ControlNet SDXL

ইন্টিগ্রেট করুন

মডেল id fast-sdxl-controlnet-canny

# 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/fast-sdxl-controlnet-canny?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",
    "control_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.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

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/fast-sdxl-controlnet-canny?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",
    "control_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 + ")");

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",
    "control_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/fast-sdxl-controlnet-canny", 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/bn/developers/docs/mcp)
claude mcp add --transport http doitong-models https://api.doitong.com/v1/mcp \
  --header "Authorization: Bearer $DOITONG_API_KEY"

# 2. Your agent calls the "run" tool with:
{
  "model_id": "fast-sdxl-controlnet-canny",
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "control_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  }
}

Doitong API-এর মাধ্যমে ControlNet SDXL মডেল (fast-sdxl-controlnet-canny) কল করুন। এজেন্টদের জন্য ডকুমেন্টেশন: https://doitong.com/bn/developers/models/fast-sdxl-controlnet-canny.md

POST https://api.doitong.com/v1/run/fast-sdxl-controlnet-canny?wait=20
Authorization: Bearer $DOITONG_API_KEY
Content-Type: application/json

{
  "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
  "control_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
}

রেসপন্সের স্ট্যাটাস যদি "queued" বা "running" হয়, তাহলে এটি "succeeded" না হওয়া পর্যন্ত GET https://api.doitong.com/v1/requests/REQUEST_ID?wait=20 পোল করুন; ফাইলগুলো outputs[].url-এ থাকে। রান করার আগেই সঠিক মূল্য জানতে একই বডি দিয়ে POST https://api.doitong.com/v1/quote/fast-sdxl-controlnet-canny করুন।

এই অনুরোধ: ≈০.০১৫$ ১৫ API ক্রেডিট এই পেজে চালান

API কী পান

Stability AI টেক্সট থেকে ছবি দ্রুত #diffusion#controlnet#manipulation

কম্পোজিশন-লকড জেনারেশনের জন্য কন্ট্রোল ছবি দ্বারা নির্দেশিত SDXL টেক্সট-টু-ইমেজ

OpenAPI Markdown

Stability AI · ছবি

আপনার প্রথম ফলাফল এখানে আসবে

নিচে একটি রিকোয়েস্ট তৈরি করে আপনার API কী দিয়ে চালান। আউটপুট আমাদের স্টোরেজে কপি করা হয়, চিরকাল বা বিনামূল্যে ৭ দিন পর্যন্ত রাখা হয়।

একটি অনুরোধ তৈরি করুন

প্রতি রানে আনুমানিক মূল্য

আনুমানিক মূল্য

০.০১৫$প্রতি রান

১৫ API ক্রেডিট

প্রতি রানে নির্ধারিত মূল্য, শুধু সফল হলে চার্জ করা হয়।

চালান · ০.০১৫$

শুধু সফল হলে চার্জ করা হয়, ব্যর্থ হলে স্বয়ংক্রিয়ভাবে ফেরত দেওয়া হয়।

num_outputs ডিফল্ট 1

একটি সাধারণ রানের খরচের ভিত্তিতে আনুমানিক হিসাব। কোটে রানটির প্রকৃত চার্জই দেখানো হয়।

কোট এন্ডপয়েন্ট: POST /quote/{id}

একটি অনুরোধ তৈরি করুন

মডেল স্কিমা থেকে কন্ট্রোল তৈরি করা হয়। এগুলো পরিবর্তন করলে কোড ও মূল্য আপডেট হয়।

prompt •আবশ্যক

আপনি যে ছবি জেনারেট করতে চান তা যতটা সম্ভব বিস্তারিতভাবে বর্ণনা করুন, যাতে সেরা ফলাফল পাওয়া যায়।

control_image_url •আবশ্যক

একটি ফাইল ড্রপ করুন, অথবা

কন্ট্রোল ছবির দিকে নির্দেশ করা URL।

image_size

আউটপুটের মাত্রা; size না দিলে কন্ট্রোল ছবির ভিত্তিতে স্বয়ংক্রিয়ভাবে নির্ধারিত হয়।

num_outputs num_images ডিফল্ট 1

জেনারেশনের জন্য অনুরোধ করা ছবির সংখ্যা।

অ্যাডভান্সড negative_prompt · safety_checker_version · format · request_id · controlnet_conditioning_scale · num_inference_steps · guidance_scale · seed · enable_safety_checker · expand_prompt · loras · embeddings

negative_prompt ডিফল্ট

বাদ দিতে হবে এমন ছবির বিবরণ নির্দিষ্ট করা নেগেটিভ প্রম্পট, যার মধ্যে রং, বস্তু, দৃশ্য বা সূক্ষ্ম বৈশিষ্ট্য অন্তর্ভুক্ত থাকতে পারে। উদাহরণ হিসেবে গোঁফ, ব্লার বা কম রেজোলিউশন উল্লেখ করা যায়।

safety_checker_version ডিফল্ট v1

কাস্টম ViT safety checker (`v2`) এবং CompVis checker (`v1`, ডিফল্ট)-এর মধ্যে নির্বাচন করুন।

