رفتن به محتوا

FLUX.1 [dev] with Controlnets and Loras · Differential Diffusion

یکپارچه‌سازی

شناسه مدل flux-general/differential-diffusion
# 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/differential-diffusion?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",
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "change_map_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"

این درخواست: ≈⁨‎$۰٫۱۳۸⁩ ۱۳۸ اعتبار API اجرای آن در این صفحه

دریافت کلید API
Black Forest Labs ویرایش تصویر ورودی‌های مرجع #lora#controlnet#ip-adapter

ویرایش تصویر با FLUX.1 [dev] بر اساس نقشه تغییر که شدت تغییر هر ناحیه را تعیین می‌کند

ساخته‌شده در Doitong

آثار عمومی ساخته‌شده با FLUX.1 [dev] with Controlnets and Loras توسط جامعه Doitong. یک پرامپت را با یک کلیک دوباره استفاده کنید.

آثار عمومی نمایش‌داده‌شده: 9
Close-up portrait seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lemb...

Close-up portrait seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lembut kebiruan, dikelilingi bunga teratai berkelopak penuh yang bermekaran indah di permukaan air. Rambutnya pirang pucat tersanggul longgar dengan beberapa helaian tipis jatuh alami membingkai sisi...

Close-up portrait seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lemb...

Close-up portrait seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lembut kebiruan, dikelilingi bunga teratai berkelopak penuh yang bermekaran indah di permukaan air. Rambutnya pirang pucat tersanggul longgar dengan beberapa helaian tipis jatuh alami membingkai sisi...

Prompt Details Seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lembut ...

Prompt Details Seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lembut kebiruan, dikelilingi bunga teratai berkelopak penuh yang bermekaran indah di permukaan air. Rambutnya pirang pucat tersanggul longgar dengan beberapa helaian tipis jatuh alami membingkai sisi...

Seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lembut kebiruan, dikel...

Seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lembut kebiruan, dikelilingi bunga teratai berkelopak penuh yang bermekaran indah di permukaan air. Rambutnya pirang pucat tersanggul longgar dengan beberapa helaian tipis jatuh alami membingkai sisi wajahnya. Ia memeluk...

​"Potret sinematik ultra-realistis close-up seorang anak laki-laki kecil (balita) yang sangat men...

​"Potret sinematik ultra-realistis close-up seorang anak laki-laki kecil (balita) yang sangat menggemaskan dengan mata cokelat besar yang ekspresif, rambut hitam berantakan yang tebal, mengenakan kaus putih kerah henley. Dia berpose dengan kedua tangan terkatup di depan dada, menunjukkan senyum...

​"Potret sinematik ultra-realistis close-up seorang anak laki-laki kecil (balita) yang sangat men...

​"Potret sinematik ultra-realistis close-up seorang anak laki-laki kecil (balita) yang sangat menggemaskan dengan mata cokelat besar yang ekspresif, rambut hitam berantakan yang tebal, mengenakan kaus putih kerah henley. Dia berpose dengan kedua tangan terkatup di depan dada, menunjukkan senyum...

​"Potret sinematik ultra-realistis close-up seorang anak laki-laki kecil (balita) yang sangat men...

​"Potret sinematik ultra-realistis close-up seorang anak laki-laki kecil (balita) yang sangat menggemaskan dengan mata cokelat besar yang ekspresif, rambut hitam berantakan yang tebal, mengenakan kaus putih kerah henley. Dia berpose dengan kedua tangan terkatup di depan dada, menunjukkan senyum...

Foto sinematik hiper-realistis resolusi tinggi menampilkan seorang pria muda Indonesia dengan tub...

Foto sinematik hiper-realistis resolusi tinggi menampilkan seorang pria muda Indonesia dengan tubuh ramping dan proporsional, rambut hitam pendek agak acak, mengenakan jaket kulit hitam, celana riding fit, dan sepatu motor. Ia sedang melakukan aksi freestyle ekstrem dengan motor sport 500cc...

