ControlNet SDXL

ပေါင်းစည်းရန်

မော်ဒယ် id fast-sdxl-controlnet-canny

# 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/fast-sdxl-controlnet-canny?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",
    "control_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"

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/fast-sdxl-controlnet-canny?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",
    "control_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  }),
});
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 = {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "control_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/fast-sdxl-controlnet-canny", 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/my/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": "fast-sdxl-controlnet-canny",
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "control_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  }
}

Doitong API မှတစ်ဆင့် ControlNet SDXL မော်ဒယ် (fast-sdxl-controlnet-canny) ကို ခေါ်ယူပါ။ အေးဂျင့်များအတွက် စာရွက်စာတမ်းများ: https://doitong.com/my/developers/models/fast-sdxl-controlnet-canny.md

POST https://api.doitong.com/v1/run/fast-sdxl-controlnet-canny?wait=20
Authorization: Bearer $DOITONG_API_KEY
Content-Type: application/json

{
  "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
  "control_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
}

Response status သည် "queued" သို့မဟုတ် "running" ဖြစ်ပါက "succeeded" ဖြစ်သည်အထိ GET https://api.doitong.com/v1/requests/REQUEST_ID?wait=20 ဖြင့် poll လုပ်ပါ။ ဖိုင်များသည် outputs[].url တွင် ရှိသည်။ လုပ်ဆောင်မီ အတိအကျစျေးနှုန်းရရန် တူညီသော body ဖြင့် POST https://api.doitong.com/v1/quote/fast-sdxl-controlnet-canny ကို အသုံးပြုပါ။

ဤတောင်းဆိုချက်: ≈၀.၀၁၅ $ ၁၅ API ခရက်ဒစ် ဤစာမျက်နှာတွင် လုပ်ဆောင်ရန်

API ကီး ရယူရန်

Stability AI စာသားမှ ပုံ မြန်ဆန် #diffusion#controlnet#manipulation

ဖွဲ့စည်းပုံကို တိကျစွာထိန်းထားသော ဖန်တီးမှုအတွက် ထိန်းချုပ်ပုံဖြင့် လမ်းညွှန်ထားသည့် SDXL စာသားမှပုံ

OpenAPI Markdown

Stability AI · ပုံ

သင့်ပထမဆုံးရလဒ် ဤနေရာတွင် ပေါ်လာမည်

အောက်တွင် တောင်းဆိုချက်တစ်ခု တည်ဆောက်ပြီး သင့် API ကီးဖြင့် လုပ်ဆောင်ပါ။ ထွက်ရလဒ်များကို ကျွန်ုပ်တို့၏ သိုလှောင်မှုသို့ ကူးယူပြီး အမြဲတမ်း သို့မဟုတ် ၇ ရက် အခမဲ့ သိမ်းထားသည်။

တောင်းဆိုမှုတစ်ခု တည်ဆောက်ရန်

တစ်ကြိမ်လုပ်ဆောင်မှုအတွက် ခန့်မှန်းစျေးနှုန်း

ခန့်မှန်း စျေးနှုန်း

၀.၀၁၅ $တစ်ကြိမ်လုပ်ဆောင်မှုလျှင်

၁၅ API ခရက်ဒစ်

တစ်ကြိမ်လုပ်ဆောင်မှုလျှင် သတ်မှတ်စျေးနှုန်းဖြစ်ပြီး အောင်မြင်မှသာ ကောက်ခံသည်။

လုပ်ဆောင်ရန် · ၀.၀၁၅ $

အောင်မြင်မှသာ ကောက်ခံပြီး မအောင်မြင်ပါက အလိုအလျောက် ပြန်အမ်းပေးသည်။

num_outputs မူလ 1

တစ်ကြိမ်လုပ်ဆောင်မှု၏ ပုံမှန်ကုန်ကျစရိတ်မှ ခန့်မှန်းထားသည်။ ဖော်ပြထားသောစျေးနှုန်းသည် လုပ်ဆောင်မှုအတွက် အမှန်တကယ်ကောက်ခံမည့်ပမာဏဖြစ်သည်။

