# Stable Diffusion v1.5 API

> LoRA ও এম্বেডিং সমর্থনসহ ক্লাসিক Stable Diffusion 1.5 টেক্সট-টু-ইমেজ, প্রতি কলে সর্বোচ্চ 8টি ছবি

একটি `prompt` এবং ঐচ্ছিক `negative_prompt` থেকে ছবি তৈরি করে। এটি `loras` এবং `embeddings` তালিকা গ্রহণ করে এবং ছয়টি প্রিসেট `image_size` মান সমর্থন করে। `num_inference_steps` সর্বোচ্চ 50 এবং `guidance_scale` 0 থেকে 20 পর্যন্ত হতে পারে। `num_images` 1 থেকে 8টি ছবি গ্রহণ করে, আর `format` jpeg অথবা png হতে পারে।

- Model id: `stable-diffusion-v15`
- Made by: Stability AI
- Category: Text to Image
- Output: image
- Estimated price per run: $0.004 / image (cheapest run $0.004 (4 API credits))
- Run: `POST https://api.doitong.com/v1/run/stable-diffusion-v15`
- Quote: `POST https://api.doitong.com/v1/quote/stable-diffusion-v15`
- Docs page: https://doitong.com/bn/developers/models/stable-diffusion-v15

## Pricing

Price: **$0.004 / 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 $0.004 = 4 API credits (1 image × 4 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/stable-diffusion-v15` 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 |  |  | আপনি যে ছবি জেনারেট করতে চান তা যতটা সম্ভব বিস্তারিতভাবে বর্ণনা করুন, যাতে সেরা ফলাফল পাওয়া যায়। |
| `negative_prompt` |  | string | no | `` |  | 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। |
| `image_size` |  | object {height, width} \| enum (string) | no | `square` | `square_hd`, `square`, `portrait_4_3`, `portrait_16_9`, `landscape_4_3`, `landscape_16_9` | জেনারেট করা ছবির মাত্রা। |
| `num_inference_steps` |  | integer | no | `25` | 1 – 50 | চালানোর জন্য inference ধাপের সংখ্যা। |
| `seed` |  | integer \| null | no |  |  | Stable Diffusion-এ ছবি পুনরুৎপাদনের seed। মডেলের সংস্করণ, প্রম্পট এবং seed অপরিবর্তিত রাখলে প্রতিবার ছবি হুবহু পুনরুৎপাদন করা যায়। |
| `guidance_scale` |  | number | no | `7.5` | 0 – 20 | ছবি নির্বাচনের জন্য প্রম্পট-অনুসরণের শক্তি, CFG (Classifier Free Guidance) হিসেবে প্রকাশ করা। |
| `num_images` | `num_outputs` | integer | no | `1` | 1 – 8 | জেনারেশনের জন্য অনুরোধ করা ছবির সংখ্যা। |
| `loras` |  | array of object {force, path, scale} | no | `[]` |  | ব্যবহারের জন্য নির্বাচিত LoRA weights, একটি list হিসেবে দেওয়া হয়। |
| `loras[].force` |  | boolean | no | `false` |  | embedding ব্যবহার বাধ্যতামূলক কি না: true সেট করলে এটি বাধ্যতামূলক হয়। |
| `loras[].path` |  | string | yes |  |  | 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[].scale` |  | number | no | `1` | 0 – 1 | বেস মডেলে মার্জ করার আগে LoRA-এর ওজনে প্রয়োগ করা গুণক। |
| `embeddings` |  | array of object {path, tokens} | no | `[]` |  | ব্যবহারের জন্য নির্বাচিত embeddings, একটি list হিসেবে দেওয়া হয়। |
| `embeddings[].path` |  | string | yes |  |  | URL বা ফাইল path দ্বারা নির্দিষ্ট embedding weights। |
| `embeddings[].tokens` |  | array of string \| null | no |  |  | Embedding টোকেন list; বাদ দিলে স্বয়ংক্রিয় নামকরণ উপলভ্য: embedding ফাইলের প্রতিটি vector <s0>, <s1>, ... ক্রম থেকে একটি টোকেন পায়। |
| `enable_safety_checker` |  | boolean | no | `true` |  | নিরাপত্তা পরীক্ষক সক্রিয়করণ; true পরীক্ষা সক্ষম করে। |
| `safety_checker_version` |  | enum (string) | no | `v1` | `v1`, `v2` | কাস্টম ViT safety checker (`v2`) এবং CompVis checker (`v1`, ডিফল্ট)-এর মধ্যে নির্বাচন করুন। |
| `expand_prompt` |  | boolean | no | `false` |  | অতিরিক্ত প্রম্পটসহ প্রম্পট expansion, true হলে সক্রিয়। |
| `format` |  | enum (string) | no | `jpeg` | `jpeg`, `png` | ফলাফল ছবির ফাইল ফরম্যাট। |
| `request_id` |  | string | no | `` |  | যে রিকোয়েস্ট থেকে response তৈরি হয়েছে, তার সঙ্গে response মিলিয়ে দেখার জন্য রিকোয়েস্ট identifier। |

## 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/stable-diffusion-v15?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/stable-diffusion-v15?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/stable-diffusion-v15", 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": "stable-diffusion-v15",
      "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": "stable-diffusion-v15",
  "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": 4,
    "usd": "0.004",
    "charged": 4,
    "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} | জেনারেট করা ছবিগুলোর ফাইল তথ্য। |
| `timings` | object |  |
| `seed` | integer | ছবি-জেনারেশনের সিড, যার মধ্যে ইনপুটে সিড না থাকলে এলোমেলোভাবে নির্বাচিত মানটিও অন্তর্ভুক্ত; অন্যথায় প্রদত্ত মানটি পুনরাবৃত্তি করে। |
| `has_nsfw_concepts` | array of boolean | জেনারেট করা ছবিতে NSFW ধারণা রয়েছে কি না নির্দেশ করে। |
| `prompt` | string | ছবি জেনারেশনের সময় ব্যবহৃত প্রম্পট। |

## Related models

- [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
- [GPT Image 2.5 Text to Image](https://doitong.com/developers/models/openai/gpt-image-2.5/flare/text-to-image.md) (`openai/gpt-image-2.5/flare/text-to-image`): from $0.008 / image
- [Ideogram V4.5](https://doitong.com/developers/models/ideogram/v4.5.md) (`ideogram/v4.5`): from $0.03 / image
- [Nano Banana 2](https://doitong.com/developers/models/nano-banana-2.md) (`nano-banana-2`): from $0.06 / image
- [Nano Banana Pro](https://doitong.com/developers/models/nano-banana-pro.md) (`nano-banana-pro`): from $0.15 / image

## Links

- HTML page: https://doitong.com/developers/models/stable-diffusion-v15
- 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=stable-diffusion-v15
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/stable-diffusion-v15