ساخت درخواست

کنترل‌ها از شِمای مدل تولید می‌شوند. با تغییر آن‌ها، کد و قیمت به‌روزرسانی می‌شوند.

•الزامی

پرامپت هدایت‌کننده تولید تصویر.

•الزامی image_url
یک فایل بیندازید، یا

URL تصویر تأمین‌کننده تصویر اولیه.

•الزامی
یک فایل بیندازید، یا

URL اشاره‌کننده به نقشه تغییر.

image_size

ابعاد تصویر تولیدشده.

num_images پیش‌فرض 1

تعداد تصاویر برای تولید؛ هنگام جریانی‌بودن خروجی، این مقدار به 1 ثابت می‌شود.

پیشرفته negative_prompt · reference_image_url · output_format · scheduler · sigma_schedule · num_inference_steps · guidance_scale · real_cfg_scale · reference_strength · reference_start · reference_end · base_shift · max_shift · nag_scale · nag_tau · nag_alpha · nag_end · strength · seed · use_real_cfg · use_cfg_zero · enable_safety_checker · use_beta_schedule · loras · control_loras · controlnets · controlnet_unions · ip_adapters · easycontrols · fill_image
پیش‌فرض

پرامپت منفی که به‌طور پیش‌فرض با NAG پردازش می‌شود تا ویژگی‌های ناخواسته مشخص‌شده را در تصاویر تولیدشده کاهش دهد.

یک فایل بیندازید، یا

URL تصویر استفاده‌شده برای راهنمایی Reference-Only.

output_format پیش‌فرض png

قالب فایل تصویر نهایی.

scheduler پیش‌فرض euler

زمان‌بند استفاده‌شده هنگام نویززدایی.

زمان‌بندی سیگما استفاده‌شده هنگام نویززدایی.

پیش‌فرض 28

تعداد مراحل استنتاج.

پیش‌فرض 3.5

میزان پایبندی به پرامپت برای انتخاب تصویر، بیان‌شده به‌صورت CFG (Classifier Free Guidance).

پیش‌فرض 3.5

میزان پایبندی به پرامپت برای انتخاب تصویر، بیان‌شده به‌صورت CFG (Classifier Free Guidance).

پیش‌فرض 0.65

اثرگذاری تصویر مرجع هنگام تولید reference_only؛ بدون تصویر مرجع ارائه‌شده، این تنظیم قدرت اثری ندارد.

پیش‌فرض 0

نقطه آغاز راهنمایی مرجع، برحسب درصدی از همه گام‌های زمانی.

پیش‌فرض 1

نقطه پایان راهنمایی مرجع، برحسب درصدی از همه گام‌های زمانی.

پیش‌فرض 0.5

جابجایی پایه اعمال‌شده به گام‌های زمانی زمان‌بندی‌شده.

پیش‌فرض 1.15

حداکثر جابجایی اعمال‌شده به گام‌های زمانی زمان‌بندی‌شده.

پیش‌فرض 3

اجتناب از پرامپت منفی که با مقیاس NAG کنترل می‌شود: افزایش آن، شباهت تصویر تولیدشده به توضیح منفی را کاهش می‌دهد.

پیش‌فرض 2.5

تنظیم tau در NAG برای نرمال‌سازی حالت پنهان؛ توصیه می‌شود بدون تغییر بماند. افزایش آن نرمال‌سازی را تضعیف می‌کند و خطر دورشدن پیش‌بینی‌نشده از تصویر اصلی را به همراه دارد.

پیش‌فرض 0.25

آلفای NAG میزان تغییر مسیر پرامپت مثبت در راهنمایی نرمال‌شده حاصل از ترکیب پرامپت‌های مثبت و منفی را تعیین می‌کند. این وزن‌دهی نهایی در مقادیر پایین‌تر نفوذ پرامپت مثبت را افزایش می‌دهد و در مقادیر بالاتر تغییر مسیر را کاهش می‌دهد.

