Passer au contenu

Stable Diffusion with LoRAs · Inpaint

Intégrer

Identifiant du modèle 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"

Cette requête: ≈0,184 $ 184 crédits API L’exécuter sur cette page

Obtenir une clé API
Open model Édition d’image Entrées de référence #diffusion#lora#customization#fine-tuning

Inpainting avec modèle de base Stable Diffusion choisi et LoRAs, guidé par un masque noir et blanc

Open model · image

Votre premier résultat apparaîtra ici

Construisez une requête ci-dessous et exécutez-la avec votre clé API. Les sorties sont copiées dans notre stockage, conservées indéfiniment ou 7 jours gratuitement.

Créer une requête

Les contrôles sont générés à partir du schéma du modèle. Le code et le prix se mettent à jour lorsque vous les modifiez.

•requis

Décrivez l’image que vous souhaitez générer avec le plus de détails possible pour obtenir les meilleurs résultats.

•requis

Modèle de base pour générer l’image, identifié par une URL ou un identifiant HuggingFace.

num_images par défaut 1

Définissez le nombre d'images produites par une requête, en permettant un temps de génération plus long pour un lot plus important.

Avancé 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
par défaut

Prompt négatif indiquant les détails d’image indésirables. Il peut exclure les couleurs, les objets, le décor ou des caractéristiques et qualités plus fines, comme une moustache, du flou ou une faible résolution.

image_url
Déposez un fichier, ou

URL de l'image source pour la génération image-vers-image ou l'inpainting.

mask_url
Déposez un fichier, ou

URL du masque d'inpainting pointant vers une image en noir et blanc.

Déposez un fichier, ou

Arrière-plan compatible avec le modèle pour la génération d'images IC Light, fourni sous forme d'URL d'image.

Déposez un fichier, ou

URL de l'image d'entrée pour la génération avec le modèle IC Light.

prediction_type par défaut epsilon

Choisissez le type de prédiction pour générer des images ; sans autre sélection, `epsilon` est utilisé.

image_format par défaut png

Format de fichier de l'image obtenue.

Sélection d’un U-Net personnalisé pour générer des images ; fournissez son ID HuggingFace ou son URL.

Sélection de variante du modèle HuggingFace ; 'fp16' est un exemple.

Encodeur d'image indiqué par une URL HTTPS ou un identifiant Hugging Face, avec une compatibilité déterminée par les poids de l'IP-Adapter : SD1.5 utilise image_encoder_subfolder='models/image_encoder', tandis que h94/IP-Adapter SDXL utilise h94/IP-Adapter et image_encoder_subfolder='sdxl_models/image_encoder'. Un encodeur est requis dès que ip_adapter contient une valeur.

Sous-répertoire de image_encoder_path contenant les poids de l'encodeur d'image.

par défaut pytorch_model.bin

Sélectionnez par nom les poids de l'encodeur d'image à utiliser pour générer des images.

URL du modèle IC Light utilisé lors de la génération d'images.

Scheduler ou sampler utilisé pour débruiter l'image.

par défaut 0.5

Contrôle le bruit ajouté à l'image sur une échelle où 1.0 signifie un bruit complet et les valeurs proches de 0 un bruit minimal. S'applique uniquement lorsqu'une image_url est fournie.

par défaut 30

Contrôle le nombre d'étapes de génération effectuées par Stable Diffusion ; des étapes supplémentaires peuvent produire une image finale plus détaillée.

par défaut 7.5

Force d'adhérence au prompt pour la sélection d'image, exprimée comme CFG (Classifier Free Guidance).

par défaut 0

Ignore une partie de la génération d'image pour accélérer le rendu, au prix de résultats légèrement différents.

par défaut 4096

Définissez la taille de chaque tuile pendant la génération d'images.

par défaut 4096

Définissez la taille de chaque tuile pendant la génération d'images.

par défaut 2048

Définissez l'espacement entre les positions successives des tuiles pendant la génération d'images.

par défaut 2048

Définissez l'espacement entre les positions successives des tuiles pendant la génération d'images.

par défaut 0

Paramètre Eta utilisé lors de la génération d'images.

