အကြောင်းအရာသို့ ကျော်ရန်

FLUX.1 [dev] with Controlnets and Loras

ပေါင်းစည်းရန်

မော်ဒယ် id flux-general
# 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?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"

ဤတောင်းဆိုချက်: ≈၀.၃၀ $ ၃၀၀ API ခရက်ဒစ် ဤစာမျက်နှာတွင် လုပ်ဆောင်ရန်

API ကီး ရယူရန်
Black Forest Labs စာသားမှ ပုံ ရည်ညွှန်း ထည့်သွင်းချက်များ #lora#controlnet#ip-adapter

LoRAs၊ ControlNets၊ IP-Adapters၊ EasyControl နှင့် အညွှန်းပုံလမ်းညွှန်မှုတို့ပါသော FLUX.1 [dev] text-to-image

Doitong တွင် ဖန်တီးထားသည်

Doitong အသိုင်းအဝိုင်းက FLUX.1 [dev] with Controlnets and Loras ဖြင့် ဖန်တီးထားသော အများပြည်သူသုံး လက်ရာများ။ ပရောမ့်ကို တစ်ချက်နှိပ်၍ ပြန်အသုံးပြုပါ။

ပြသထားသော အများပြည်သူသုံး လက်ရာများ: 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...

တောင်းဆိုမှုတစ်ခု တည်ဆောက်ရန်

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

•လိုအပ်သည်

ပုံဖန်တီးမှုကို လမ်းညွှန်ပေးသည့် ပရောမ့်။

image_size

ဖန်တီးထားသောပုံ၏ အရွယ်အစား။

num_images မူလ 1

ဖန်တီးမည့် ပုံအရေအတွက်ကို သတ်မှတ်ပါ။ ထွက်ရလဒ်ကို stream လုပ်သောအခါ ဤရွေးချယ်မှုကို 1 အဖြစ် သတ်မှတ်ထားသည်။

အဆင့်မြင့် 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 · seed · use_real_cfg · use_cfg_zero · enable_safety_checker · use_beta_schedule · loras · control_loras · controlnets · controlnet_unions · ip_adapters · easycontrols · fill_image
မူလ

ဖန်တီးထားသော ပုံများတွင် မလိုလားသော သတ်မှတ်ချက်များ မပါဝင်စေရန် မူလအနေဖြင့် NAG ဖြင့် လုပ်ဆောင်သည့် negative ပရောမ့်။

ဖိုင်ကို ဆွဲချပါ၊ သို့မဟုတ်

Reference-Only လမ်းညွှန်မှုအတွက် အသုံးပြုသည့် ပုံ URL။

output_format မူလ png

ရလဒ်ပုံအတွက် ဖိုင်ဖော်မတ်။

scheduler မူလ euler

denoising အတွင်း အသုံးပြုသည့် Scheduler။

denoising အတွင်း အသုံးပြုသည့် Sigma schedule။

မူလ 28

လုပ်ဆောင်ရန် inference အဆင့်အရေအတွက်။

မူလ 3.5

ပုံရွေးချယ်မှုအတွက် ပရောမ့်လိုက်နာမှုအားကို CFG (Classifier Free Guidance) အဖြစ် ဖော်ပြထားသည်။

မူလ 3.5

ပုံရွေးချယ်မှုအတွက် ပရောမ့်လိုက်နာမှုအားကို CFG (Classifier Free Guidance) အဖြစ် ဖော်ပြထားသည်။

မူလ 0.65

reference_only ဖန်တီးမှုအတွင်း reference ပုံ၏ သက်ရောက်မှု။ ပေးပို့ထားသော reference ပုံမရှိပါက ဤ strength setting သည် အကျိုးသက်ရောက်မှုမရှိပါ။

မူလ 0

Reference လမ်းညွှန်မှု စတင်သည့်နေရာ၊ timestep အားလုံး၏ ရာခိုင်နှုန်းဖြင့် ဖော်ပြသည်။

မူလ 1

Reference လမ်းညွှန်မှု အဆုံးသတ်သည့်နေရာ၊ timestep အားလုံး၏ ရာခိုင်နှုန်းဖြင့် ဖော်ပြသည်။

