Stable Diffusion with LoRAs · Inpaint

Integrar

Id del modelo lora/inpaint

# 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"

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 + ")");

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"])

# 1. Connect once (Claude Code; Cursor, VS Code, Claude Desktop: https://doitong.com/es/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": "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"
  }
}

Llama al modelo Stable Diffusion with LoRAs · Inpaint (lora/inpaint) mediante Doitong API. Documentación para agentes: https://doitong.com/es/developers/models/lora/inpaint.md

POST https://api.doitong.com/v1/run/lora/inpaint?wait=20
Authorization: Bearer $DOITONG_API_KEY
Content-Type: application/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"
}

Si el estado de la respuesta es "queued" o "running", consulta GET https://api.doitong.com/v1/requests/REQUEST_ID?wait=20 hasta que sea "succeeded"; los archivos están en outputs[].url. POST https://api.doitong.com/v1/quote/lora/inpaint con el mismo cuerpo devuelve el precio exacto antes de la ejecución.

Esta solicitud: ≈0,184 $ 184 créditos de API Ejecutar en esta página

Obtener clave de API

Open model Edición de imágenes Entradas de referencia #diffusion#lora#customization#fine-tuning

Relleno con un modelo base de Stable Diffusion elegido y LoRAs, guiado por una máscara en blanco y negro

OpenAPI Markdown

Open model · Imagen

Tu primer resultado aparecerá aquí

Crea una solicitud abajo y ejecútala con tu clave de API. Las salidas se copian en nuestro almacenamiento, conservadas para siempre o 7 días gratis.

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan al modificarlos.

prompt •obligatorio

Describe la imagen que quieres generar con el mayor detalle posible para obtener los mejores resultados.

model_name •obligatorio

Modelo base para generar la imagen, identificado mediante una URL o un ID de HuggingFace.

num_outputs num_images predeterminado 1

Establece cuántas imágenes produce una sola solicitud, permitiendo más tiempo de generación para un lote más grande.

Avanzado 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

negative_prompt predeterminado

Prompt negativo que especifica detalles de imagen no deseados. Puede excluir colores, objetos, escenarios o características y cualidades más precisas, como un bigote, desenfoque o baja resolución.

image image_url

Suelta un archivo o

URL de la imagen de origen para la generación de imagen a imagen o el relleno generativo.

mask mask_url

Suelta un archivo o

URL de la máscara de relleno generativo que apunta a una imagen en blanco y negro.

ic_light_model_background_image_url

Suelta un archivo o

Fondo compatible con el modelo para la generación de imágenes con IC Light, proporcionado como una URL de imagen.

ic_light_image_url

Suelta un archivo o

URL de la imagen de entrada para la generación con el modelo IC Light.

prediction_type predeterminado epsilon

Elige el tipo de predicción para generar imágenes; si no se selecciona otra opción, se usa `epsilon`.

image_format predeterminado png

Formato de archivo de la imagen resultante.

unet_name

Selección personalizada de U-Net para generar imágenes; proporciona su ID de HuggingFace o su URL.

variant

Selección de variante del modelo de HuggingFace; 'fp16' es un ejemplo.

image_encoder_path

Codificador de imágenes especificado mediante una URL HTTPS o un ID de Hugging Face, cuya compatibilidad depende de los pesos de IP-Adapter: SD1.5 usa image_encoder_subfolder='models/image_encoder', mientras que h94/IP-Adapter SDXL usa h94/IP-Adapter y image_encoder_subfolder='sdxl_models/image_encoder'. Se requiere un codificador siempre que ip_adapter contenga un valor.

image_encoder_subfolder

Subdirectorio dentro de image_encoder_path que contiene los pesos del codificador de imágenes.

image_encoder_weight_name predeterminado pytorch_model.bin

Selecciona por nombre los pesos del codificador de imágenes que se usarán para generar imágenes.

ic_light_model_url

URL del modelo IC Light utilizado al generar imágenes.

scheduler

Programador o muestreador utilizado para eliminar el ruido de la imagen.

noise_strength predeterminado 0.5

Controla el ruido añadido a la imagen en una escala donde 1.0 significa ruido completo y los valores cercanos a 0 significan ruido mínimo. Solo se aplica cuando se proporciona image_url.