Graine permettant de reproduire des images dans Stable Diffusion. Une image peut être reproduite exactement à chaque exécution en conservant la version du modèle, le prompt et la graine inchangés.

par défaut []

LoRAs dont l’effet combiné produit l’image générée, sans limite quant au nombre fourni.

par défaut []

Embeddings appliqués pendant la génération d'images pour associer les jetons du prompt aux poids des embeddings. Actuellement, un seul embedding est pris en charge.

par défaut []

Control nets planifiés pour être appliqués à l'image à des pas de temps spécifiés pendant la génération, sans limite quant à leur nombre.

par défaut []

Adaptateurs IP utilisés pour générer des images. La présence d'une entrée quelconque nécessite image_encoder_path.

par défaut {"array":[],"method":...

Surcharge du calendrier des pas de débruitage, mutuellement exclusive avec sigmas. Sans surcharge — le comportement par défaut — le planificateur calcule les pas à partir de num_inference_steps ; la fourniture d'un calendrier personnalisé rend num_inference_steps sans effet. Une surcharge nécessite que le planificateur prenne en charge l'argument timesteps pour set_timesteps.

par défaut {"array":[],"method":...

Surcharge du calendrier des sigmas de débruitage, mutuellement exclusive avec timesteps. Sans surcharge — le comportement par défaut — le planificateur calcule les sigmas à partir de num_inference_steps ; la fourniture d'un calendrier personnalisé rend num_inference_steps sans effet. Une surcharge nécessite que le planificateur prenne en charge l'argument sigmas pour set_sigmas.

POST /run/lora/inpaint?wait=20 devis → 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"

Exécuter cette requête

Votre clé reste dans ce navigateur : elle est envoyée uniquement à la Doitong API et enregistrée dans localStorage uniquement si vous cochez Mémoriser. Obtenir une clé API

À propos de Stable Diffusion with LoRAs · Inpaint

Modifie des parties d'une image à l'aide de `image_url` et d'un `mask_url` noir et blanc avec un modèle Stable Diffusion défini dans `model_name`. `noise_strength` va de 0 à 1. Prend en charge les LoRAs fusionnés, embeddings, ControlNets, adaptateurs IP et plusieurs ordonnanceurs, avec 1 à 150 étapes. La sortie est en png ou jpeg.

Paramètres

Envoyez soit le nom canonique, soit le nom natif, mais pas les deux. Noms canoniques

