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

> تحويل النص إلى صورة باستخدام FLUX.1 [dev] مع LoRAs وControlNets وIP-Adapters وEasyControl وتوجيه بصورة مرجعية

ينشئ صورًا من `prompt` مع دعم عدة أساليب للتكييف: `loras` و`control_loras` و`controlnets` و`controlnet_unions` و`ip_adapters` و`easycontrols`، بالإضافة إلى `fill_image` للمناطق المقنّعة. كما يقبل `reference_image_url`، والمطالبات السلبية، واختيار مجدول euler أو dpmpp_2m. ما يصل إلى 10 صور لكل استدعاء، بصيغة png أو jpeg.

- Model id: `flux-general`
- Made by: Black Forest Labs
- Category: Text to Image
- Output: image
- Estimated price per run: $0.30 / image (cheapest run $0.30 (300 API credits))
- Run: `POST https://api.doitong.com/v1/run/flux-general`
- Quote: `POST https://api.doitong.com/v1/quote/flux-general`
- Docs page: https://doitong.com/ar/developers/models/flux-general

## Pricing

Price: **$0.30 / 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 $0.30 = 300 API credits (1 image × 300 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.com/v1/quote/flux-general` 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 |  |  | الموجّه الذي يوجّه توليد الصورة. |
| `image_size` |  | object {width, height} \| enum (string) | no |  | `square_hd`, `square`, `portrait_4_3`, `portrait_16_9`, `landscape_4_3`, `landscape_16_9` | أبعاد الصورة المُولّدة. |
| `num_inference_steps` |  | integer | no | `28` | 1 – 50 | عدد خطوات الاستدلال المطلوب تنفيذها. |
| `seed` |  | integer \| null | no |  |  | بذرة لصور قابلة لإعادة الإنتاج: ينتج الموجّه والبذرة المتطابقان الصورة نفسها عند عدم تغيير إصدار النموذج. |
| `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` |  | object \| number | no | `1` |  | القياس المطبق على أوزان LoRA قبل دمجها في النموذج الأساسي. قدّم قاموسًا بالشكل {"layer_name":layer_scale} لضبط قياس كل طبقة؛ تستخدم الطبقات غير المحددة القيمة 1.0. |
| `control_loras` |  | array of object {path, scale, control_image_url, preprocess} | no | `[]` |  | نماذج LoRA لصور التحكم المدمجة في إعداد مشترك لتوليد الصورة النهائية؛ عدد النماذج غير مقيد. |
| `control_loras[].path` |  | string | yes |  |  | موقع أوزان LoRA، محدد كرابط أو مسار. |
| `control_loras[].scale` |  | object \| number | no | `1` |  | القياس المطبق على أوزان LoRA قبل دمجها في النموذج الأساسي. قدّم قاموسًا بالشكل {"layer_name":layer_scale} لضبط قياس كل طبقة؛ تستخدم الطبقات غير المحددة القيمة 1.0. |
| `control_loras[].control_image_url` |  | string (image URL) | yes |  |  | عنوان URL للصورة التي توفر صورة التحكم. |
| `control_loras[].preprocess` |  | enum (string) | no | `None` | `canny`, `depth`, `None` | طريقة المعالجة المسبقة المطبقة على الصورة المقدمة. |
| `controlnets` |  | array of object {path, config_url, variant, control_image_url, mask_image_url, mask_threshold, conditioning_scale, start_percentage, end_percentage} | no | `[]` |  | إعداد ControlNet لتوليد الصور، ومحدود حاليًا بـ ControlNet واحد. |
| `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[].control_image_url` |  | string (image URL) | yes |  |  | عنوان URL للصورة التي توفر صورة التحكم. |
| `controlnets[].mask_image_url` |  | string (image URL) | no |  |  | عنوان URL للقناع المرتبط بصورة التحكم. |
| `controlnets[].mask_threshold` |  | number | no | `0.5` | 0.01 – 0.99 | قيمة عتبة القناع. |
| `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. |
| `controlnet_unions` |  | array of object {path, config_url, variant, controls} | no | `[]` |  | إعداد اتحاد ControlNet لتوليد الصور، مع خضوعه للقيد الحالي الخاص بـ ControlNet واحد. |
| `controlnet_unions[].path` |  | string | yes |  |  | موقع أوزان ControlNet، محدد كعنوان URL أو مسار. |
| `controlnet_unions[].config_url` |  | string \| null | no |  |  | عنوان URL اختياري يشير إلى ملف config.json الخاص بـ ControlNet. |
| `controlnet_unions[].variant` |  | string \| null | no |  |  | متغير اختياري للاستخدام مع مفتاح مستودع Hugging Face. |
| `controlnet_unions[].controls` |  | array of object {control_image_url, mask_image_url, control_mode, conditioning_scale, mask_threshold, start_percentage, end_percentage} | yes |  |  | صور التحكم والأوضاع المرتبطة بها المقدمة إلى ControlNet. |