စျေးနှုန်းတွက်ချက်ရန် Endpoint: POST /quote/{id}

တောင်းဆိုမှုတစ်ခု တည်ဆောက်ရန်

ထိန်းချုပ်မှုများကို မော်ဒယ် schema မှ အလိုအလျောက်ဖန်တီးသည်။ ၎င်းတို့ကို ပြောင်းလဲသည်နှင့် code နှင့် စျေးနှုန်းတို့လည်း ပြောင်းလဲမည်။

prompt •လိုအပ်သည်

ဖန်တီးလိုသောပုံကို အသေးစိတ်နိုင်သမျှ အသေးစိတ်ဖော်ပြပါ၊ ထိုသို့ပြုလုပ်ခြင်းဖြင့် အကောင်းဆုံးရလဒ် ရရှိမည်။

control_image_url •လိုအပ်သည်

ဖိုင်ကို ဆွဲချပါ၊ သို့မဟုတ်

ထိန်းချုပ်ပုံသို့ ညွှန်ပြသည့် URL။

image_size

ထွက်ရလဒ်အရွယ်အစား။ size မပေးထားလျှင် ထိန်းချုပ်ပုံမှ အလိုအလျောက် သတ်မှတ်သည်။

num_outputs num_images မူလ 1

ဖန်တီးရန် တောင်းဆိုထားသည့် ပုံအရေအတွက်။

အဆင့်မြင့် negative_prompt · safety_checker_version · format · request_id · controlnet_conditioning_scale · num_inference_steps · guidance_scale · seed · enable_safety_checker · expand_prompt · loras · embeddings

negative_prompt မူလ

ဖယ်ရှားလိုသော ပုံအသေးစိတ်များ၊ အရောင်များ၊ အရာဝတ္ထုများ၊ ရှုခင်းများ သို့မဟုတ် အသေးစိတ်အင်္ဂါရပ်များကို သတ်မှတ်သည့် အနုတ်လက္ခဏာ ပရောမ့်။ ဥပမာများမှာ နှုတ်ခမ်းမွှေး၊ ဝါးခြင်း သို့မဟုတ် ရုပ်ထွက်အရည်အသွေး နိမ့်ခြင်းတို့ ဖြစ်သည်။

safety_checker_version မူလ v1

စိတ်ကြိုက် ViT safety checker (`v2`) နှင့် CompVis checker (`v1`, မူလတန်ဖိုး) တို့အကြား ရွေးချယ်ပါ။

format မူလ jpeg

ရလဒ်ပုံအတွက် ဖိုင်ဖော်မတ်။

request_id မူလ

တုံ့ပြန်ချက်ကို ၎င်းထုတ်ပေးသည့် တောင်းဆိုချက်နှင့် ဆက်စပ်ဖော်ထုတ်ရန် အသုံးပြုသည့် တောင်းဆိုချက်အမှတ်အသား။

controlnet_conditioning_scale မူလ 0.5

ControlNet အသုံးချသည့် conditioning ၏ အားကောင်းမှု။

num_inference_steps မူလ 35

လုပ်ဆောင်ရန် inference အဆင့်အရေအတွက်။

guidance_scale မူလ 7.5

ပုံရွေးချယ်မှုအတွက် ပရောမ့်လိုက်နာမှုအားကို CFG (Classifier Free Guidance) အဖြစ် ဖော်ပြထားသည်။

seed

Stable Diffusion တွင် ပုံများကို ပြန်လည်ထုတ်လုပ်ရန် seed။ မော်ဒယ်ဗားရှင်း၊ ပရောမ့်နှင့် seed ကို မပြောင်းလဲထားပါက run တိုင်း ပုံကို အတိအကျ ပြန်လည်ထုတ်လုပ်နိုင်သည်။

loras မူလ []

အသုံးပြုရန် ရွေးချယ်ထားသော LoRA weights များကို စာရင်းအဖြစ် ပေးထားသည်။

embeddings မူလ []

အသုံးပြုရန် ရွေးချယ်ထားသော Embeddings များကို စာရင်းအဖြစ် ပေးထားသည်။

POST /run/fast-sdxl-controlnet-canny?wait=20 ကုန်ကျစရိတ် → ၀.၀၁၅ $

# 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/fast-sdxl-controlnet-canny?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",
    "control_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"

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/fast-sdxl-controlnet-canny?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",
    "control_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  }),
});
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 = {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "control_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/fast-sdxl-controlnet-canny", 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": "fast-sdxl-controlnet-canny",
      "input": {
        "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
        "control_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
      },
      "wait_seconds": 20
    }
  }
}

ဤတောင်းဆိုချက်ကို လုပ်ဆောင်ရန်

API ကီး

သင့် key သည် ဤဘရောက်ဇာထဲတွင်သာ ရှိမည်ဖြစ်ပြီး Doitong API သို့သာ ပို့မည်။ Remember ကို အမှန်ခြစ်ထားမှသာ (localStorage) တွင် သိမ်းမည်။ ဤဘရောက်ဇာတွင် မှတ်ထားရန် API ကီး ရယူရန်