num_inference_steps predeterminado 30

Controla cuántos pasos de generación realiza Stable Diffusion; los pasos adicionales pueden producir una imagen final más detallada.

guidance_scale predeterminado 7.5

Intensidad de adhesión al prompt para la selección de imágenes, expresada como CFG (Classifier Free Guidance).

clip_skip predeterminado 0

Omite una parte de la generación de imágenes para renderizar más rápido, produciendo resultados ligeramente diferentes.

tile_width predeterminado 4096

Establece el tamaño de cada mosaico durante la generación de imágenes.

tile_height predeterminado 4096

Establece el tamaño de cada mosaico durante la generación de imágenes.

tile_stride_width predeterminado 2048

Establece el espacio entre posiciones consecutivas de los mosaicos durante la generación de imágenes.

tile_stride_height predeterminado 2048

Establece el espacio entre posiciones consecutivas de los mosaicos durante la generación de imágenes.

eta predeterminado 0

Configuración Eta utilizada al generar imágenes.

seed

Semilla para reproducir imágenes en Stable Diffusion. Una imagen puede reproducirse exactamente en cada ejecución si se mantienen sin cambios la versión del modelo, el prompt y la semilla.

loras predeterminado []

LoRA cuyo efecto combinado produce la imagen generada, sin límite en la cantidad proporcionada.

embeddings predeterminado []

Embeddings aplicados durante la generación de imágenes para asignar los token del prompt a pesos de embedding. Actualmente, solo se admite un embedding.

controlnets predeterminado []

Control nets programadas para aplicarse a la imagen en pasos de tiempo específicos durante la generación, sin límite en la cantidad que puedes proporcionar.

ip_adapter predeterminado []

Adaptadores IP utilizados para generar imágenes. Proporcionar cualquier entrada requiere image_encoder_path.

timesteps predeterminado {"array":[],"method":...

Sobrescritura de la programación de pasos de tiempo de eliminación de ruido, mutuamente exclusiva con sigmas. Sin una sobrescritura —el valor predeterminado—, el programador calcula los pasos de tiempo a partir de num_inference_steps; proporcionar una programación personalizada hace que num_inference_steps sea irrelevante. La sobrescritura requiere que el programador admita el argumento timesteps para set_timesteps.

sigmas predeterminado {"array":[],"method":...

Sobrescritura de la programación sigma de eliminación de ruido, mutuamente exclusiva con timesteps. Sin una sobrescritura —el valor predeterminado—, el programador calcula las sigmas a partir de num_inference_steps; proporcionar una programación personalizada hace que num_inference_steps sea irrelevante. La sobrescritura requiere que el programador admita el argumento sigmas para set_sigmas.

POST /run/lora/inpaint?wait=20 cotización → 0,184 $

# 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"

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 + ")");

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"])

{
  "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
    }
  }
}

Ejecutar esta solicitud

Clave de API

Tu clave permanece en este navegador: solo se envía a la Doitong API y se guarda (localStorage) únicamente si marcas Recordar. Recordar en este navegador Obtener una clave de API

Acerca de Stable Diffusion with LoRAs · Inpaint

Edita partes de una imagen usando `image_url` y una `mask_url` en blanco y negro con un modelo de Stable Diffusion establecido en `model_name`. `noise_strength` va de 0 a 1. Admite LoRAs combinadas, embeddings, ControlNets, adaptadores IP y varios planificadores, con entre 1 y 150 pasos. La salida es png o jpeg.

Parámetros

Envía el nombre canónico o el nombre nativo, no ambos. Nombres canónicos

NombreTipo PredeterminadoPermitido Descripción

model_nameobligatorio

Tipostring

Modelo base para generar la imagen, identificado mediante una URL o un ID de HuggingFace.

unet_nameopcional

Tipostring | null

Selección personalizada de U-Net para generar imágenes; proporciona su ID de HuggingFace o su URL.

variantopcional

Tipostring | null

Selección de variante del modelo de HuggingFace; 'fp16' es un ejemplo.

promptobligatorio

Tipostring

Describe la imagen que quieres generar con el mayor detalle posible para obtener los mejores resultados.

