தேர்வு
வகைstring | null
HTTPS URL அல்லது Hugging Face ID மூலம் குறிப்பிடப்படும் படம் encoder; பொருந்தக்கூடிய தன்மை IP-Adapter எடைகளால் தீர்மானிக்கப்படுகிறது: SD1.5 `image_encoder_subfolder='models/image_encoder'`-ஐப் பயன்படுத்துகிறது, h94/IP-Adapter SDXL h94/IP-Adapter மற்றும் `image_encoder_subfolder='sdxl_models/image_encoder'`-ஐப் பயன்படுத்துகிறது. ip_adapter-ல் மதிப்பு இருக்கும் போதெல்லாம் encoder தேவை.
image_encoder_subfolderவிருப்பத்தேர்வு
வகைstring | null
பட encoder எடைகளைக் கொண்ட image_encoder_path-க்குள் உள்ள துணைக்கோப்பகம்.
image_encoder_weight_nameவிருப்பத்தேர்வு
வகைstring | null
இயல்புநிலைpytorch_model.bin
படங்களை உருவாக்கப் பயன்படுத்த, பெயரின்படி படம் encoder-ன் எடைகளைத் தேர்ந்தெடுக்கவும்.
ic_light_model_urlவிருப்பத்தேர்வு
வகைstring | null
படங்களை உருவாக்கப் பயன்படுத்தப்படும் IC Light மாதிரி URL.
ic_light_model_background_image_urlவிருப்பத்தேர்வு
வகைurl · image
IC Light படம் உருவாக்கத்திற்கான மாதிரியுடன் பொருந்தும் பின்னணி; படம் URL ஆக வழங்கப்படுகிறது.
ic_light_image_urlவிருப்பத்தேர்வு
வகைurl · image
IC Light மாதிரியுடன் உருவாக்குவதற்கான உள்ளீட்டுப் படம் URL.
seedவிருப்பத்தேர்வு
வகைinteger | null
Stable Diffusion-ல் படங்களை மீண்டும் உருவாக்குவதற்கான seed. மாதிரி பதிப்பு, ப்ராம்ப்ட் மற்றும் seed ஆகியவற்றை மாற்றாமல் வைத்தால், ஒவ்வொரு இயக்கத்திலும் ஒரு படத்தைத் துல்லியமாக மீண்டும் உருவாக்கலாம்.
num_inference_stepsவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை30
1 – 150
Stable Diffusion செய்யும் உருவாக்கப் படிநிலைகளின் எண்ணிக்கையைக் கட்டுப்படுத்துகிறது; கூடுதல் படிநிலைகள் இறுதிப் படத்தை மேலும் விரிவானதாக உருவாக்கலாம்.
guidance_scaleவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை7.5
0 – 20
படத் தேர்வுக்கான ப்ராம்ப்ட்-பின்பற்றல் வலிமை, CFG (Classifier Free Guidance) ஆக வெளிப்படுத்தப்படுகிறது.
clip_skipவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை0
0 – 2
பட உருவாக்கத்தின் ஒரு பகுதியைத் தவிர்த்து வேகமாக render செய்யும்; இதனால் சற்றே மாறுபட்ட முடிவுகள் கிடைக்கும்.
schedulerவிருப்பத்தேர்வு
வகைenum
DPM++ 2MDPM++ 2M KarrasDPM++ 2M SDEDPM++ 2M SDE KarrasEulerEuler AEuler (trailing timesteps)LCMLCM (trailing timesteps)DDIMTCD
படத்தின் noise நீக்கத்திற்குப் பயன்படுத்தப்படும் Scheduler அல்லது sampler.
timestepsவிருப்பத்தேர்வு
வகைobject
இயல்புநிலை{"array":[],"method":"default"}
sigmas-க்கு பரஸ்பரம் விலக்கான denoising timestep அட்டவணை மேலெழுதல். மேலெழுதல் இல்லையெனில்—இயல்புநிலையில்—scheduler, num_inference_steps-இலிருந்து timesteps-ஐக் கணக்கிடும்; தனிப்பயன் அட்டவணையை வழங்கினால் num_inference_steps பொருத்தமற்றதாகும். மேலெழுதலுக்கு set_timesteps-ன் timesteps argument-ஐ ஆதரிக்கும் scheduler தேவை.
timesteps.methodவிருப்பத்தேர்வு
வகைenum
இயல்புநிலைdefault
defaultarray
timesteps எவ்வாறு தீர்மானிக்கப்பட வேண்டும் என்பதைத் தேர்ந்தெடுக்கவும்: இயல்புநிலை அமைப்பான 'default', scheduler-ஐ `num_inference_steps` பயன்படுத்த அனுமதிக்கிறது. timestep அட்டவணையை நீங்களே வழங்க, 'array' என்பதைத் தேர்ந்தெடுத்து அட்டவணையை `array` புலத்தில் வைக்கவும்.
