# Stable Diffusion 3.5 Large API

> ترنسفورمر انتشار متن‌به‌تصویر با promptهای منفی و پشتیبانی از LoRA، ControlNet و IP-Adapter

از یک `prompt` و در صورت نیاز `negative_prompt` تصویر تولید می‌کند. برای کنترل بیشتر، `loras`، یک `controlnet` و یک `ip_adapter` می‌پذیرد. از میان شش مقدار پیش‌تنظیم `image_size` انتخاب کنید، در هر درخواست 1 تا 4 تصویر تولید کنید و خروجی jpeg یا png بگیرید. گام‌ها از 1 تا 50 و مقیاس هدایت از 0 تا 20 هستند.

- Model id: `stable-diffusion-v35-large`
- Made by: Stability AI
- Category: Text to Image
- Output: image
- Estimated price per run: $0.065 / image (cheapest run $0.065 (65 API credits))
- Run: `POST https://api.doitong.com/v1/run/stable-diffusion-v35-large`
- Quote: `POST https://api.doitong.com/v1/quote/stable-diffusion-v35-large`
- Docs page: https://doitong.com/fa/developers/models/stable-diffusion-v35-large

## Pricing

Price: **$0.065 / 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 $0.065 = 65 API credits (1 image × 65 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-v35-large` 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 |  |  | پرامپت هدایت‌کننده تولید تصویر. |
| `negative_prompt` |  | string | no | `` |  | پرامپت منفی برای مشخص‌کردن جزئیات تصویری که باید حذف شوند، از جمله رنگ‌ها، اشیا، مناظر یا ویژگی‌های ظریف‌تر. نمونه‌ها شامل سبیل، تاری یا وضوح پایین هستند. |
| `num_inference_steps` |  | integer | no | `28` | 1 – 50 | تعداد مراحل استنتاج. |
| `seed` |  | integer \| null | no |  |  | seed برای تصاویر تکرارپذیر: پرامپت و seed یکسان، در صورت ثابت‌بودن نسخه مدل، تصویر یکسانی تولید می‌کنند. |
| `guidance_scale` |  | number | no | `3.5` | 0 – 20 | میزان پایبندی به پرامپت برای انتخاب تصویر، بیان‌شده به‌صورت CFG (Classifier Free Guidance). |
| `num_images` | `num_outputs` | integer | no | `1` | 1 – 4 | تعداد تصاویر درخواستی برای تولید. |
| `enable_safety_checker` |  | boolean | no | `true` |  | 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. |
| `output_format` |  | enum (string) | no | `jpeg` | `jpeg`, `png` | قالب فایل تصویر نهایی. |
| `controlnet` |  | object {path, control_image_url, conditioning_scale, start_percentage, end_percentage} | no |  |  | ControlNet مورد استفاده هنگام استنتاج. |
| `controlnet.path` |  | string | yes |  |  | محل وزن‌های ControlNet، به‌صورت URL یا مسیر. |
| `controlnet.control_image_url` |  | string (image URL) | yes |  |  | URL تصویر تأمین‌کننده تصویر کنترلی. |
| `controlnet.conditioning_scale` |  | number | no | `1` | 0 – 2 | مقیاس اعمال‌شده به وزن‌های ControlNet پیش از ادغام با مدل پایه. |
| `controlnet.start_percentage` |  | number | no | `0` | 0 – 1 | درصدی از کل گام‌های زمانی که ControlNet در آن شروع به اثرگذاری بر تولید تصویر می‌کند. |
| `controlnet.end_percentage` |  | number | no | `1` | 0 – 1 | درصدی از کل گام‌های زمانی که ControlNet در آن اثرگذاری بر تولید تصویر را متوقف می‌کند. |
| `image_size` |  | object {width, height} \| enum (string) \| null | no |  | `square_hd`, `square`, `portrait_4_3`, `portrait_16_9`, `landscape_4_3`, `landscape_16_9` | ابعاد تصویر خروجی. بدون کنترل‌نت، مقدار پیش‌فرض landscape_4_3 است؛ با وجود آن، مقدار پیش‌فرض با ابعاد تصویر شرطی آن مطابقت دارد. |
| `loras` |  | array of object {path, scale} | no | `[]` |  | LoRAهایی که اثر ترکیبی آن‌ها تصویر تولیدشده را ایجاد می‌کند؛ تعداد آن‌ها محدودیتی ندارد. |
| `loras[].path` |  | string | yes |  |  | محل وزن‌های LoRA که به‌صورت URL یا مسیر مشخص می‌شود. |
| `loras[].scale` |  | number | no | `1` | 0 – 4 | ضریبی که پیش از ادغام LoRA در مدل پایه، روی وزن LoRA اعمال می‌شود. |
| `ip_adapter` |  | object {path, subfolder, weight_name, image_encoder_path, image_encoder_subfolder, image_encoder_weight_name, image_url, mask_image_url, mask_threshold, scale} \| null | no |  |  | IP-Adapter اعمال‌شده هنگام استنتاج. |
| `ip_adapter.path` |  | string | yes |  |  | محل IP-Adapter در Hugging Face. |
| `ip_adapter.subfolder` |  | string \| null | no |  |  | زیرپوشه حاوی وزن‌های ip_adapter. |
| `ip_adapter.weight_name` |  | string \| null | no |  |  | نام فایل Safetensors وزن‌های IP-Adapter. |
| `ip_adapter.image_encoder_path` |  | string | yes |  |  | محل رمزگذار تصویر IP-Adapter، مانند 'openai/clip-vit-large-patch14'. |
| `ip_adapter.image_encoder_subfolder` |  | string \| null | no |  |  | زیرپوشه حاوی وزن‌های رمزگذار تصویر. |
| `ip_adapter.image_encoder_weight_name` |  | string \| null | no |  |  | نام رمزگذار تصویر. |
| `ip_adapter.image_url` |  | string (image URL) | yes |  |  | URL تصویر شرطی ارائه‌شده به IP-Adapter. |
| `ip_adapter.mask_image_url` |  | string (image URL) \| null | no |  |  | URL ماسک مرتبط با تصویر کنترلی. |
| `ip_adapter.mask_threshold` |  | number | no | `0.5` | 0.01 – 0.99 | مقدار آستانه ماسک. |
| `ip_adapter.scale` |  | number | yes |  |  | ضریب مقیاس IP-Adapter. |

## 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-v35-large?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-v35-large?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-v35-large", 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-v35-large",
      "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-v35-large",
  "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": 65,
    "usd": "0.065",
    "charged": 65,
    "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} | اطلاعات فایل تصاویر تولیدشده. |
| `timings` | object |  |
| `seed` | integer | Seed 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 boolean | مشخص می‌کند مفاهیم NSFW در تصاویر تولیدشده ظاهر می‌شوند یا خیر. |
| `prompt` | string | پرامپت استفاده‌شده هنگام تولید تصویر. |

## 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-v35-large
- 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-v35-large
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/stable-diffusion-v35-large