| `controlnet_unions[].controls[].control_image_url` |  | string (image URL) | yes |  |  | عنوان URL للصورة التي توفر صورة التحكم. |
| `controlnet_unions[].controls[].mask_image_url` |  | string (image URL) | no |  |  | عنوان URL للقناع المرتبط بصورة التحكم. |
| `controlnet_unions[].controls[].control_mode` |  | enum (string) | yes |  | `canny`, `tile`, `depth`, `blur`, `pose`, `gray`, `low-quality` | وضع التحكم المستخدم بواسطة Flux Controlnet Union. الخيارات: canny يوجه التوليد بالحواف؛ tile يوجهه بالبلاطات؛ depth يوجهه بخريطة عمق بتدرجات الرمادي؛ blur يموّه الصورة؛ pose يوجه التوليد بوضعية الصورة؛ gray يحوّل الصورة إلى تدرجات الرمادي؛ low-quality ينتج نسخة منخفضة الجودة من الصورة. |
| `controlnet_unions[].controls[].conditioning_scale` |  | number | no | `1` | 0 – 2 | القياس المطبق على أوزان ControlNet قبل دمجها في النموذج الأساسي. |
| `controlnet_unions[].controls[].mask_threshold` |  | number | no | `0.5` | 0.01 – 0.99 | قيمة عتبة القناع. |
| `controlnet_unions[].controls[].start_percentage` |  | number | no | `0` | 0 – 1 | النسبة المئوية من إجمالي الخطوات الزمنية التي يبدأ عندها ControlNet بالتأثير في توليد الصورة. |
| `controlnet_unions[].controls[].end_percentage` |  | number | no | `1` | 0 – 1 | النسبة المئوية من إجمالي الخطوات الزمنية التي يتوقف عندها ControlNet عن التأثير في توليد الصورة. |
| `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 | `[]` |  | IP-Adapter المطبق أثناء توليد الصورة. |
| `ip_adapters[].path` |  | string | yes |  |  | موقع IP-Adapter على Hugging Face. |
| `ip_adapters[].subfolder` |  | string \| null | no |  |  | المجلد الفرعي الذي يحتوي على أوزان ip_adapter. |
| `ip_adapters[].weight_name` |  | string \| null | no |  |  | اسم ملف Safetensors لأوزان IP-Adapter. |
| `ip_adapters[].image_encoder_path` |  | string | yes |  |  | موقع مشفّر الصور الخاص بـ IP-Adapter، مثل 'openai/clip-vit-large-patch14'. |
| `ip_adapters[].image_encoder_subfolder` |  | string \| null | no |  |  | المجلد الفرعي الذي يحتوي على أوزان مشفّر الصور. |
| `ip_adapters[].image_encoder_weight_name` |  | string \| null | no |  |  | اسم مشفّر الصور. |
| `ip_adapters[].image_url` |  | string (image URL) | yes |  |  | عنوان URL لصورة التهيئة المقدمة إلى IP-Adapter. |
| `ip_adapters[].mask_image_url` |  | string (image URL) \| null | no |  |  | عنوان URL للقناع المرتبط بصورة التحكم. |
| `ip_adapters[].mask_threshold` |  | number | no | `0.5` | 0.01 – 0.99 | قيمة عتبة القناع. |
| `ip_adapters[].scale` |  | number | yes |  |  | عامل قياس IP-Adapter. |
| `easycontrols` |  | array of object {control_method_url, scale, image_url, image_control_type} | no | `[]` |  | مدخلات EasyControl المطبقة أثناء توليد الصورة. |
| `easycontrols[].control_method_url` |  | string | yes |  |  | عنوان URL لوزن safetensor الخاص بطريقة التحكم، أو معرّف مدعوم: `canny`, `depth`, `hedsketch`, `inpainting`, `pose`, `seg`, `subject`, `ghibli`. |
| `easycontrols[].scale` |  | number | no | `1` | 0 – 2 | عامل قياس طريقة التحكم. |
| `easycontrols[].image_url` |  | string (image URL) | yes |  |  | عنوان URL لصورة توفر مدخل تحكم. |
| `easycontrols[].image_control_type` |  | enum (string) | yes |  | `subject`, `spatial` | وضع التحكم في الصورة؛ يقبل إما `spatial` أو `subject`. |
| `fill_image` |  | object {fill_image_url} \| null | no |  |  | صورة المدخل التي توجه التوليد ويمكنها توفير محتوى للمناطق المقنّعة. |
| `fill_image.fill_image_url` |  | string (image URL) \| array of image URL | no | `[]` |  | عناوين URL للصور المراد ملؤها عبر التوجيه باستخدام redux. |
| `guidance_scale` |  | number | no | `3.5` | 0 – 20 | قوة الالتزام بالموجّه لاختيار الصورة، معبَّر عنها بصيغة CFG (Classifier Free Guidance). |
| `real_cfg_scale` |  | number | no | `3.5` | 0 – 5 | قوة الالتزام بالموجّه لاختيار الصورة، معبَّر عنها بصيغة CFG (Classifier Free Guidance). |
| `use_real_cfg` |  | boolean | no | `false` |  | مفتاح CFG التقليدي، يُفعّل تلقائيًا مع XLabs IP-Adapter v1. يطابق سلوك التوجيه سلوك نماذج مثل SD1.5 وSDXL. |
| `use_cfg_zero` |  | boolean | no | `false` |  | يُمكّن أخذ عينات التهيئة CFG-zero، الموضح في https://arxiv.org/abs/2503.18886. |