timesteps.arrayவிருப்பத்தேர்வு
வகைinteger[]
இயல்புநிலை[]
தேர்ந்தெடுக்கப்பட்ட முறை 'custom' ஆக இருக்கும்போது பயன்படுத்தப்படும் timestep அட்டவணை.
sigmasவிருப்பத்தேர்வு
வகைobject
இயல்புநிலை{"array":[],"method":"default"}
timesteps-க்கு பரஸ்பரம் விலக்கான denoising sigma அட்டவணை மேலெழுதல். மேலெழுதல் இல்லையெனில்—இயல்புநிலையில்—scheduler, num_inference_steps-இலிருந்து sigmas-ஐக் கணக்கிடும்; தனிப்பயன் அட்டவணையை வழங்கினால் num_inference_steps பொருத்தமற்றதாகும். மேலெழுதலுக்கு set_sigmas-ன் sigmas argument-ஐ ஆதரிக்கும் scheduler தேவை.
sigmas.methodவிருப்பத்தேர்வு
வகைenum
இயல்புநிலைdefault
defaultarray
sigmas எவ்வாறு தீர்மானிக்கப்பட வேண்டும் என்பதைத் தேர்ந்தெடுக்கவும்: இயல்புநிலை அமைப்பான 'default', scheduler-ன் சொந்த sigma மதிப்புகளைப் பயன்படுத்துகிறது. sigma அட்டவணையை நீங்களே வழங்க, 'custom' என்பதைத் தேர்ந்தெடுத்து அட்டவணையை `array` புலத்தில் வைக்கவும்.
sigmas.arrayவிருப்பத்தேர்வு
வகைnumber[]
இயல்புநிலை[]
தேர்ந்தெடுக்கப்பட்ட முறை 'custom' ஆக இருக்கும்போது பயன்படுத்தப்படும் Sigma அட்டவணை.
prediction_typeவிருப்பத்தேர்வு
வகைenum
இயல்புநிலைepsilon
v_predictionepsilon
படங்களை உருவாக்குவதற்கான prediction வகையைத் தேர்ந்தெடுக்கவும்; வேறு தேர்வு இல்லையெனில் `epsilon` பயன்படுத்தப்படும்.
rescale_betas_snr_zeroவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைfalse
sampler rescale_betas_snr_zero-ஐ இயக்குகிறதா என்பதைக் கட்டுப்படுத்துகிறது.
image_formatவிருப்பத்தேர்வு
வகைenum
இயல்புநிலைpng
jpegpng
விளைவாக வரும் படத்திற்கான கோப்பு வடிவம்.
num_imagesவிருப்பத்தேர்வு num_outputs
வகைinteger
இயல்புநிலை1
1 – 8
ஒரு கோரிக்கை உருவாக்கும் படங்களின் எண்ணிக்கையை அமைக்கவும்; பெரிய batch-க்கு அதிக உருவாக்க நேரத்தை அனுமதிக்கிறது.
enable_safety_checkerவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைfalse
பாதுகாப்புச் சரிபார்ப்பைச் செயல்படுத்துதல்; true எனில் சரிபார்ப்பு இயக்கப்படும்.
tile_widthவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை4096
128 – 4,096
பட உருவாக்கத்தின்போது ஒவ்வொரு tile-ன் அளவை அமைக்கவும்.
tile_heightவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை4096
128 – 4,096
பட உருவாக்கத்தின்போது ஒவ்வொரு tile-ன் அளவை அமைக்கவும்.
tile_stride_widthவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை2048
64 – 2,048
பட உருவாக்கத்தின்போது தொடர்ச்சியான tile நிலைகளுக்கு இடையிலான இடைவெளியை அமைக்கவும்.
tile_stride_heightவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை2048
64 – 2,048
பட உருவாக்கத்தின்போது தொடர்ச்சியான tile நிலைகளுக்கு இடையிலான இடைவெளியை அமைக்கவும்.
etaவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை0
0 – 1
படங்களை உருவாக்கும்போது பயன்படுத்தப்படும் Eta அமைப்பு.
debug_latentsவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைfalse
true ஆக இருக்கும்போது debugging-க்காக latents-ஐச் சேமிக்கிறது.
debug_per_pass_latentsவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைfalse
இதை true என அமைப்பதன் மூலம் ஒவ்வொரு pass-க்குமான debugging-ஐ இயக்கவும்; இது ஒவ்வொரு pass-இலிருந்தும் latents-ஐச் சேமிக்கிறது.
தேவை நியமப் பெயர், இதுவும் ஏற்கப்படும்