negative_promptopcional

Tipostring

Predeterminado

Prompt negativo que especifica detalles de imagen no deseados. Puede excluir colores, objetos, escenarios o características y cualidades más precisas, como un bigote, desenfoque o baja resolución.

prompt_weightingopcional

Tipoboolean

Predeterminadofalse

Alternador de ponderación del prompt: true elimina el límite de 77 token mediante el promedio de embeddings y habilita la sintaxis de ponderación.

image_urlopcional image

Tipourl · image

URL de la imagen de origen para la generación de imagen a imagen o el relleno generativo.

mask_urlopcional mask

Tipourl · image

URL de la máscara de relleno generativo que apunta a una imagen en blanco y negro.

noise_strengthopcional

Tiponumber

Predeterminado0.5

≤ 1> 0

Controla el ruido añadido a la imagen en una escala donde 1.0 significa ruido completo y los valores cercanos a 0 significan ruido mínimo. Solo se aplica cuando se proporciona image_url.

lorasopcional

Tipoobject[]

Predeterminado[]

LoRA cuyo efecto combinado produce la imagen generada, sin límite en la cantidad proporcionada.

loras[].pathobligatorio

Tipostring

Ubicación de los pesos de LoRA, especificada como URL o ruta.

loras[].scaleopcional

Tiponumber

Predeterminado1

0 – 4

Multiplicador aplicado al peso de LoRA antes de combinarlo con el modelo base.

embeddingsopcional

Tipoobject[]

Predeterminado[]

Embeddings aplicados durante la generación de imágenes para asignar los token del prompt a pesos de embedding. Actualmente, solo se admite un embedding.

embeddings[].pathobligatorio

Tipostring

Pesos de embeddings especificados mediante una URL o una ruta de archivo.

embeddings[].tokensopcional

Tipostring[]

Token del prompt asignados a pesos de embedding. Si se omiten, se crea un token por cada vector del archivo de embedding, con nombres <s0>, <s1>, ...; usa los token asignados en tus prompt.

controlnetsopcional

Tipoobject[]

Predeterminado[]

Control nets programadas para aplicarse a la imagen en pasos de tiempo específicos durante la generación, sin límite en la cantidad que puedes proporcionar.

controlnets[].pathobligatorio

Tipostring

Ubicación de los pesos de ControlNet, especificada como una URL o ruta.

controlnets[].config_urlopcional

Tipostring | null

URL opcional que apunta al archivo config.json de ControlNet.

controlnets[].variantopcional

Tipostring | null

Variante opcional para usar con una clave de repositorio de Hugging Face.

controlnets[].image_urlobligatorio

Tipourl · image

URL de la imagen proporcionada como entrada de ControlNet.

controlnets[].mask_urlopcional

Tipourl · image

Máscara de ControlNet, que debe coincidir en tamaño con la imagen de control cuando se proporciona; el ancho y el alto deben ser divisibles entre 32.

controlnets[].conditioning_scaleopcional

Tiponumber

Predeterminado1

0 – 2

Escala aplicada a los pesos de ControlNet antes de combinarlos con el modelo base.

controlnets[].start_percentageopcional

Tiponumber

Predeterminado0

0 – 1

Porcentaje del total de pasos de tiempo en el que ControlNet comienza a influir en la generación de imágenes.

controlnets[].end_percentageopcional

Tiponumber

Predeterminado1

0 – 1

Porcentaje del total de pasos de tiempo en el que ControlNet deja de influir en la generación de imágenes.

controlnets[].ip_adapter_indexopcional

Tipointeger | null

Selección del adaptador IP por índice para un ControlNet de InstantID; los demás ControlNets no necesitan esta configuración.

controlnet_guess_modeopcional

Tipoboolean

Predeterminadofalse

Restringe la aplicación de ControlNet a predicciones condicionales cuando es true.

ip_adapteropcional

Tipoobject[]

Predeterminado[]

Adaptadores IP utilizados para generar imágenes. Proporcionar cualquier entrada requiere image_encoder_path.

ip_adapter[].ip_adapter_image_urlobligatorio

Tipourl · image

URL de la imagen proporcionada como entrada del adaptador IP.