پیش‌فرض 0.25

برش NAG که به‌صورت نسبتی از گام‌های تولید بیان می‌شود. پردازشگرهای توجه اصلی FLUX پس از اجرای NAG برای آن نسبت اولیه، کنترل را به دست می‌گیرند.

پیش‌فرض 0.85

قدرت انتشار تفاضلی، از حفظ تصویر اصلی در 0.0 تا بازسازی کامل آن در 1.0.

seed برای تصاویر تکرارپذیر: پرامپت و seed یکسان، در صورت ثابت‌بودن نسخه مدل، تصویر یکسانی تولید می‌کنند.

پیش‌فرض []

LoRAهایی که اثر ترکیبی آن‌ها تصویر تولیدشده را ایجاد می‌کند؛ تعداد آن‌ها محدودیتی ندارد.

پیش‌فرض []

LoRAهای تصویر کنترلی که برای تولید تصویر نهایی در یک پیکربندی ترکیبی ادغام می‌شوند؛ تعداد ارائه‌شده نامحدود است.

پیش‌فرض []

پیکربندی ControlNet برای تولید تصویر؛ در حال حاضر به یک ControlNet محدود است.

پیش‌فرض []

پیکربندی اجتماع ControlNet برای تولید تصویر، مشمول محدودیت فعلی یک ControlNet.

پیش‌فرض []

IP-Adapter اعمال‌شده هنگام تولید تصویر.

پیش‌فرض []

ورودی‌های EasyControl اعمال‌شده هنگام تولید تصویر.

تصویر ورودی که تولید را هدایت می‌کند و می‌تواند محتوای نواحی ماسک‌شده را تأمین کند.

POST /run/flux-general/differential-diffusion?wait=20 قیمت → ⁨‎$۰٫۱۳۸⁩
# 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/differential-diffusion?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",
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "change_map_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"

اجرای این درخواست

کلید شما در این مرورگر باقی می‌ماند: فقط به Doitong API ارسال می‌شود و فقط در صورت فعال‌کردن گزینه «یادآوری»، در localStorage ذخیره می‌شود. دریافت کلید API

درباره FLUX.1 [dev] with Controlnets and Loras · Differential Diffusion

تصویر منبع را ناحیه‌به‌ناحیه تغییر می‌دهد و با نقشه تغییر، میزان اصلاح هر ناحیه را کنترل می‌کند. به `prompt`، `image_url` و `change_map_image_url` نیاز دارد. LoRA، ControlNet، IP-Adapter و تصویر مرجع را نیز می‌پذیرد. `num_inference_steps` از 1 تا 50 و `num_images` حداکثر 10 است و خروجی png یا jpeg ارائه می‌شود.

