# Stable Diffusion with LoRAs · Inpaint API

> 선택한 Stable Diffusion 기본 모델과 LoRAs를 사용하고 흑백 마스크로 안내하는 인페인팅

`model_name`에 지정한 Stable Diffusion 모델로 `image_url`과 흑백 `mask_url`을 사용해 이미지 일부를 편집합니다. `noise_strength`는 0~1 범위입니다. 병합 LoRA, 임베딩, ControlNet, IP adapter 및 여러 스케줄러를 지원하며 스텝은 1~150입니다. 출력은 png 또는 jpeg입니다.

- 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/ko/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 |  |  | 이미지 생성에 사용할 기본 모델로, URL 또는 HuggingFace ID로 식별합니다. |
| `unet_name` |  | string \| null | no |  |  | 이미지 생성에 사용할 사용자 지정 U-Net 선택입니다. HuggingFace ID 또는 URL 중 하나를 제공하세요. |
| `variant` |  | string \| null | no |  |  | HuggingFace 모델 변형 선택입니다. 'fp16'이 한 가지 예입니다. |
| `prompt` |  | string | yes |  |  | 생성하려는 이미지를 최대한 자세히 설명하세요. 최상의 결과를 얻는 데 도움이 됩니다. |
| `negative_prompt` |  | string | no | `` |  | 원치 않는 이미지 세부 정보를 지정하는 네거티브 프롬프트입니다. 색상, 객체, 풍경 또는 콧수염·흐림·낮은 해상도 같은 세부 특징과 품질을 제외할 수 있습니다. |
| `prompt_weighting` |  | boolean | no | `false` |  | 프롬프트 가중치 토글: true이면 임베딩 평균화를 통해 77 토큰 제한을 제거하고 가중치 구문을 활성화합니다. |
| `image_url` | `image` | string (image URL) \| null | no |  |  | 이미지 간 생성 또는 인페인팅에 사용하는 소스 이미지 URL입니다. |
| `mask_url` | `mask` | string (image URL) \| null | no |  |  | 흑백 이미지를 가리키는 인페인팅 마스크 URL입니다. |
| `noise_strength` |  | number | no | `0.5` | ≤ 1, > 0 | 추가된 이미지 노이즈를 제어합니다. 1.0은 완전한 노이즈를, 0에 가까운 값은 최소 노이즈를 의미합니다. image_url을 제공한 경우에만 적용됩니다. |
| `loras` |  | array of object {path, scale} | no | `[]` |  | 결합된 효과로 생성 이미지를 만드는 LoRA입니다. 지정할 수 있는 개수에는 제한이 없습니다. |
| `loras[].path` |  | string | yes |  |  | URL 또는 경로로 지정하는 LoRA 가중치 위치입니다. |
| `loras[].scale` |  | number | no | `1` | 0 – 4 | 기본 모델에 병합하기 전에 LoRA 가중치에 적용되는 배수입니다. |
| `embeddings` |  | array of object {path, tokens} | no | `[]` |  | 이미지 생성 중 적용되는 임베딩으로, 프롬프트 토큰을 임베딩 가중치에 매핑합니다. 현재 하나의 임베딩만 지원됩니다. |
| `embeddings[].path` |  | string | yes |  |  | URL 또는 파일 경로로 지정된 임베딩 가중치입니다. |
| `embeddings[].tokens` |  | array of string \| null | no |  |  | 임베딩 가중치에 매핑되는 프롬프트 토큰입니다. 생략하면 임베딩 파일 벡터마다 <s0>, <s1>, ...이라는 이름의 토큰이 하나씩 생성됩니다. 프롬프트에서 매핑된 토큰을 사용하세요. |
| `controlnets` |  | array of object {path, config_url, variant, image_url, mask_url, conditioning_scale, start_percentage, end_percentage, ip_adapter_index} | no | `[]` |  | 생성 중 지정된 타임스텝에 이미지에 적용할 ControlNet을 예약합니다. 입력 개수 제한은 없습니다. |
| `controlnets[].path` |  | string | yes |  |  | ControlNet 가중치 위치로, URL 또는 경로로 지정합니다. |
| `controlnets[].config_url` |  | string \| null | no |  |  | ControlNet의 config.json 파일을 가리키는 선택적 URL입니다. |
| `controlnets[].variant` |  | string \| null | no |  |  | Hugging Face 저장소 키와 함께 사용할 선택적 변형입니다. |
| `controlnets[].image_url` |  | string (image URL) | yes |  |  | ControlNet 입력으로 제공되는 이미지 URL입니다. |
| `controlnets[].mask_url` |  | string (image URL) \| null | no |  |  | ControlNet 마스크입니다. 제공할 경우 제어 이미지와 크기가 같아야 하며, 너비와 높이는 각각 32로 나누어떨어져야 합니다. |
| `controlnets[].conditioning_scale` |  | number | no | `1` | 0 – 2 | 기본 모델에 병합하기 전에 ControlNet 가중치에 적용하는 스케일입니다. |