ip_adapter[].ip_adapter_mask_urlopcional

Tipourl · image

Máscara del adaptador IP, sujeta a una restricción de tamaño cuando se proporciona: sus dimensiones deben coincidir con las de la imagen del adaptador.

ip_adapter[].pathobligatorio

Tipostring

Ubicación de los pesos del adaptador IP, especificada como una URL o una ruta.

ip_adapter[].model_subfolderopcional

Tipostring | null

Ubicación de los pesos del adaptador IP, especificada como una subcarpeta dentro del directorio del modelo.

ip_adapter[].weight_nameopcional

Tipostring | null

Nombre de archivo de los pesos.

ip_adapter[].insight_face_model_pathopcional

Tipostring | null

Ubicación de los pesos del modelo InsightFace, especificada como una URL o una ruta.

ip_adapter[].scaleopcional

Tiponumber

Predeterminado1

≥ 0

Factor de escala para los pesos del adaptador IP, aplicado antes de fusionarlos con el modelo base.

ip_adapter[].scale_jsonopcional

Tipoobject | null

Factor de escala para los pesos del adaptador IP, aplicado antes de fusionarlos con el modelo base.

ip_adapter[].unconditional_noising_factoropcional

Tiponumber

Predeterminado0

0 – 1

Factor que controla el ruido no condicional del adaptador IP.

ip_adapter[].image_projection_shortcutopcional

Tipoboolean

Predeterminadotrue

Configuración del acceso directo de proyección de imagen, con True como valor predeterminado. Usa False para modelos FaceID plus V1 y True para modelos FaceID plus V2.

image_encoder_pathopcional

Tipostring | null

image_encoder_subfolderopcional

Tipostring | null

Subdirectorio dentro de image_encoder_path que contiene los pesos del codificador de imágenes.

image_encoder_weight_nameopcional

Tipostring | null

Predeterminadopytorch_model.bin

Selecciona por nombre los pesos del codificador de imágenes que se usarán para generar imágenes.

ic_light_model_urlopcional

Tipostring | null

URL del modelo IC Light utilizado al generar imágenes.

ic_light_model_background_image_urlopcional

Tipourl · image

Fondo compatible con el modelo para la generación de imágenes con IC Light, proporcionado como una URL de imagen.

ic_light_image_urlopcional

Tipourl · image

URL de la imagen de entrada para la generación con el modelo IC Light.

seedopcional

Tipointeger | null

Semilla para reproducir imágenes en Stable Diffusion. Una imagen puede reproducirse exactamente en cada ejecución si se mantienen sin cambios la versión del modelo, el prompt y la semilla.

num_inference_stepsopcional

Tipointeger

Predeterminado30

1 – 150

Controla cuántos pasos de generación realiza Stable Diffusion; los pasos adicionales pueden producir una imagen final más detallada.

guidance_scaleopcional

Tiponumber

Predeterminado7.5

0 – 20

Intensidad de adhesión al prompt para la selección de imágenes, expresada como CFG (Classifier Free Guidance).

clip_skipopcional

Tipointeger

Predeterminado0

0 – 2

Omite una parte de la generación de imágenes para renderizar más rápido, produciendo resultados ligeramente diferentes.

scheduleropcional

Tipoenum

DPM++ 2MDPM++ 2M KarrasDPM++ 2M SDEDPM++ 2M SDE KarrasEulerEuler AEuler (trailing timesteps)LCMLCM (trailing timesteps)DDIMTCD

Programador o muestreador utilizado para eliminar el ruido de la imagen.

timestepsopcional

Tipoobject

Predeterminado{"array":[],"method":"default"}

timesteps.methodopcional

Tipoenum

Predeterminadodefault

defaultarray

Elige cómo se determinan los pasos de tiempo: 'default', la configuración predeterminada, permite que el programador use `num_inference_steps`. Para proporcionar tu propia programación de pasos de tiempo, selecciona 'array' y coloca la programación en el campo `array`.

timesteps.arrayopcional

Tipointeger[]

Predeterminado[]

Programación de pasos de tiempo aplicada cuando el método seleccionado es 'custom'.