پارامترها

نام استاندارد یا نام بومی را ارسال کنید، نه هر دو. نام‌های استاندارد

نامنوع پیش‌فرضمجاز توضیحات
promptالزامی
نوعstring
پرامپت هدایت‌کننده تولید تصویر.
image_sizeاختیاری
نوعobject
square_hdsquareportrait_4_3portrait_16_9landscape_4_3landscape_16_9
ابعاد تصویر تولیدشده.
num_inference_stepsاختیاری
نوعinteger
پیش‌فرض28
۱ – ۵۰
تعداد مراحل استنتاج.
seedاختیاری
نوعinteger | null
seed برای تصاویر تکرارپذیر: پرامپت و seed یکسان، در صورت ثابت‌بودن نسخه مدل، تصویر یکسانی تولید می‌کنند.
lorasاختیاری
نوعobject[]
پیش‌فرض[]
LoRAهایی که اثر ترکیبی آن‌ها تصویر تولیدشده را ایجاد می‌کند؛ تعداد آن‌ها محدودیتی ندارد.
loras[].pathالزامی
نوعstring
محل وزن‌های LoRA که به‌صورت URL یا مسیر مشخص می‌شود.
loras[].scaleاختیاری
نوعobject | number
پیش‌فرض1
مقیاس اعمال‌شده به وزن‌های LoRA پیش از ادغام با مدل پایه. برای تنظیم مقیاس لایه‌های جداگانه، دیکشنری با فرم {"layer_name":layer_scale} ارائه کنید؛ لایه‌های مشخص‌نشده از 1.0 استفاده می‌کنند.
control_lorasاختیاری
نوعobject[]
پیش‌فرض[]
LoRAهای تصویر کنترلی که برای تولید تصویر نهایی در یک پیکربندی ترکیبی ادغام می‌شوند؛ تعداد ارائه‌شده نامحدود است.
control_loras[].pathالزامی
نوعstring
محل وزن‌های LoRA که به‌صورت URL یا مسیر مشخص می‌شود.
control_loras[].scaleاختیاری
نوعobject | number
پیش‌فرض1
مقیاس اعمال‌شده به وزن‌های LoRA پیش از ادغام با مدل پایه. برای تنظیم مقیاس لایه‌های جداگانه، دیکشنری با فرم {"layer_name":layer_scale} ارائه کنید؛ لایه‌های مشخص‌نشده از 1.0 استفاده می‌کنند.
control_loras[].control_image_urlالزامی
نوعurl · image
URL تصویر تأمین‌کننده تصویر کنترلی.
control_loras[].preprocessاختیاری
نوعenum
پیش‌فرضNone
cannydepthNone
روش پیش‌پردازش اعمال‌شده به تصویر ارائه‌شده.
controlnetsاختیاری
نوعobject[]
پیش‌فرض[]
پیکربندی ControlNet برای تولید تصویر؛ در حال حاضر به یک ControlNet محدود است.
controlnets[].pathالزامی
نوعstring
محل وزن‌های ControlNet، به‌صورت URL یا مسیر.
controlnets[].config_urlاختیاری
نوعstring | null
URL اختیاری اشاره‌کننده به فایل config.json مربوط به ControlNet.
controlnets[].variantاختیاری
نوعstring | null
گونه اختیاری برای استفاده با کلید مخزن Hugging Face.
controlnets[].control_image_urlالزامی
نوعurl · image
URL تصویر تأمین‌کننده تصویر کنترلی.
controlnets[].mask_image_urlاختیاری
نوعurl · image
URL ماسک مرتبط با تصویر کنترلی.
controlnets[].mask_thresholdاختیاری
نوعnumber
پیش‌فرض0.5
۰٫۰۱ – ۰٫۹۹
مقدار آستانه ماسک.
controlnets[].conditioning_scaleاختیاری
نوعnumber
پیش‌فرض1
۰ – ۲
مقیاس اعمال‌شده به وزن‌های ControlNet پیش از ادغام با مدل پایه.
controlnets[].start_percentageاختیاری
نوعnumber
پیش‌فرض0
۰ – ۱
درصدی از کل گام‌های زمانی که ControlNet در آن شروع به اثرگذاری بر تولید تصویر می‌کند.
controlnets[].end_percentageاختیاری
نوعnumber
پیش‌فرض1
۰ – ۱
درصدی از کل گام‌های زمانی که ControlNet در آن اثرگذاری بر تولید تصویر را متوقف می‌کند.
controlnet_unionsاختیاری
نوعobject[]
پیش‌فرض[]
پیکربندی اجتماع ControlNet برای تولید تصویر، مشمول محدودیت فعلی یک ControlNet.
controlnet_unions[].pathالزامی
نوعstring
محل وزن‌های ControlNet، به‌صورت URL یا مسیر.
controlnet_unions[].config_urlاختیاری
نوعstring | null
URL اختیاری اشاره‌کننده به فایل config.json مربوط به ControlNet.
controlnet_unions[].variantاختیاری
نوعstring | null
گونه اختیاری برای استفاده با کلید مخزن Hugging Face.