NomType Par défautAutorisé Description
model_namerequis
Typestring
Modèle de base pour générer l’image, identifié par une URL ou un identifiant HuggingFace.
unet_namefacultatif
Typestring | null
Sélection d’un U-Net personnalisé pour générer des images ; fournissez son ID HuggingFace ou son URL.
variantfacultatif
Typestring | null
Sélection de variante du modèle HuggingFace ; 'fp16' est un exemple.
promptrequis
Typestring
Décrivez l’image que vous souhaitez générer avec le plus de détails possible pour obtenir les meilleurs résultats.
negative_promptfacultatif
Typestring
Par défaut
Prompt négatif indiquant les détails d’image indésirables. Il peut exclure les couleurs, les objets, le décor ou des caractéristiques et qualités plus fines, comme une moustache, du flou ou une faible résolution.
prompt_weightingfacultatif
Typeboolean
Par défautfalse
Activation de la pondération du prompt : true supprime la limite de 77 jetons grâce à la moyenne des embeddings et active la syntaxe de pondération.
image_urlfacultatif image
Typeurl · image
URL de l'image source pour la génération image-vers-image ou l'inpainting.
mask_urlfacultatif mask
Typeurl · image
URL du masque d'inpainting pointant vers une image en noir et blanc.
noise_strengthfacultatif
Typenumber
Par défaut0.5
≤ 1> 0
Contrôle le bruit ajouté à l'image sur une échelle où 1.0 signifie un bruit complet et les valeurs proches de 0 un bruit minimal. S'applique uniquement lorsqu'une image_url est fournie.
lorasfacultatif
Typeobject[]
Par défaut[]
LoRAs dont l’effet combiné produit l’image générée, sans limite quant au nombre fourni.
loras[].pathrequis
Typestring
Emplacement des poids LoRA, indiqué sous forme d’URL ou de chemin.
loras[].scalefacultatif
Typenumber
Par défaut1
0 – 4
Multiplicateur appliqué au poids LoRA avant sa fusion avec le modèle de base.
embeddingsfacultatif
Typeobject[]
Par défaut[]
Embeddings appliqués pendant la génération d'images pour associer les jetons du prompt aux poids des embeddings. Actuellement, un seul embedding est pris en charge.
embeddings[].pathrequis
Typestring
Poids de l'embedding spécifiés par URL ou chemin de fichier.
embeddings[].tokensfacultatif
Typestring[]
Jetons du prompt associés aux poids des embeddings. Leur omission crée un jeton par vecteur du fichier d'embedding, nommé <s0>, <s1>, ... ; utilisez les jetons associés dans vos prompts.
controlnetsfacultatif
Typeobject[]
Par défaut[]
Control nets planifiés pour être appliqués à l'image à des pas de temps spécifiés pendant la génération, sans limite quant à leur nombre.
controlnets[].pathrequis
Typestring
Emplacement des poids ControlNet, indiqué sous forme d’URL ou de chemin.
controlnets[].config_urlfacultatif
Typestring | null
URL facultative vers le fichier config.json de ControlNet.
controlnets[].variantfacultatif
Typestring | null
Variante facultative à utiliser avec une clé de dépôt Hugging Face.
controlnets[].image_urlrequis
Typeurl · image
URL de l'image fournie comme entrée du ControlNet.
controlnets[].mask_urlfacultatif
Typeurl · image
Masque du ControlNet, qui doit avoir la même taille que l'image de contrôle s'il est fourni ; la largeur et la hauteur doivent être divisibles par 32.
controlnets[].conditioning_scalefacultatif
Typenumber
Par défaut1
0 – 2
Mise à l’échelle appliquée aux poids ControlNet avant leur fusion avec le modèle de base.
controlnets[].start_percentagefacultatif
Typenumber
Par défaut0
0 – 1
Pourcentage du nombre total d’étapes temporelles auquel ControlNet commence à influencer la génération de l’image.
controlnets[].end_percentagefacultatif
Typenumber
Par défaut1
0 – 1
Pourcentage du nombre total d’étapes temporelles auquel ControlNet cesse d’influencer la génération de l’image.
controlnets[].ip_adapter_indexfacultatif
Typeinteger | null
Sélection de l'adaptateur IP par index pour un ControlNet InstantID ; les autres ControlNets n'ont pas besoin de ce paramètre.
controlnet_guess_modefacultatif
Typeboolean
Par défautfalse
Restreint l'application du ControlNet aux prédictions conditionnelles lorsque la valeur est true.
ip_adapterfacultatif
Typeobject[]
Par défaut[]
Adaptateurs IP utilisés pour générer des images. La présence d'une entrée quelconque nécessite image_encoder_path.
ip_adapter[].ip_adapter_image_urlrequis
Typeurl · image
URL de l'image fournie comme entrée de l'adaptateur IP.
ip_adapter[].ip_adapter_mask_urlfacultatif
Typeurl · image
Masque de l'adaptateur IP, soumis à une contrainte de taille lorsqu'il est fourni : ses dimensions doivent être égales à celles de l'image de l'adaptateur.
ip_adapter[].pathrequis
Typestring
Emplacement des poids de l'adaptateur IP, indiqué sous forme d'URL ou de chemin.
ip_adapter[].model_subfolderfacultatif
Typestring | null
Emplacement des poids de l'adaptateur IP, indiqué comme sous-dossier du répertoire du modèle.
ip_adapter[].weight_namefacultatif
Typestring | null
Nom de fichier des poids.
ip_adapter[].insight_face_model_pathfacultatif
Typestring | null
Emplacement des poids du modèle InsightFace, indiqué sous forme d'URL ou de chemin.
ip_adapter[].scalefacultatif
Typenumber
Par défaut1
≥ 0
Facteur d'échelle des poids de l'adaptateur IP, appliqué avant leur fusion dans le modèle de base.
ip_adapter[].scale_jsonfacultatif
Typeobject | null
Facteur d'échelle des poids de l'adaptateur IP, appliqué avant leur fusion dans le modèle de base.
ip_adapter[].unconditional_noising_factorfacultatif
Typenumber
Par défaut0
0 – 1
Facteur contrôlant le bruitage inconditionnel de l'adaptateur IP.
ip_adapter[].image_projection_shortcutfacultatif
Typeboolean
Par défauttrue
Paramètre de raccourci de projection d'image, avec True par défaut. Utilisez False pour les modèles FaceID plus V1 et True pour les modèles FaceID plus V2.