| `controlnets[].start_percentage` |  | number | no | `0` | 0 – 1 | 전체 타임스텝 중 ControlNet이 이미지 생성에 영향을 주기 시작하는 비율입니다. |
| `controlnets[].end_percentage` |  | number | no | `1` | 0 – 1 | 전체 타임스텝 중 ControlNet이 이미지 생성에 영향을 중지하는 비율입니다. |
| `controlnets[].ip_adapter_index` |  | integer \| null | no |  |  | InstantID ControlNet의 인덱스별 IP adapter 선택입니다. 다른 ControlNet에는 이 설정이 필요하지 않습니다. |
| `controlnet_guess_mode` |  | boolean | no | `false` |  | true이면 ControlNet 적용을 조건부 예측으로 제한합니다. |
| `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 | `[]` |  | 이미지 생성에 사용하는 IP adapter입니다. 항목을 제공하려면 image_encoder_path가 필요합니다. |
| `ip_adapter[].ip_adapter_image_url` |  | string (image URL) \| array of image URL | yes |  |  | IP adapter 입력으로 제공되는 이미지 URL입니다. |
| `ip_adapter[].ip_adapter_mask_url` |  | string (image URL) \| null | no |  |  | IP adapter 마스크입니다. 제공할 경우 크기 제한이 적용되며, 해당 치수는 adapter 이미지와 같아야 합니다. |
| `ip_adapter[].path` |  | string | yes |  |  | URL 또는 경로로 지정하는 IP adapter 가중치 위치입니다. |
| `ip_adapter[].model_subfolder` |  | string \| null | no |  |  | 모델 디렉터리 내 하위 폴더로 지정하는 IP adapter 가중치 위치입니다. |
| `ip_adapter[].weight_name` |  | string \| null | no |  |  | 가중치 파일 이름입니다. |
| `ip_adapter[].insight_face_model_path` |  | string \| null | no |  |  | URL 또는 경로로 지정하는 InsightFace 모델 가중치 위치입니다. |
| `ip_adapter[].scale` |  | number | no | `1` | ≥ 0 | 기본 모델에 병합하기 전에 적용되는 IP adapter 가중치 배율입니다. |
| `ip_adapter[].scale_json` |  | object \| null | no |  |  | 기본 모델에 병합하기 전에 적용되는 IP adapter 가중치 배율입니다. |
| `ip_adapter[].unconditional_noising_factor` |  | number | no | `0` | 0 – 1 | IP adapter의 무조건부 노이즈를 제어하는 계수입니다. |
| `ip_adapter[].image_projection_shortcut` |  | boolean | no | `true` |  | 이미지 프로젝션 단축 설정이며 기본값은 True입니다. FaceID plus V1 모델에는 False를, FaceID plus V2 모델에는 True를 사용하세요. |
| `image_encoder_path` |  | string \| null | no |  |  | HTTPS URL 또는 Hugging Face ID로 지정하는 이미지 인코더입니다. 호환성은 IP-Adapter 가중치에 따라 결정됩니다. SD1.5는 image_encoder_subfolder='models/image_encoder'를 사용하고, h94/IP-Adapter SDXL은 h94/IP-Adapter 및 image_encoder_subfolder='sdxl_models/image_encoder'를 사용합니다. ip_adapter에 값이 있으면 인코더가 필요합니다. |
| `image_encoder_subfolder` |  | string \| null | no |  |  | 이미지 인코더 가중치를 포함하는 image_encoder_path 내 하위 디렉터리입니다. |
| `image_encoder_weight_name` |  | string \| null | no | `pytorch_model.bin` |  | 이미지 생성에 사용할 이미지 인코더 가중치를 이름으로 선택합니다. |
| `ic_light_model_url` |  | string \| null | no |  |  | 이미지 생성에 사용하는 IC Light 모델 URL입니다. |
| `ic_light_model_background_image_url` |  | string (image URL) \| null | no |  |  | 이미지 URL로 제공하는 IC Light 이미지 생성용 모델 호환 배경입니다. |
| `ic_light_image_url` |  | string (image URL) \| null | no |  |  | IC Light 모델로 생성할 때 사용하는 입력 이미지 URL입니다. |
| `seed` |  | integer \| null | no |  |  | Stable Diffusion에서 이미지를 재현하기 위한 시드입니다. 모델 버전, 프롬프트, 시드를 변경하지 않으면 매번 이미지를 정확히 재현할 수 있습니다. |
| `num_inference_steps` |  | integer | no | `30` | 1 – 150 | Stable Diffusion이 수행하는 생성 단계 수를 제어합니다. 단계가 많을수록 최종 이미지가 더 세밀해질 수 있습니다. |
| `guidance_scale` |  | number | no | `7.5` | 0 – 20 | 이미지 선택 시 프롬프트 준수 강도이며 CFG(Classifier Free Guidance)로 표현합니다. |