controlnet_unions[].controlsالزامی
نوعobject[]
تصاویر کنترلی و حالت‌های مرتبط ارائه‌شده به ControlNet.
controlnet_unions[].controls[].control_image_urlالزامی
نوعurl · image
URL تصویر تأمین‌کننده تصویر کنترلی.
controlnet_unions[].controls[].mask_image_urlاختیاری
نوعurl · image
URL ماسک مرتبط با تصویر کنترلی.
controlnet_unions[].controls[].control_modeالزامی
نوعenum
cannytiledepthblurposegraylow-quality
حالت کنترل استفاده‌شده توسط Flux Controlnet Union. گزینه‌ها: canny تولید را با لبه‌ها هدایت می‌کند؛ tile آن را با کاشی‌ها هدایت می‌کند؛ depth آن را با نقشه عمق خاکستری هدایت می‌کند؛ blur تصویر را مات می‌کند؛ pose تولید را با ژست تصویر هدایت می‌کند؛ gray تصویر را خاکستری می‌کند؛ low-quality نسخه‌ای کم‌کیفیت از تصویر تولید می‌کند.
controlnet_unions[].controls[].conditioning_scaleاختیاری
نوعnumber
پیش‌فرض1
۰ – ۲
مقیاس اعمال‌شده به وزن‌های ControlNet پیش از ادغام با مدل پایه.
controlnet_unions[].controls[].mask_thresholdاختیاری
نوعnumber
پیش‌فرض0.5
۰٫۰۱ – ۰٫۹۹
مقدار آستانه ماسک.
controlnet_unions[].controls[].start_percentageاختیاری
نوعnumber
پیش‌فرض0
۰ – ۱
درصدی از کل گام‌های زمانی که ControlNet در آن شروع به اثرگذاری بر تولید تصویر می‌کند.
controlnet_unions[].controls[].end_percentageاختیاری
نوعnumber
پیش‌فرض1
۰ – ۱
درصدی از کل گام‌های زمانی که ControlNet در آن اثرگذاری بر تولید تصویر را متوقف می‌کند.
ip_adaptersاختیاری
نوعobject[]
پیش‌فرض[]
IP-Adapter اعمال‌شده هنگام تولید تصویر.
ip_adapters[].pathالزامی
نوعstring
محل IP-Adapter در Hugging Face.
ip_adapters[].subfolderاختیاری
نوعstring | null
زیرپوشه حاوی وزن‌های ip_adapter.
ip_adapters[].weight_nameاختیاری
نوعstring | null
نام فایل Safetensors وزن‌های IP-Adapter.
ip_adapters[].image_encoder_pathالزامی
نوعstring
محل رمزگذار تصویر IP-Adapter، مانند 'openai/clip-vit-large-patch14'.
ip_adapters[].image_encoder_subfolderاختیاری
نوعstring | null
زیرپوشه حاوی وزن‌های رمزگذار تصویر.
ip_adapters[].image_encoder_weight_nameاختیاری
نوعstring | null
نام رمزگذار تصویر.
ip_adapters[].image_urlالزامی
نوعurl · image
URL تصویر شرطی ارائه‌شده به IP-Adapter.
ip_adapters[].mask_image_urlاختیاری
نوعurl · image
URL ماسک مرتبط با تصویر کنترلی.
ip_adapters[].mask_thresholdاختیاری
نوعnumber
پیش‌فرض0.5
۰٫۰۱ – ۰٫۹۹
مقدار آستانه ماسک.
ip_adapters[].scaleالزامی
نوعnumber
ضریب مقیاس IP-Adapter.
easycontrolsاختیاری
نوعobject[]
پیش‌فرض[]
ورودی‌های EasyControl اعمال‌شده هنگام تولید تصویر.
easycontrols[].control_method_urlالزامی
نوعstring
URL وزن safetensor روش کنترل یا شناسه پشتیبانی‌شده: `canny`، `depth`، `hedsketch`، `inpainting`، `pose`، `seg`، `subject`، `ghibli`.
easycontrols[].scaleاختیاری
نوعnumber
پیش‌فرض1
۰ – ۲
ضریب مقیاس روش کنترل.
easycontrols[].image_urlالزامی
نوعurl · image
URL تصویر تأمین‌کننده ورودی کنترل.
easycontrols[].image_control_typeالزامی
نوعenum
subjectspatial
حالت کنترل تصویر؛ یکی از `spatial` یا `subject` را می‌پذیرد.
fill_imageاختیاری
نوعobject
تصویر ورودی که تولید را هدایت می‌کند و می‌تواند محتوای نواحی ماسک‌شده را تأمین کند.
fill_image.fill_image_urlاختیاری
نوعurl · image
پیش‌فرض[]
URLهای تصاویر برای پرکردن از طریق پرامپت‌گذاری redux.
guidance_scaleاختیاری
نوعnumber
پیش‌فرض3.5
۰ – ۲۰
میزان پایبندی به پرامپت برای انتخاب تصویر، بیان‌شده به‌صورت CFG (Classifier Free Guidance).
real_cfg_scaleاختیاری