image_encoder_pathfacultatif
Typestring | null
Encodeur d'image indiqué par une URL HTTPS ou un identifiant Hugging Face, avec une compatibilité déterminée par les poids de l'IP-Adapter : SD1.5 utilise image_encoder_subfolder='models/image_encoder', tandis que h94/IP-Adapter SDXL utilise h94/IP-Adapter et image_encoder_subfolder='sdxl_models/image_encoder'. Un encodeur est requis dès que ip_adapter contient une valeur.
image_encoder_subfolderfacultatif
Typestring | null
Sous-répertoire de image_encoder_path contenant les poids de l'encodeur d'image.
image_encoder_weight_namefacultatif
Typestring | null
Par défautpytorch_model.bin
Sélectionnez par nom les poids de l'encodeur d'image à utiliser pour générer des images.
ic_light_model_urlfacultatif
Typestring | null
URL du modèle IC Light utilisé lors de la génération d'images.
ic_light_model_background_image_urlfacultatif
Typeurl · image
Arrière-plan compatible avec le modèle pour la génération d'images IC Light, fourni sous forme d'URL d'image.
ic_light_image_urlfacultatif
Typeurl · image
URL de l'image d'entrée pour la génération avec le modèle IC Light.
seedfacultatif
Typeinteger | null
Graine permettant de reproduire des images dans Stable Diffusion. Une image peut être reproduite exactement à chaque exécution en conservant la version du modèle, le prompt et la graine inchangés.
num_inference_stepsfacultatif
Typeinteger
Par défaut30
1 – 150
Contrôle le nombre d'étapes de génération effectuées par Stable Diffusion ; des étapes supplémentaires peuvent produire une image finale plus détaillée.
guidance_scalefacultatif
Typenumber
Par défaut7.5
0 – 20
Force d'adhérence au prompt pour la sélection d'image, exprimée comme CFG (Classifier Free Guidance).
clip_skipfacultatif
Typeinteger
Par défaut0
0 – 2
Ignore une partie de la génération d'image pour accélérer le rendu, au prix de résultats légèrement différents.
schedulerfacultatif
Typeenum
DPM++ 2MDPM++ 2M KarrasDPM++ 2M SDEDPM++ 2M SDE KarrasEulerEuler AEuler (trailing timesteps)LCMLCM (trailing timesteps)DDIMTCD
Scheduler ou sampler utilisé pour débruiter l'image.
timestepsfacultatif
Typeobject
Par défaut{"array":[],"method":"default"}
Surcharge du calendrier des pas de débruitage, mutuellement exclusive avec sigmas. Sans surcharge — le comportement par défaut — le planificateur calcule les pas à partir de num_inference_steps ; la fourniture d'un calendrier personnalisé rend num_inference_steps sans effet. Une surcharge nécessite que le planificateur prenne en charge l'argument timesteps pour set_timesteps.
timesteps.methodfacultatif
Typeenum
Par défautdefault
defaultarray
Choisissez comment les pas de temps sont déterminés : 'default', le paramètre par défaut, permet au planificateur d'utiliser `num_inference_steps`. Pour fournir vous-même un calendrier de pas de temps, sélectionnez 'array' et placez le calendrier dans le champ `array`.
timesteps.arrayfacultatif
Typeinteger[]
Par défaut[]
Calendrier des pas de temps appliqué lorsque la méthode sélectionnée est 'custom'.
sigmasfacultatif
Typeobject
Par défaut{"array":[],"method":"default"}
Surcharge du calendrier des sigmas de débruitage, mutuellement exclusive avec timesteps. Sans surcharge — le comportement par défaut — le planificateur calcule les sigmas à partir de num_inference_steps ; la fourniture d'un calendrier personnalisé rend num_inference_steps sans effet. Une surcharge nécessite que le planificateur prenne en charge l'argument sigmas pour set_sigmas.
sigmas.methodfacultatif
Typeenum
Par défautdefault
defaultarray
Choisissez comment les sigmas sont déterminés : 'default', le paramètre par défaut, utilise les valeurs sigma propres au planificateur. Pour fournir vous-même un calendrier sigma, sélectionnez 'custom' et placez le calendrier dans le champ `array`.
sigmas.arrayfacultatif
Typenumber[]
Par défaut[]
Calendrier sigma appliqué lorsque la méthode sélectionnée est 'custom'.
prediction_typefacultatif
Typeenum
Par défautepsilon
v_predictionepsilon
Choisissez le type de prédiction pour générer des images ; sans autre sélection, `epsilon` est utilisé.
rescale_betas_snr_zerofacultatif
Typeboolean
Par défautfalse
Contrôle l'activation de rescale_betas_snr_zero par l'échantillonneur.
image_formatfacultatif
Typeenum
Par défautpng
jpegpng
Format de fichier de l'image obtenue.
num_imagesfacultatif num_outputs
Typeinteger
Par défaut1
1 – 8
Définissez le nombre d'images produites par une requête, en permettant un temps de génération plus long pour un lot plus important.
enable_safety_checkerfacultatif
Typeboolean
Par défautfalse
Activation du vérificateur de sécurité ; true active la vérification.
tile_widthfacultatif
Typeinteger
Par défaut4096
128 – 4 096
Définissez la taille de chaque tuile pendant la génération d'images.
tile_heightfacultatif
Typeinteger
Par défaut4096
128 – 4 096
Définissez la taille de chaque tuile pendant la génération d'images.
tile_stride_widthfacultatif
Typeinteger
Par défaut2048
64 – 2 048
Définissez l'espacement entre les positions successives des tuiles pendant la génération d'images.
tile_stride_heightfacultatif
Typeinteger
Par défaut2048
64 – 2 048
Définissez l'espacement entre les positions successives des tuiles pendant la génération d'images.
etafacultatif
Typenumber
Par défaut0
0 – 1
Paramètre Eta utilisé lors de la génération d'images.
debug_latentsfacultatif
Typeboolean
Par défautfalse
Enregistre les latents à des fins de débogage lorsque la valeur est true.
debug_per_pass_latentsfacultatif
Typeboolean
Par défautfalse
Activez le débogage à chaque passe en définissant cette valeur sur true, ce qui enregistre les latents de chaque passe.
requis Nom canonique, également accepté