sigmasopcional

Tipoobject

Predeterminado{"array":[],"method":"default"}

sigmas.methodopcional

Tipoenum

Predeterminadodefault

defaultarray

Elige cómo se determinan las sigmas: 'default', la configuración predeterminada, usa los valores sigma propios del programador. Para proporcionar tu propia programación sigma, selecciona 'custom' y coloca la programación en el campo `array`.

sigmas.arrayopcional

Tiponumber[]

Predeterminado[]

Programación sigma aplicada cuando el método seleccionado es 'custom'.

prediction_typeopcional

Tipoenum

Predeterminadoepsilon

v_predictionepsilon

Elige el tipo de predicción para generar imágenes; si no se selecciona otra opción, se usa `epsilon`.

rescale_betas_snr_zeroopcional

Tipoboolean

Predeterminadofalse

Controla si el sampler habilita rescale_betas_snr_zero.

image_formatopcional

Tipoenum

Predeterminadopng

jpegpng

Formato de archivo de la imagen resultante.

num_imagesopcional num_outputs

Tipointeger

Predeterminado1

1 – 8

Establece cuántas imágenes produce una sola solicitud, permitiendo más tiempo de generación para un lote más grande.

enable_safety_checkeropcional

Tipoboolean

Predeterminadofalse

Activación del comprobador de seguridad; true activa la comprobación.

tile_widthopcional

Tipointeger

Predeterminado4096

128 – 4096

Establece el tamaño de cada mosaico durante la generación de imágenes.

tile_heightopcional

Tipointeger

Predeterminado4096

128 – 4096

Establece el tamaño de cada mosaico durante la generación de imágenes.

tile_stride_widthopcional

Tipointeger

Predeterminado2048

64 – 2048

Establece el espacio entre posiciones consecutivas de los mosaicos durante la generación de imágenes.

tile_stride_heightopcional

Tipointeger

Predeterminado2048

64 – 2048

Establece el espacio entre posiciones consecutivas de los mosaicos durante la generación de imágenes.

etaopcional

Tiponumber

Predeterminado0

0 – 1

Configuración Eta utilizada al generar imágenes.

debug_latentsopcional

Tipoboolean

Predeterminadofalse

Guarda los latentes para depuración cuando es true.

debug_per_pass_latentsopcional

Tipoboolean

Predeterminadofalse

Habilita la depuración por pasada estableciendo esto en true, lo que guarda los latentes de cada pasada.

obligatorio Nombre canónico, también aceptado

Los parámetros de archivo aceptan una URL pública https://, un URI data: de hasta 10 MB o el file_url de una carga. Archivos

Salida

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.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}

Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: conservada para siempre (se cobra por GB-mes) o 7 días gratis, según la configuración de tu cuenta o ?storage=.

La misma estructura en todos los modelostype, url, content_type, width, height y duration, tanto para imágenes como para vídeo y audio. output es el objeto de resultado propio del modelo.

Campos de salida

images: array of object {url, content_type, file_name, file_size, width, height}Información de los archivos de las imágenes generadas.
seed: integerSemilla de generación de imágenes, incluido el valor elegido aleatoriamente si la entrada omitió una semilla; de lo contrario, repite el valor proporcionado.
has_nsfw_concepts: array of booleanIndica si aparecen conceptos NSFW en las imágenes generadas.
debug_latents: object {url, content_type, file_name, file_size} | nullDatos latentes almacenados para depuración.
debug_per_pass_latents: object {url, content_type, file_name, file_size} | nullDatos latentes por pasada almacenados para depuración.

Más modelos: Edición de imágenes

Para agentes de IA: esta página en Markdown está en https://doitong.com/es/developers/models/lora/inpaint.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt

Tu primer resultado aparecerá aquí

Crear una solicitud

Ejecutar esta solicitud

Acerca de Stable Diffusion with LoRAs · Inpaint

Parámetros

Salida

Otras variantes de Stable Diffusion with LoRAs

Stable Diffusion with LoRAs Variantes: 3

Stable Diffusion with LoRAs · Image to Image Variantes: 3

Más modelos: Edición de imágenes

FLUX.1 Kontext [pro] Variantes: 7

GPT Image 2.5 Edit Variantes: 4

Nano Banana 2 Edit Variantes: 2

Nano Banana Pro Edit Variantes: 2