نوعnumber
پیش‌فرض3.5
۰ – ۵
میزان پایبندی به پرامپت برای انتخاب تصویر، بیان‌شده به‌صورت CFG (Classifier Free Guidance).
use_real_cfgاختیاری
نوعboolean
پیش‌فرضfalse
کلید CFG کلاسیک؛ با XLabs IP-Adapter v1 به‌طور خودکار فعال می‌شود. رفتار راهنمایی با مدل‌هایی مانند SD1.5 و SDXL مطابقت دارد.
use_cfg_zeroاختیاری
نوعboolean
پیش‌فرضfalse
نمونه‌برداری با مقداردهی اولیه CFG-zero را فعال می‌کند؛ توضیح آن در https://arxiv.org/abs/2503.18886 آمده است.
num_imagesاختیاری num_outputs
نوعinteger
پیش‌فرض1
۱ – ۱۰
تعداد تصاویر برای تولید؛ هنگام جریانی‌بودن خروجی، این مقدار به 1 ثابت می‌شود.
enable_safety_checkerاختیاری
نوعboolean
پیش‌فرضtrue
بررسی ایمنی که به‌جای تصاویر ناامن علامت‌گذاری‌شده، تصاویر سیاه برمی‌گرداند. مقدار true بررسی را فعال می‌کند؛ false آن را فقط برای حساب‌های مجاز غیرفعال می‌کند، در حالی که درخواست‌های بدون مجوز در هر حال بررسی می‌شوند.
reference_image_urlاختیاری
نوعurl · image
URL تصویر استفاده‌شده برای راهنمایی Reference-Only.
reference_strengthاختیاری
نوعnumber
پیش‌فرض0.65
−۳ – ۳
اثرگذاری تصویر مرجع هنگام تولید reference_only؛ بدون تصویر مرجع ارائه‌شده، این تنظیم قدرت اثری ندارد.
reference_startاختیاری
نوعnumber
پیش‌فرض0
۰ – ۱
نقطه آغاز راهنمایی مرجع، برحسب درصدی از همه گام‌های زمانی.
reference_endاختیاری
نوعnumber
پیش‌فرض1
۰ – ۱
نقطه پایان راهنمایی مرجع، برحسب درصدی از همه گام‌های زمانی.
base_shiftاختیاری
نوعnumber
پیش‌فرض0.5
۰٫۰۱ – ۵
جابجایی پایه اعمال‌شده به گام‌های زمانی زمان‌بندی‌شده.
max_shiftاختیاری
نوعnumber
پیش‌فرض1.15
۰٫۰۱ – ۵
حداکثر جابجایی اعمال‌شده به گام‌های زمانی زمان‌بندی‌شده.
output_formatاختیاری
نوعenum
پیش‌فرضpng
jpegpng
قالب فایل تصویر نهایی.
use_beta_scheduleاختیاری
نوعboolean
پیش‌فرضfalse
کنترل می‌کند که از سیگماهای بتا استفاده شود یا نه.
sigma_scheduleاختیاری
نوعstring | null
زمان‌بندی سیگما استفاده‌شده هنگام نویززدایی.
schedulerاختیاری
نوعenum
پیش‌فرضeuler
eulerdpmpp_2m
زمان‌بند استفاده‌شده هنگام نویززدایی.
negative_promptاختیاری
نوعstring
پیش‌فرض
پرامپت منفی که به‌طور پیش‌فرض با NAG پردازش می‌شود تا ویژگی‌های ناخواسته مشخص‌شده را در تصاویر تولیدشده کاهش دهد.
nag_scaleاختیاری
نوعnumber
پیش‌فرض3
≤ ۱۰> ۱
اجتناب از پرامپت منفی که با مقیاس NAG کنترل می‌شود: افزایش آن، شباهت تصویر تولیدشده به توضیح منفی را کاهش می‌دهد.
nag_tauاختیاری
نوعnumber
پیش‌فرض2.5
> ۰
تنظیم tau در NAG برای نرمال‌سازی حالت پنهان؛ توصیه می‌شود بدون تغییر بماند. افزایش آن نرمال‌سازی را تضعیف می‌کند و خطر دورشدن پیش‌بینی‌نشده از تصویر اصلی را به همراه دارد.
nag_alphaاختیاری
نوعnumber
پیش‌فرض0.25
≤ ۱> ۰
آلفای NAG میزان تغییر مسیر پرامپت مثبت در راهنمایی نرمال‌شده حاصل از ترکیب پرامپت‌های مثبت و منفی را تعیین می‌کند. این وزن‌دهی نهایی در مقادیر پایین‌تر نفوذ پرامپت مثبت را افزایش می‌دهد و در مقادیر بالاتر تغییر مسیر را کاهش می‌دهد.
nag_endاختیاری
نوعnumber
پیش‌فرض0.25
≤ ۱> ۰
برش NAG که به‌صورت نسبتی از گام‌های تولید بیان می‌شود. پردازشگرهای توجه اصلی FLUX پس از اجرای NAG برای آن نسبت اولیه، کنترل را به دست می‌گیرند.
image_urlالزامی image
نوعurl · image
URL تصویر تأمین‌کننده تصویر اولیه.
change_map_image_urlالزامی
نوعurl · image
URL اشاره‌کننده به نقشه تغییر.
strengthاختیاری
نوعnumber
پیش‌فرض0.85
۰٫۰۱ – ۱
قدرت انتشار تفاضلی، از حفظ تصویر اصلی در 0.0 تا بازسازی کامل آن در 1.0.
الزامی نام استاندارد، همچنین پذیرفته می‌شود