ControlNet SDXL အကြောင်း

`prompt` နှင့်အတူ အပြင်အဆင်ကို ထိန်းညှိပေးသော မဖြစ်မနေလိုအပ်သည့် `control_image_url` မှ ပုံများကို ဖန်တီးသည်။ `controlnet_conditioning_scale` သည် 0 မှ 1 အထိ (မူလတန်ဖိုး 0.5) ဖြစ်သည်။ `image_size` မသတ်မှတ်ပါက ထွက်ရလဒ်အရွယ်အစားကို ထိန်းချုပ်ပုံမှ သတ်မှတ်သည်။ ခေါ်ဆိုမှုတစ်ခုလျှင် ပုံ 8 ပုံအထိ၊ အဆင့် 70 အထိ၊ LoRAs နှင့် embeddings များကို ပံ့ပိုးသည်။

ပါရာမီတာများ

စံအမည် သို့မဟုတ် မူရင်းအမည် တစ်ခုခုကိုသာ ပို့ပါ၊ နှစ်ခုလုံး မပို့ပါနှင့်။ စံအမည်များ

အမည်အမျိုးအစား မူလတန်ဖိုးခွင့်ပြုထားသည် ဖော်ပြချက်

promptလိုအပ်သည်

အမျိုးအစားstring

control_image_urlလိုအပ်သည်

အမျိုးအစားurl · image

ထိန်းချုပ်ပုံသို့ ညွှန်ပြသည့် URL။

controlnet_conditioning_scaleရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး0.5

၀ – ၁

ControlNet အသုံးချသည့် conditioning ၏ အားကောင်းမှု။

negative_promptရွေးချယ်နိုင်သည်

အမျိုးအစားstring

မူလတန်ဖိုး

image_sizeရွေးချယ်နိုင်သည်

အမျိုးအစားobject

square_hdsquareportrait_4_3portrait_16_9landscape_4_3landscape_16_9

num_inference_stepsရွေးချယ်နိုင်သည်

အမျိုးအစားinteger

မူလတန်ဖိုး35

၁ – ၇၀

လုပ်ဆောင်ရန် inference အဆင့်အရေအတွက်။

seedရွေးချယ်နိုင်သည်

အမျိုးအစားinteger | null

guidance_scaleရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး7.5

၀ – ၂၀

num_imagesရွေးချယ်နိုင်သည် num_outputs

အမျိုးအစားinteger

မူလတန်ဖိုး1

၁ – ၈

ဖန်တီးရန် တောင်းဆိုထားသည့် ပုံအရေအတွက်။

lorasရွေးချယ်နိုင်သည်

အမျိုးအစားobject[]

မူလတန်ဖိုး[]

အသုံးပြုရန် ရွေးချယ်ထားသော LoRA weights များကို စာရင်းအဖြစ် ပေးထားသည်။

loras[].forceရွေးချယ်နိုင်သည်

အမျိုးအစားboolean

မူလတန်ဖိုးfalse

Embedding အသုံးပြုမှု မဖြစ်မနေလိုအပ်ခြင်း ရှိ၊ မရှိ။ true သည် မဖြစ်မနေအသုံးပြုရန် ဆိုလိုသည်။

loras[].pathလိုအပ်သည်

အမျိုးအစားstring

LoRA weight အရင်းအမြစ်။ safetensors weights သို့ ဖြေရှင်းနိုင်သော HF မော်ဒယ်အမှတ်အသား သို့မဟုတ် URL/path ဖြင့် ရှာဖွေနိုင်သော safetensors ဖိုင်အဖြစ် ပေးရသည်။

loras[].scaleရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး1

၀ – ၁

အခြေခံမော်ဒယ်သို့ မပေါင်းစပ်မီ LoRA weight တွင် အသုံးပြုသော multiplier။

embeddingsရွေးချယ်နိုင်သည်

အမျိုးအစားobject[]

မူလတန်ဖိုး[]

အသုံးပြုရန် ရွေးချယ်ထားသော Embeddings များကို စာရင်းအဖြစ် ပေးထားသည်။

embeddings[].pathလိုအပ်သည်

အမျိုးအစားstring

URL သို့မဟုတ် ဖိုင်လမ်းကြောင်းဖြင့် သတ်မှတ်ထားသော Embedding weights။

embeddings[].tokensရွေးချယ်နိုင်သည်

အမျိုးအစားstring[]