format ডিফল্ট jpeg

ফলাফল ছবির ফাইল ফরম্যাট।

request_id ডিফল্ট

যে রিকোয়েস্ট থেকে response তৈরি হয়েছে, তার সঙ্গে response মিলিয়ে দেখার জন্য রিকোয়েস্ট identifier।

controlnet_conditioning_scale ডিফল্ট 0.5

ControlNet-এর মাধ্যমে প্রয়োগ করা কন্ডিশনিংয়ের শক্তি।

num_inference_steps ডিফল্ট 35

চালানোর জন্য inference ধাপের সংখ্যা।

guidance_scale ডিফল্ট 7.5

ছবি নির্বাচনের জন্য প্রম্পট-অনুসরণের শক্তি, CFG (Classifier Free Guidance) হিসেবে প্রকাশ করা।

seed

Stable Diffusion-এ ছবি পুনরুৎপাদনের seed। মডেলের সংস্করণ, প্রম্পট এবং seed অপরিবর্তিত রাখলে প্রতিবার ছবি হুবহু পুনরুৎপাদন করা যায়।

loras ডিফল্ট []

ব্যবহারের জন্য নির্বাচিত LoRA weights, একটি list হিসেবে দেওয়া হয়।

embeddings ডিফল্ট []

ব্যবহারের জন্য নির্বাচিত embeddings, একটি list হিসেবে দেওয়া হয়।

POST /run/fast-sdxl-controlnet-canny?wait=20 মূল্য → ০.০১৫$

# 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/fast-sdxl-controlnet-canny?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",
    "control_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.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

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/fast-sdxl-controlnet-canny?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",
    "control_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 + ")");

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",
    "control_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/fast-sdxl-controlnet-canny", 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": "fast-sdxl-controlnet-canny",
      "input": {
        "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
        "control_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
      },
      "wait_seconds": 20
    }
  }
}

এই অনুরোধ চালান

API কী

আপনার key এই ব্রাউজারেই থাকে: এটি শুধু Doitong API-তে পাঠানো হয় এবং Remember টিক দিলে কেবল localStorage-এ সংরক্ষিত হয়। এই ব্রাউজারে মনে রাখুন একটি API কী পান

ControlNet SDXL সম্পর্কে

`prompt` এবং লেআউট নিয়ন্ত্রণকারী প্রয়োজনীয় `control_image_url` থেকে ছবি তৈরি করে। `controlnet_conditioning_scale` 0 থেকে 1 পর্যন্ত চলে (ডিফল্ট 0.5)। `image_size` সেট না করলে আউটপুটের আকার কন্ট্রোল ছবি থেকে নির্ধারিত হয়। প্রতি কল-এ সর্বোচ্চ 8টি ছবি, সর্বোচ্চ 70টি ধাপ, LoRA এবং এম্বেডিং সমর্থন করে।

প্যারামিটার

ক্যানোনিকাল নাম অথবা নেটিভ নাম—দুটো একসঙ্গে নয়—পাঠান। ক্যানোনিকাল নামগুলো

নামধরন ডিফল্টঅনুমোদিত বিবরণ

promptআবশ্যক

ধরনstring

control_image_urlআবশ্যক

ধরনurl · image

কন্ট্রোল ছবির দিকে নির্দেশ করা URL।

controlnet_conditioning_scaleঐচ্ছিক

ধরনnumber

ডিফল্ট0.5

০ – ১

ControlNet-এর মাধ্যমে প্রয়োগ করা কন্ডিশনিংয়ের শক্তি।

negative_promptঐচ্ছিক

ধরনstring

ডিফল্ট

image_sizeঐচ্ছিক

ধরনobject

square_hdsquareportrait_4_3portrait_16_9landscape_4_3landscape_16_9

num_inference_stepsঐচ্ছিক

ধরনinteger

ডিফল্ট35

১ – ৭০

চালানোর জন্য inference ধাপের সংখ্যা।

seedঐচ্ছিক

ধরনinteger | null

guidance_scaleঐচ্ছিক

ধরনnumber

ডিফল্ট7.5

০ – ২০

ছবি নির্বাচনের জন্য প্রম্পট-অনুসরণের শক্তি, CFG (Classifier Free Guidance) হিসেবে প্রকাশ করা।

num_imagesঐচ্ছিক num_outputs

ধরনinteger

ডিফল্ট1

১ – ৮

জেনারেশনের জন্য অনুরোধ করা ছবির সংখ্যা।

lorasঐচ্ছিক

ধরনobject[]

ডিফল্ট[]