Les paramètres de fichier acceptent une URL publique https://, un URI data: jusqu’à 10 MB ou le file_url d’un téléversement. Fichiers

Sortie

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"
  }
}
Vos fichiers, votre choixChaque outputs[].url est une copie dans notre stockage : conservée indéfiniment (facturation au Go-mois) ou 7 jours gratuitement, selon le réglage de votre compte ou ?storage=.
Même structure pour chaque modèletype, url, content_type, width, height et duration, pour les images, vidéos et fichiers audio. output est le propre objet de résultat du modèle.
Champs de sortie
images
array of object {url, content_type, file_name, file_size, width, height}Informations de fichier pour les images générées.
seed
integerSeed de génération d'images, y compris la valeur choisie aléatoirement si l'entrée n'en fournissait pas ; sinon, il reprend la valeur fournie.
has_nsfw_concepts
array of booleanIndique si des concepts NSFW apparaissent dans les images générées.
debug_latents
object {url, content_type, file_name, file_size} | nullDonnées latentes stockées à des fins de débogage.
debug_per_pass_latents
object {url, content_type, file_name, file_size} | nullDonnées latentes de chaque passe stockées à des fins de débogage.

Plus de modèles : Édition d’image

Pour les agents IA : cette page au format Markdown est disponible à https://doitong.com/fr/developers/models/lora/inpaint.md. Tous les modèles et guides : https://doitong.com/developers/llms.txt