| `num_images` | `num_outputs` | integer | no | `1` | 1 – 10 | حدد عدد الصور المراد توليدها؛ يثبت هذا الاختيار عند 1 عندما يكون المخرج متدفقًا. |
| `enable_safety_checker` |  | boolean | no | `true` |  | فحص السلامة، الذي يعيد صورًا سوداء بدلًا من أي صور مصنفة على أنها غير آمنة. تُمكّن القيمة true الفحص؛ وتعطله false للحسابات المخولة فقط، بينما تُفحص الطلبات من دون تخويل على أي حال. |
| `reference_image_url` |  | string (image URL) | no |  |  | عنوان URL للصورة المستخدمة في التوجيه المرجعي فقط. |
| `reference_strength` |  | number | no | `0.65` | -3 – 3 | تأثير الصورة المرجعية أثناء توليد reference_only؛ دون تقديم صورة مرجعية، لا يؤثر إعداد القوة هذا. |
| `reference_start` |  | number | no | `0` | 0 – 1 | نقطة بدء التوجيه المرجعي، معبّرًا عنها كنسبة مئوية من جميع الخطوات الزمنية. |
| `reference_end` |  | number | no | `1` | 0 – 1 | نقطة انتهاء التوجيه المرجعي، معبّرًا عنها كنسبة مئوية من جميع الخطوات الزمنية. |
| `base_shift` |  | number | no | `0.5` | 0.01 – 5 | الإزاحة الأساسية المطبقة على الخطوات الزمنية المجدولة. |
| `max_shift` |  | number | no | `1.15` | 0.01 – 5 | الحد الأقصى للإزاحة المطبقة على الخطوات الزمنية المجدولة. |
| `output_format` |  | enum (string) | no | `png` | `jpeg`, `png` | تنسيق ملف الصورة الناتجة. |
| `use_beta_schedule` |  | boolean | no | `false` |  | يتحكم في استخدام قيم سيغما التجريبية. |
| `sigma_schedule` |  | string \| null | no |  |  | جدول سيغما المستخدم أثناء إزالة الضوضاء. |
| `scheduler` |  | enum (string) | no | `euler` | `euler`, `dpmpp_2m` | المجدول المستخدم أثناء إزالة الضوضاء. |
| `negative_prompt` |  | string | no | `` |  | موجّه سلبي تعالجه NAG افتراضيًا لتثبيط السمات غير المرغوبة المحددة في الصور المولدة. |
| `nag_scale` |  | number | no | `3` | ≤ 10, > 1 | تجنب الموجّه السلبي المتحكم فيه بمقياس NAG؛ تؤدي زيادته إلى جعل الصورة المولدة أقل شبهًا بالوصف السلبي. |
| `nag_tau` |  | number | no | `2.5` | > 0 | إعداد NAG tau لتطبيع الحالة المخفية؛ يُنصح بتركه دون تغيير. تؤدي زيادته إلى إضعاف التطبيع والمخاطرة بانحرافات غير متوقعة عن الصورة الأصلية. |
| `nag_alpha` |  | number | no | `0.25` | ≤ 1, > 0 | يحدد NAG alpha مقدار إعادة توجيه الموجّه الإيجابي للتوجيه المطبع الذي يجمع بين الموجّهين الإيجابي والسلبي. يمنح هذا الترجيح النهائي الموجّه الإيجابي تأثيرًا أكبر عند الإعدادات المنخفضة ويقلل إعادة التوجيه عند الإعدادات المرتفعة. |
| `nag_end` |  | number | no | `0.25` | ≤ 1, > 0 | نقطة قطع NAG معبّرًا عنها كنسبة من خطوات التوليد. تتولى معالجات الانتباه الأصلية في FLUX المهمة بعد تشغيل NAG لهذه النسبة الأولية. |

File parameters (`reference_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.com/v1/run/flux-general?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.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"
```

### JavaScript

```javascript
const API = "https://api.doitong.com/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?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.com/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/flux-general", 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.com/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",
      "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": "flux-general",
  "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": {
    "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",
        "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.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `images` | array of object {url, width, height, content_type} | معلومات الملفات الخاصة بالصور المولّدة. |
| `timings` | object |  |
| `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. |
| `prompt` | string | الموجّه المستخدم أثناء توليد الصورة. |

## Related models

- [FLUX.1 \[dev\] with Controlnets and Loras · Differential Diffusion](https://doitong.com/developers/models/flux-general/differential-diffusion.md) (`flux-general/differential-diffusion`): $0.138 / 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 \[dev\]](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

## Links

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