ব্যবহারের জন্য নির্বাচিত LoRA weights, একটি list হিসেবে দেওয়া হয়।

loras[].forceঐচ্ছিক

ধরনboolean

ডিফল্টfalse

embedding ব্যবহার বাধ্যতামূলক কি না: true সেট করলে এটি বাধ্যতামূলক হয়।

loras[].pathআবশ্যক

ধরনstring

LoRA weight-এর উৎস, যা safetensors weights-এ resolve হওয়া HF মডেল identifier অথবা URL বা path-এর মাধ্যমে নির্দিষ্ট safetensors ফাইল হিসেবে দেওয়া হয়।

loras[].scaleঐচ্ছিক

ধরনnumber

ডিফল্ট1

০ – ১

বেস মডেলে মার্জ করার আগে LoRA-এর ওজনে প্রয়োগ করা গুণক।

embeddingsঐচ্ছিক

ধরনobject[]

ডিফল্ট[]

ব্যবহারের জন্য নির্বাচিত embeddings, একটি list হিসেবে দেওয়া হয়।

embeddings[].pathআবশ্যক

ধরনstring

URL বা ফাইল path দ্বারা নির্দিষ্ট embedding weights।

embeddings[].tokensঐচ্ছিক

ধরনstring[]

Embedding টোকেন list; বাদ দিলে স্বয়ংক্রিয় নামকরণ উপলভ্য: embedding ফাইলের প্রতিটি vector <s0>, <s1>, ... ক্রম থেকে একটি টোকেন পায়।

enable_safety_checkerঐচ্ছিক

ধরনboolean

ডিফল্টtrue

নিরাপত্তা পরীক্ষক সক্রিয়করণ; true পরীক্ষা সক্ষম করে।

safety_checker_versionঐচ্ছিক

ধরনenum

ডিফল্টv1

v1v2

কাস্টম ViT safety checker (`v2`) এবং CompVis checker (`v1`, ডিফল্ট)-এর মধ্যে নির্বাচন করুন।

expand_promptঐচ্ছিক

ধরনboolean

ডিফল্টfalse

অতিরিক্ত প্রম্পটসহ প্রম্পট expansion, true হলে সক্রিয়।

formatঐচ্ছিক

ধরনenum

ডিফল্টjpeg

jpegpng

ফলাফল ছবির ফাইল ফরম্যাট।

request_idঐচ্ছিক

ধরনstring

ডিফল্ট

আবশ্যক ক্যানোনিকাল নাম, এটিও গ্রহণযোগ্য

ফাইল প্যারামিটার হিসেবে একটি পাবলিক https:// URL, 10 MB পর্যন্ত একটি data: URI, অথবা আপলোডের file_url গ্রহণ করা হয়। ফাইল

আউটপুট

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t

{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "fast-sdxl-controlnet-canny",
  "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": 15,
    "usd": "0.015",
    "charged": 15,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "control_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.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}

আপনার ফাইল, আপনার পছন্দপ্রতিটি outputs[].url আমাদের স্টোরেজে একটি কপি: চিরকাল রাখা হয় (প্রতি GB-মাস অনুযায়ী অর্থপ্রদত্ত) অথবা অ্যাকাউন্ট সেটিংস বা ?storage= অনুযায়ী বিনামূল্যে ৭ দিন পর্যন্ত।

প্রতিটি মডেলে একই গঠনছবি, ভিডিও এবং অডিও—সব ক্ষেত্রেই type, url, content_type, width, height এবং duration। output হলো মডেলের নিজস্ব ফলাফল অবজেক্ট।

আউটপুটের ফিল্ড

images: array of object {url, width, height, content_type}জেনারেট করা ছবিগুলোর ফাইল তথ্য।
timings: object
seed: integerছবি-জেনারেশনের সিড, যার মধ্যে ইনপুটে সিড না থাকলে এলোমেলোভাবে নির্বাচিত মানটিও অন্তর্ভুক্ত; অন্যথায় প্রদত্ত মানটি পুনরাবৃত্তি করে।
has_nsfw_concepts: array of booleanজেনারেট করা ছবিতে NSFW ধারণা রয়েছে কি না নির্দেশ করে।
prompt: stringছবি জেনারেশনের সময় ব্যবহৃত প্রম্পট।

আরও মডেল: টেক্সট থেকে ছবি

AI এজেন্টদের জন্য: এই পৃষ্ঠাটি Markdown হিসেবে এখানে আছে https://doitong.com/bn/developers/models/fast-sdxl-controlnet-canny.md. সব মডেল ও গাইড: https://doitong.com/developers/llms.txt

আপনার প্রথম ফলাফল এখানে আসবে

একটি অনুরোধ তৈরি করুন

এই অনুরোধ চালান

ControlNet SDXL সম্পর্কে

প্যারামিটার

আউটপুট

অন্যান্য ControlNet SDXL ভ্যারিয়েন্ট

ControlNet SDXL · Image to Image ভ্যারিয়েন্ট: 3

ControlNet SDXL · Inpainting ভ্যারিয়েন্ট: 3

আরও মডেল: টেক্সট থেকে ছবি

FLUX.1 [dev] ভ্যারিয়েন্ট: 5

FLUX.1 [schnell] ভ্যারিয়েন্ট: 5

FLUX.2 [dev] ভ্যারিয়েন্ট: 11

FLUX.2 [pro] ভ্যারিয়েন্ট: 11