မူလ 0.5

သတ်မှတ်ထားသော timestep များအပေါ် အသုံးပြုသည့် အခြေခံ shift။

မူလ 1.15

သတ်မှတ်ထားသော timestep များအပေါ် အသုံးပြုသည့် အများဆုံး shift။

မူလ 3

NAG scale ဖြင့် ထိန်းချုပ်သည့် negative-prompt ရှောင်ရှားမှု။ တန်ဖိုးမြှင့်ပါက ဖန်တီးထားသောပုံသည် negative ဖော်ပြချက်နှင့် ပိုမိုကွာခြားလာသည်။

မူလ 2.5

hidden-state normalization အတွက် NAG tau setting။ မပြောင်းလဲထားရန် အကြံပြုသည်။ တန်ဖိုးမြှင့်ပါက normalization အားနည်းလာပြီး မူရင်းပုံမှ မမျှော်လင့်ထားသည့် ကွာခြားမှုများ ဖြစ်နိုင်သည်။

မူလ 0.25

NAG alpha သည် positive နှင့် negative ပရောမ့် များကို ပေါင်းစပ်ထားသော normalized guidance ကို positive ပရောမ့် က မည်မျှ ပြန်လည်လမ်းညွှန်မည်ကို သတ်မှတ်သည်။ ဤနောက်ဆုံးအလေးချိန်ချိန်ညှိမှုကြောင့် တန်ဖိုးနိမ့်လျှင် positive ပရောမ့် ၏ သက်ရောက်မှု ပိုများပြီး တန်ဖိုးမြင့်လျှင် ပြန်လည်လမ်းညွှန်မှု လျော့နည်းသည်။

မူလ 0.25

NAG cutoff ကို ဖန်တီးမှုအဆင့်များ၏ အချိုးအဖြစ် ဖော်ပြသည်။ NAG သည် ထိုကနဦးအချိုးအတိုင်း လုပ်ဆောင်ပြီးနောက် FLUX ၏ မူရင်း attention processors များက အစားထိုးလုပ်ဆောင်သည်။

ထပ်တူပြန်လည်ဖန်တီးနိုင်သော ပုံများအတွက် seed: မော်ဒယ်ဗားရှင်း မပြောင်းလဲပါက တူညီသော ပရောမ့်နှင့် seed သည် တူညီသောပုံကို ဖန်တီးပေးသည်။

မူလ []

ပေါင်းစပ်အကျိုးသက်ရောက်မှုဖြင့် ဖန်တီးထားသော ပုံကို ထုတ်ပေးသည့် LoRA များ။ ပေးနိုင်သည့်အရေအတွက် ကန့်သတ်မထားပါ။

မူလ []

နောက်ဆုံးပုံဖန်တီးရန် ပေါင်းစပ်ဖွဲ့စည်းမှုတစ်ခုအဖြစ် ပေါင်းစည်းထားသော control-image LoRA များ။ ပေးနိုင်သည့်အရေအတွက် ကန့်သတ်မထားပါ။

မူလ []

ပုံဖန်တီးမှုအတွက် ControlNet ဖွဲ့စည်းမှု။ လက်ရှိတွင် ControlNet တစ်ခုတည်းသာ ကန့်သတ်ထားသည်။

မူလ []

ပုံဖန်တီးမှုအတွက် ControlNet union ဖွဲ့စည်းပုံ။ လက်ရှိ single-ControlNet ကန့်သတ်ချက်အောက်တွင် အသုံးပြုရသည်။

မူလ []

ပုံဖန်တီးစဉ် အသုံးပြုသည့် IP-Adapter။

မူလ []

ပုံဖန်တီးစဉ် အသုံးပြုသည့် EasyControl ထည့်သွင်းချက်များ။

ဖန်တီးမှုကို လမ်းညွှန်ပြီး mask လုပ်ထားသော ဧရိယာများအတွက် အကြောင်းအရာ ပေးနိုင်သည့် ထည့်သွင်းပုံ။

POST /run/flux-general?wait=20 ကုန်ကျစရိတ် → ၀.၃၀ $
# 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?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"