پارامترهای فایل یک URL عمومی https://، یک URI از نوع data: تا سقف 10 MB، یا file_url یک فایل بارگذاری‌شده را می‌پذیرند. فایل‌ها

خروجی

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "flux-general/differential-diffusion",
  "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": 138,
    "usd": "0.138",
    "charged": 138,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "change_map_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"
  }
}
فایل‌های شما، انتخاب شماهر outputs[].url کپی‌ای در فضای ذخیره‌سازی ماست: برای همیشه (با هزینه به‌ازای هر GB-ماه) یا به‌مدت ۷ روز رایگان، بر اساس تنظیم حساب شما یا ?storage=.
ساختار یکسان در همه مدل‌هاtype، url، content_type، width، height و duration برای تصاویر، ویدیو و صدا یکسان هستند. output شیء نتیجه اختصاصی مدل است.
فیلدهای خروجی
images
array of object {url, width, height, content_type}اطلاعات فایل تصاویر تولیدشده.
timings
object
seed
integerSeed تولید تصویر، شامل مقدار تصادفی انتخاب‌شده در صورت حذف Seed از ورودی؛ در غیر این صورت، مقدار ارائه‌شده را تکرار می‌کند.
has_nsfw_concepts
array of booleanمشخص می‌کند مفاهیم NSFW در تصاویر تولیدشده ظاهر می‌شوند یا خیر.
prompt
stringپرامپت استفاده‌شده هنگام تولید تصویر.

مدل‌های بیشتر: ویرایش تصویر

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/flux-general/differential-diffusion.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt