# Stable Diffusion with LoRAs · Inpaint API

> Inpainting s vybraným základním modelem Stable Diffusion a LoRAs řízený černobílou maskou

Upravuje části obrázku pomocí `image_url` a černobílého `mask_url` s modelem Stable Diffusion nastaveným v `model_name`. `noise_strength` má rozsah 0 až 1. Podporuje sloučené LoRAs, embeddings, ControlNets, IP adapters a několik schedulerů s 1 až 150 kroky. Výstup je png nebo jpeg.

- Model id: `lora/inpaint`
- Made by: Open model
- Category: Image Editing
- Output: image
- Estimated price per run: $0.184 / image (cheapest run $0.184 (184 API credits))
- Run: `POST https://api.doitong.com/v1/run/lora/inpaint`
- Quote: `POST https://api.doitong.com/v1/quote/lora/inpaint`
- Docs page: https://doitong.com/cs/developers/models/lora/inpaint

## Pricing

Price: **$0.184 / 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 $0.184 = 184 API credits (1 image × 184 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/lora/inpaint` 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 |
|---|---|---|---|---|---|---|
| `model_name` |  | string | yes |  |  | Základní model pro generování obrázku, identifikovaný URL nebo ID HuggingFace. |
| `unet_name` |  | string \| null | no |  |  | Vlastní výběr U-Netu pro generování obrázků; zadejte jeho ID HuggingFace nebo URL. |
| `variant` |  | string \| null | no |  |  | Výběr varianty modelu HuggingFace; 'fp16' je jeden z příkladů. |
| `prompt` |  | string | yes |  |  | Popište obrázek, který chcete vygenerovat; pro nejlepší výsledky uveďte co nejvíce detailů. |
| `negative_prompt` |  | string | no | `` |  | Negativní prompt určující nežádoucí detaily obrázku. Může vyloučit barvy, objekty, scenérii nebo jemnější prvky a vlastnosti, například knír, rozmazání nebo nízké rozlišení. |
| `prompt_weighting` |  | boolean | no | `false` |  | Přepínač vážení promptu: true odstraňuje limit 77 tokenů pomocí průměrování embeddingů a povoluje syntaxi vážení. |
| `image_url` | `image` | string (image URL) \| null | no |  |  | URL zdrojového obrázku pro generování obrázku z obrázku nebo inpainting. |
| `mask_url` | `mask` | string (image URL) \| null | no |  |  | URL masky pro inpainting odkazující na černobílý obrázek. |
| `noise_strength` |  | number | no | `0.5` | ≤ 1, > 0 | Řídí přidaný šum obrázku na škále, kde 1.0 znamená úplný šum a hodnoty blízko 0 minimální šum. Platí pouze při zadání image_url. |
| `loras` |  | array of object {path, scale} | no | `[]` |  | LoRA, jejichž kombinovaný účinek vytváří generovaný obrázek, bez omezení jejich počtu. |
| `loras[].path` |  | string | yes |  |  | Umístění vah LoRA zadané jako URL nebo cesta. |
| `loras[].scale` |  | number | no | `1` | 0 – 4 | Násobitel použitý pro váhu LoRA před jejím sloučením se základním modelem. |
| `embeddings` |  | array of object {path, tokens} | no | `[]` |  | Embeddingy použité během generování obrázku k mapování tokenů promptu na váhy embeddingů. Aktuálně je podporován pouze jeden embedding. |
| `embeddings[].path` |  | string | yes |  |  | Váhy embeddingu určené URL nebo cestou k souboru. |
| `embeddings[].tokens` |  | array of string \| null | no |  |  | Tokeny promptu namapované na váhy embeddingů. Jejich vynechání vytvoří jeden token pro každý vektor souboru embeddingu s názvy <s0>, <s1>, ...; namapované tokeny používejte v promptech. |
| `controlnets` |  | array of object {path, config_url, variant, image_url, mask_url, conditioning_scale, start_percentage, end_percentage, ip_adapter_index} | no | `[]` |  | Control nety naplánované k použití na obrázek v určených časových krocích během generování, bez omezení jejich počtu. |
| `controlnets[].path` |  | string | yes |  |  | Umístění vah ControlNet zadané jako URL nebo cesta. |
| `controlnets[].config_url` |  | string \| null | no |  |  | Volitelné URL odkazující na soubor config.json ControlNetu. |
| `controlnets[].variant` |  | string \| null | no |  |  | Volitelná varianta pro použití s klíčem repozitáře Hugging Face. |
| `controlnets[].image_url` |  | string (image URL) | yes |  |  | URL obrázku zadaná jako vstup ControlNetu. |
| `controlnets[].mask_url` |  | string (image URL) \| null | no |  |  | Maska ControlNetu, která musí mít při zadání stejnou velikost jako řídicí obrázek; šířka i výška musí být dělitelné 32. |
| `controlnets[].conditioning_scale` |  | number | no | `1` | 0 – 2 | Škálování použité na váhy ControlNet před jejich sloučením do základního modelu. |
| `controlnets[].start_percentage` |  | number | no | `0` | 0 – 1 | Procento celkových časových kroků, při kterém ControlNet začne ovlivňovat generování obrázku. |
| `controlnets[].end_percentage` |  | number | no | `1` | 0 – 1 | Procento celkových časových kroků, při kterém ControlNet přestane ovlivňovat generování obrázku. |
| `controlnets[].ip_adapter_index` |  | integer \| null | no |  |  | Výběr IP adaptéru podle indexu pro ControlNet InstantID; ostatní ControlNety toto nastavení nepotřebují. |
| `controlnet_guess_mode` |  | boolean | no | `false` |  | Při hodnotě true omezuje použití ControlNetu na podmíněné predikce. |
| `ip_adapter` |  | array of object {ip_adapter_image_url, ip_adapter_mask_url, path, model_subfolder, weight_name, insight_face_model_path, scale, scale_json, unconditional_noising_factor, image_projection_shortcut} | no | `[]` |  | IP adaptéry použité ke generování obrázků. Zadání libovolných položek vyžaduje image_encoder_path. |
| `ip_adapter[].ip_adapter_image_url` |  | string (image URL) \| array of image URL | yes |  |  | URL obrázku zadaná jako vstup IP adaptéru. |
| `ip_adapter[].ip_adapter_mask_url` |  | string (image URL) \| null | no |  |  | Maska IP adaptéru, na kterou se při zadání vztahuje omezení velikosti: její rozměry musí odpovídat rozměrům obrázku adaptéru. |
| `ip_adapter[].path` |  | string | yes |  |  | Umístění vah IP adaptéru zadané jako URL nebo cesta. |
| `ip_adapter[].model_subfolder` |  | string \| null | no |  |  | Umístění vah IP adaptéru zadané jako podsložka v adresáři modelu. |
| `ip_adapter[].weight_name` |  | string \| null | no |  |  | Název souboru vah. |
| `ip_adapter[].insight_face_model_path` |  | string \| null | no |  |  | Umístění vah modelu InsightFace zadané jako URL nebo cesta. |
| `ip_adapter[].scale` |  | number | no | `1` | ≥ 0 | Měřítko vah IP adaptéru použité před jejich sloučením do základního modelu. |
| `ip_adapter[].scale_json` |  | object \| null | no |  |  | Měřítko vah IP adaptéru použité před jejich sloučením do základního modelu. |
| `ip_adapter[].unconditional_noising_factor` |  | number | no | `0` | 0 – 1 | Faktor řídící bezpodmíněné zašumění IP adaptéru. |
| `ip_adapter[].image_projection_shortcut` |  | boolean | no | `true` |  | Nastavení zkratky projekce obrázku s výchozí hodnotou True. Pro modely FaceID plus V1 použijte False a pro modely FaceID plus V2 True. |
| `image_encoder_path` |  | string \| null | no |  |  | Kodér obrázku zadaný pomocí HTTPS URL nebo ID Hugging Face; kompatibilita je určena vahami IP-Adapteru: SD1.5 používá image_encoder_subfolder='models/image_encoder', zatímco h94/IP-Adapter SDXL používá h94/IP-Adapter a image_encoder_subfolder='sdxl_models/image_encoder'. Kodér je vyžadován vždy, když ip_adapter obsahuje hodnotu. |
| `image_encoder_subfolder` |  | string \| null | no |  |  | Podadresář v image_encoder_path obsahující váhy kodéru obrázku. |
| `image_encoder_weight_name` |  | string \| null | no | `pytorch_model.bin` |  | Výběr vah kodéru obrázku podle názvu pro použití při generování obrázků. |
| `ic_light_model_url` |  | string \| null | no |  |  | URL modelu IC Light použitého při generování obrázků. |
| `ic_light_model_background_image_url` |  | string (image URL) \| null | no |  |  | Pozadí kompatibilní s modelem pro generování obrázků IC Light, zadané jako URL obrázku. |
| `ic_light_image_url` |  | string (image URL) \| null | no |  |  | URL vstupního obrázku pro generování pomocí modelu IC Light. |
| `seed` |  | integer \| null | no |  |  | Seed pro reprodukci obrázků ve Stable Diffusion. Obrázek lze při každém spuštění přesně reprodukovat, pokud zůstanou beze změny verze modelu, prompt a seed. |
| `num_inference_steps` |  | integer | no | `30` | 1 – 150 | Určuje, kolik kroků generování provede Stable Diffusion; další kroky mohou vést k detailnějšímu výslednému obrázku. |
| `guidance_scale` |  | number | no | `7.5` | 0 – 20 | Síla dodržení promptu při výběru obrázku vyjádřená jako CFG (Classifier Free Guidance). |
| `clip_skip` |  | integer | no | `0` | 0 – 2 | Přeskočí část generování obrázku pro rychlejší vykreslení a vytváří mírně odlišné výsledky. |
| `scheduler` |  | enum (string) \| null | no |  | `DPM++ 2M`, `DPM++ 2M Karras`, `DPM++ 2M SDE`, `DPM++ 2M SDE Karras`, `Euler`, `Euler A`, `Euler (trailing timesteps)`, `LCM`, `LCM (trailing timesteps)`, `DDIM`, `TCD` | Plánovač nebo vzorkovač použitý k odšumění obrázku. |
| `timesteps` |  | object {method, array} | no | `{"array":[],"method":"default"}` |  | Přepsání plánu časových kroků odšumování, vzájemně se vylučuje se sigmas. Bez přepsání — což je výchozí stav — plánovač vypočítá časové kroky z num_inference_steps; vlastní plán činí num_inference_steps irelevantním. Přepsání vyžaduje podporu argumentu timesteps v plánovači pro set_timesteps. |
| `timesteps.method` |  | enum (string) | no | `default` | `default`, `array` | Zvolte způsob určení časových kroků: 'default', výchozí nastavení, umožní plánovači použít `num_inference_steps`. Chcete-li zadat vlastní plán, vyberte 'array' a vložte jej do pole `array`. |
| `timesteps.array` |  | array of integer | no | `[]` |  | Plán časových kroků použitý, když je vybraná metoda 'custom'. |
| `sigmas` |  | object {method, array} | no | `{"array":[],"method":"default"}` |  | Přepsání plánu sigmat odšumování, vzájemně se vylučuje s timesteps. Bez přepsání — což je výchozí stav — plánovač vypočítá sigmata z num_inference_steps; vlastní plán činí num_inference_steps irelevantním. Přepsání vyžaduje podporu argumentu sigmas v plánovači pro set_sigmas. |
| `sigmas.method` |  | enum (string) | no | `default` | `default`, `array` | Zvolte způsob určení sigmat: 'default', výchozí nastavení, používá vlastní hodnoty sigma plánovače. Chcete-li zadat vlastní plán sigma, vyberte 'custom' a vložte jej do pole `array`. |
| `sigmas.array` |  | array of number | no | `[]` |  | Plán sigma použitý, když je vybraná metoda 'custom'. |
| `prediction_type` |  | enum (string) | no | `epsilon` | `v_prediction`, `epsilon` | Zvolte typ predikce pro generování obrázků; pokud není vybrána jiná možnost, použije se `epsilon`. |
| `rescale_betas_snr_zero` |  | boolean | no | `false` |  | Určuje, zda sampler povolí rescale_betas_snr_zero. |
| `image_format` |  | enum (string) | no | `png` | `jpeg`, `png` | Formát souboru výsledného obrázku. |
| `num_images` | `num_outputs` | integer | no | `1` | 1 – 8 | Nastavte počet obrázků vytvořených jedním požadavkem; větší dávka vyžaduje více času na generování. |
| `enable_safety_checker` |  | boolean | no | `false` |  | Aktivace bezpečnostní kontroly; true kontrolu povolí. |
| `tile_width` |  | integer | no | `4096` | 128 – 4,096 | Nastavte velikost jednotlivých dlaždic během generování obrázku. |
| `tile_height` |  | integer | no | `4096` | 128 – 4,096 | Nastavte velikost jednotlivých dlaždic během generování obrázku. |
| `tile_stride_width` |  | integer | no | `2048` | 64 – 2,048 | Nastavte rozestup mezi po sobě jdoucími pozicemi dlaždic během generování obrázku. |
| `tile_stride_height` |  | integer | no | `2048` | 64 – 2,048 | Nastavte rozestup mezi po sobě jdoucími pozicemi dlaždic během generování obrázku. |
| `eta` |  | number | no | `0` | 0 – 1 | Nastavení Eta použité při generování obrázků. |
| `debug_latents` |  | boolean | no | `false` |  | Při hodnotě true uloží latenty pro ladění. |
| `debug_per_pass_latents` |  | boolean | no | `false` |  | Povolte ladění jednotlivých průchodů nastavením této hodnoty na true; uloží se latenty z každého průchodu. |

File parameters (`image`, `mask`, `ic_light_model_background_image_url`, `ic_light_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
{
  "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"
}
```

A fuller example:

```json
{
  "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"
}
```

## 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/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.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/lora/inpaint?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "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"
  }),
});
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 = {
    "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",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/lora/inpaint", 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": "lora/inpaint",
      "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"
      },
      "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": "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.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, content_type, file_name, file_size, width, height} | Informace o souborech vygenerovaných obrázků. |
| `seed` | integer | Seed pro generování obrázku včetně náhodně zvolené hodnoty, pokud vstup seed neobsahoval; jinak opakuje zadanou hodnotu. |
| `has_nsfw_concepts` | array of boolean | Určuje, zda se v generovaných obrázcích objevují koncepty NSFW. |
| `debug_latents` | object {url, content_type, file_name, file_size} \| null | Latentní data uložená pro ladění. |
| `debug_per_pass_latents` | object {url, content_type, file_name, file_size} \| null | Latentní data jednotlivých průchodů uložená pro ladění. |

## Related models

- [Stable Diffusion with LoRAs](https://doitong.com/developers/models/lora.md) (`lora`): $0.057 / image
- [Stable Diffusion with LoRAs · Image to Image](https://doitong.com/developers/models/lora/image-to-image.md) (`lora/image-to-image`): $0.264 / image
- [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

## Links

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