Embedding တိုကင်စာရင်း။ မပေးထားပါက အလိုအလျောက်အမည်ပေးခြင်းကို အသုံးပြုပြီး embedding ဖိုင်ရှိ vector တစ်ခုစီအား <s0>, <s1>, ... အစဉ်မှ တိုကင်တစ်ခု ပေးသည်။

enable_safety_checkerရွေးချယ်နိုင်သည်

အမျိုးအစားboolean

မူလတန်ဖိုးtrue

လုံခြုံရေးစစ်ဆေးမှု ဖွင့်ခြင်း၊ true သည် စစ်ဆေးမှုကို ဖွင့်ပေးသည်။

safety_checker_versionရွေးချယ်နိုင်သည်

အမျိုးအစားenum

မူလတန်ဖိုးv1

v1v2

စိတ်ကြိုက် ViT safety checker (`v2`) နှင့် CompVis checker (`v1`, မူလတန်ဖိုး) တို့အကြား ရွေးချယ်ပါ။

expand_promptရွေးချယ်နိုင်သည်

အမျိုးအစားboolean

မူလတန်ဖိုးfalse

အပိုပရောမ့်များဖြင့် ပရောမ့်ချဲ့ထွင်ခြင်း။ true ဖြစ်သည့်အခါ ဖွင့်ထားသည်။

formatရွေးချယ်နိုင်သည်

အမျိုးအစားenum

မူလတန်ဖိုးjpeg

jpegpng

ရလဒ်ပုံအတွက် ဖိုင်ဖော်မတ်။

request_idရွေးချယ်နိုင်သည်

အမျိုးအစားstring

မူလတန်ဖိုး

လိုအပ်သည် စံအမည်၊ ထို့အပြင် လက်ခံသည်

ဖိုင်ပါရာမီတာများသည် အများပြည်သူသုံး https:// URL၊ 10 MB အထိ data: URI သို့မဟုတ် အပ်လုဒ်လုပ်ထားသောဖိုင်၏ file_url ကို လက်ခံသည်။ ဖိုင်များ

ထွက်ရလဒ်

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t

{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "fast-sdxl-controlnet-canny",
  "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": 15,
    "usd": "0.015",
    "charged": 15,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "control_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"
  }
}

သင့်ဖိုင်များ၊ သင့်ရွေးချယ်မှုoutputs[].url တိုင်းသည် ကျွန်ုပ်တို့၏ သိုလှောင်မှုရှိ မိတ္တူဖြစ်သည်- အမြဲတမ်း (GB-month အလိုက် ငွေပေးရသည်) သို့မဟုတ် ၇ ရက် အခမဲ့၊ သင့်အကောင့်ဆက်တင် သို့မဟုတ် ?storage= ဖြင့် သိမ်းထားသည်။

မော်ဒယ်တိုင်းတွင် ပုံစံတူပုံ၊ ဗီဒီယိုနှင့် အသံတို့အတွက် type၊ url၊ content_type၊ width၊ height နှင့် duration။ output သည် မော်ဒယ်ကိုယ်တိုင်၏ ရလဒ် object ဖြစ်သည်။

ထွက်ရလဒ်၏ Fields များ

images: array of object {url, width, height, content_type}ဖန်တီးထားသော ပုံများ၏ ဖိုင်အချက်အလက်။
timings: object
seed: integerပုံဖန်တီးမှုအတွက် seed၊ ထည့်သွင်းချက်တွင် seed မပါပါက ကျပန်းရွေးချယ်ထားသောတန်ဖိုးကို ပါဝင်စေပြီး၊ ပါရှိပါက ပေးထားသောတန်ဖိုးကို ထပ်မံအသုံးပြုသည်။
has_nsfw_concepts: array of booleanဖန်တီးထားသောပုံများတွင် NSFW အယူအဆများ ပါဝင်ခြင်း ရှိ၊ မရှိ ဖော်ပြသည်။
prompt: stringပုံဖန်တီးစဉ် အသုံးပြုမည့် ပရောမ့်။

နောက်ထပ် မော်ဒယ်များ: စာသားမှ ပုံ

AI အေးဂျင့်များအတွက်- ဤစာမျက်နှာ၏ Markdown ကို ဤနေရာတွင် ရရှိနိုင်သည် https://doitong.com/my/developers/models/fast-sdxl-controlnet-canny.md. မော်ဒယ်များနှင့် လမ်းညွှန်များအားလုံး: https://doitong.com/developers/llms.txt

သင့်ပထမဆုံးရလဒ် ဤနေရာတွင် ပေါ်လာမည်

တောင်းဆိုမှုတစ်ခု တည်ဆောက်ရန်

ဤတောင်းဆိုချက်ကို လုပ်ဆောင်ရန်

ControlNet SDXL အကြောင်း

ပါရာမီတာများ

ထွက်ရလဒ်

အခြား ControlNet SDXL မူကွဲများ

ControlNet SDXL · Image to Image မူကွဲများ: 3

ControlNet SDXL · Inpainting မူကွဲများ: 3

နောက်ထပ် မော်ဒယ်များ: စာသားမှ ပုံ

FLUX.1 [dev] မူကွဲများ: 5

FLUX.1 [schnell] မူကွဲများ: 5

FLUX.2 [dev] မူကွဲများ: 11

FLUX.2 [pro] မူကွဲများ: 11