| `clip_skip` |  | integer | no | `0` | 0 – 2 | 이미지 생성 일부를 건너뛰어 더 빠르게 렌더링하며 결과가 약간 달라질 수 있습니다. |
| `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` | 이미지 디노이징에 사용하는 스케줄러 또는 샘플러입니다. |
| `timesteps` |  | object {method, array} | no | `{"array":[],"method":"default"}` |  | 시그마와 상호 배타적인 디노이징 타임스텝 일정 재정의입니다. 재정의하지 않으면 기본값으로 스케줄러가 num_inference_steps에서 타임스텝을 계산합니다. 사용자 지정 일정을 제공하면 num_inference_steps는 무시됩니다. 재정의하려면 set_timesteps의 timesteps 인자를 지원하는 스케줄러가 필요합니다. |
| `timesteps.method` |  | enum (string) | no | `default` | `default`, `array` | 'default'를 선택하면 기본 설정으로 스케줄러가 `num_inference_steps`를 사용합니다. 직접 타임스텝 일정을 제공하려면 'array'를 선택하고 `array` 필드에 일정을 입력하세요. |
| `timesteps.array` |  | array of integer | no | `[]` |  | 선택한 방법이 'custom'일 때 적용되는 타임스텝 일정입니다. |
| `sigmas` |  | object {method, array} | no | `{"array":[],"method":"default"}` |  | 타임스텝과 상호 배타적인 디노이징 시그마 일정 재정의입니다. 재정의하지 않으면 기본값으로 스케줄러가 num_inference_steps에서 시그마를 계산합니다. 사용자 지정 일정을 제공하면 num_inference_steps는 무시됩니다. 재정의하려면 set_sigmas의 sigmas 인자를 지원하는 스케줄러가 필요합니다. |
| `sigmas.method` |  | enum (string) | no | `default` | `default`, `array` | 'default'를 선택하면 기본 설정으로 스케줄러 자체의 시그마 값을 사용합니다. 직접 시그마 일정을 제공하려면 'custom'을 선택하고 `array` 필드에 일정을 입력하세요. |
| `sigmas.array` |  | array of number | no | `[]` |  | 선택한 방법이 'custom'일 때 적용되는 시그마 일정입니다. |
| `prediction_type` |  | enum (string) | no | `epsilon` | `v_prediction`, `epsilon` | 이미지 생성에 사용할 예측 유형을 선택합니다. 다른 항목을 선택하지 않으면 `epsilon`이 사용됩니다. |
| `rescale_betas_snr_zero` |  | boolean | no | `false` |  | 샘플러가 rescale_betas_snr_zero를 활성화할지 제어합니다. |
| `image_format` |  | enum (string) | no | `png` | `jpeg`, `png` | 결과 이미지의 파일 형식입니다. |
| `num_images` | `num_outputs` | integer | no | `1` | 1 – 8 | 단일 요청에서 생성할 이미지 수를 설정합니다. 배치가 클수록 더 긴 생성 시간이 허용됩니다. |
| `enable_safety_checker` |  | boolean | no | `false` |  | 안전 검사기 활성화입니다. true는 검사를 활성화합니다. |
| `tile_width` |  | integer | no | `4096` | 128 – 4,096 | 이미지 생성 중 각 타일의 크기를 설정합니다. |
| `tile_height` |  | integer | no | `4096` | 128 – 4,096 | 이미지 생성 중 각 타일의 크기를 설정합니다. |
| `tile_stride_width` |  | integer | no | `2048` | 64 – 2,048 | 이미지 생성 중 연속된 타일 위치 사이의 간격을 설정합니다. |
| `tile_stride_height` |  | integer | no | `2048` | 64 – 2,048 | 이미지 생성 중 연속된 타일 위치 사이의 간격을 설정합니다. |
| `eta` |  | number | no | `0` | 0 – 1 | 이미지 생성에 사용하는 Eta 설정입니다. |
| `debug_latents` |  | boolean | no | `false` |  | true이면 디버깅을 위해 잠재 표현을 저장합니다. |
| `debug_per_pass_latents` |  | boolean | no | `false` |  | true로 설정하면 패스별 디버깅을 활성화하고 모든 패스의 잠재 표현을 저장합니다. |

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} | 생성된 이미지의 파일 정보입니다. |
| `seed` | integer | 이미지 생성 시드입니다. 입력에서 시드를 생략하면 무작위로 선택된 값이 포함되고, 그렇지 않으면 제공한 값이 반복됩니다. |
| `has_nsfw_concepts` | array of boolean | 생성된 이미지에 NSFW 개념이 나타나는지 나타냅니다. |
| `debug_latents` | object {url, content_type, file_name, file_size} \| null | 디버깅을 위해 저장되는 잠재 데이터입니다. |
| `debug_per_pass_latents` | object {url, content_type, file_name, file_size} \| null | 디버깅을 위해 저장되는 패스별 잠재 데이터입니다. |

## 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