கோப்பு அளவுருக்கள் பொதுவான https:// URL, 10 MB வரையிலான data: URI அல்லது பதிவேற்றத்தின் file_url-ஐ ஏற்கும். கோப்புகள்

வெளியீடு

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "lora/inpaint",
  "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": 184,
    "usd": "0.184",
    "charged": 184,
    "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"
  }
}
உங்கள் கோப்புகள், உங்கள் தேர்வுஒவ்வொரு outputs[].url-ம் எங்கள் சேமிப்பகத்தில் உள்ள ஒரு நகல்: நிரந்தரமாக (GB-மாதத்திற்கு கட்டணம்) அல்லது உங்கள் கணக்கு அமைப்பு அல்லது ?storage= மூலம் இலவசமாக 7 நாட்கள் வைக்கப்படும்.
ஒவ்வொரு மாடலிலும் ஒரே வடிவம்படங்கள், வீடியோ மற்றும் ஆடியோ ஆகிய அனைத்திற்குமான type, url, content_type, width, height மற்றும் duration. output என்பது மாதிரியின் சொந்த முடிவு பொருளாகும்.
வெளியீட்டின் புலங்கள்
images
array of object {url, content_type, file_name, file_size, width, height}உருவாக்கப்பட்ட படங்களுக்கான கோப்புத் தகவல்.
seed
integerபட உருவாக்க விதை; உள்ளீட்டில் விதை விடுபட்டிருந்தால் தோராயமாகத் தேர்ந்தெடுக்கப்பட்ட மதிப்பும் இதில் அடங்கும்; இல்லையெனில் வழங்கப்பட்ட மதிப்பை மீண்டும் பயன்படுத்தும்.
has_nsfw_concepts
array of booleanஉருவாக்கப்பட்ட படங்களில் NSFW கருத்துகள் உள்ளனவா என்பதைக் குறிப்பிடுகிறது.
debug_latents
object {url, content_type, file_name, file_size} | nulldebugging-க்காகச் சேமிக்கப்பட்ட latent தரவு.
debug_per_pass_latents
object {url, content_type, file_name, file_size} | nulldebugging-க்காகச் சேமிக்கப்பட்ட ஒவ்வொரு pass-க்குமான latent தரவு.

மேலும் மாதிரிகள்: படத் திருத்தம்

AI ஏஜெண்டுகளுக்கு: இந்தப் பக்கம் Markdown வடிவில் இங்கே உள்ளது https://doitong.com/ta/developers/models/lora/inpaint.md. அனைத்து மாடல்களும் வழிகாட்டிகளும்: https://doitong.com/developers/llms.txt