ဤတောင်းဆိုချက်ကို လုပ်ဆောင်ရန်

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

FLUX.1 [dev] with Controlnets and Loras အကြောင်း

`prompt` မှ ပုံများကို ဖန်တီးပြီး `loras`၊ `control_loras`၊ `controlnets`၊ `controlnet_unions`၊ `ip_adapters` နှင့် `easycontrols` အပါအဝင် ထိန်းညှိသတ်မှတ်မှု နည်းလမ်းများစွာကို ခွင့်ပြုသည်။ မတ်စ်ထားသော နေရာများအတွက် `fill_image` ကိုလည်း အသုံးပြုနိုင်သည်။ `reference_image_url`၊ နဂ္ဂတစ် ပရောမ့်များနှင့် euler သို့မဟုတ် dpmpp_2m အချိန်ဇယားဆွဲစနစ် ရွေးချယ်မှုကိုလည်း လက်ခံသည်။ ခေါ်ဆိုမှုတစ်ခုလျှင် ပုံ 10 ပုံအထိကို png သို့မဟုတ် jpeg ဖြင့် ရရှိနိုင်သည်။

ပါရာမီတာများ

စံအမည် သို့မဟုတ် မူရင်းအမည် တစ်ခုခုကိုသာ ပို့ပါ၊ နှစ်ခုလုံး မပို့ပါနှင့်။ စံအမည်များ

အမည်အမျိုးအစား မူလတန်ဖိုးခွင့်ပြုထားသည် ဖော်ပြချက်
promptလိုအပ်သည်
အမျိုးအစားstring
ပုံဖန်တီးမှုကို လမ်းညွှန်ပေးသည့် ပရောမ့်။
image_sizeရွေးချယ်နိုင်သည်
အမျိုးအစားobject
square_hdsquareportrait_4_3portrait_16_9landscape_4_3landscape_16_9
ဖန်တီးထားသောပုံ၏ အရွယ်အစား။
num_inference_stepsရွေးချယ်နိုင်သည်
အမျိုးအစားinteger
မူလတန်ဖိုး28
၁ – ၅၀
လုပ်ဆောင်ရန် inference အဆင့်အရေအတွက်။
seedရွေးချယ်နိုင်သည်
အမျိုးအစားinteger | null
ထပ်တူပြန်လည်ဖန်တီးနိုင်သော ပုံများအတွက် seed: မော်ဒယ်ဗားရှင်း မပြောင်းလဲပါက တူညီသော ပရောမ့်နှင့် seed သည် တူညီသောပုံကို ဖန်တီးပေးသည်။
lorasရွေးချယ်နိုင်သည်
အမျိုးအစားobject[]
မူလတန်ဖိုး[]
ပေါင်းစပ်အကျိုးသက်ရောက်မှုဖြင့် ဖန်တီးထားသော ပုံကို ထုတ်ပေးသည့် LoRA များ။ ပေးနိုင်သည့်အရေအတွက် ကန့်သတ်မထားပါ။
loras[].pathလိုအပ်သည်
အမျိုးအစားstring
URL သို့မဟုတ် path အဖြစ် သတ်မှတ်ထားသော LoRA weights တည်နေရာ။
loras[].scaleရွေးချယ်နိုင်သည်
အမျိုးအစားobject | number
မူလတန်ဖိုး1
LoRA အလေးချိန်များကို base မော်ဒယ် နှင့် ပေါင်းစည်းမီ အသုံးပြုသည့် စကေး။ တစ်လွှာချင်းစီ စကေးသတ်မှတ်ရန် {"layer_name":layer_scale} ပုံစံ dictionary ကို ပေးပါ။ မသတ်မှတ်ထားသောလွှာများသည် 1.0 ကို အသုံးပြုသည်။
control_lorasရွေးချယ်နိုင်သည်
အမျိုးအစားobject[]
မူလတန်ဖိုး[]
နောက်ဆုံးပုံဖန်တီးရန် ပေါင်းစပ်ဖွဲ့စည်းမှုတစ်ခုအဖြစ် ပေါင်းစည်းထားသော control-image LoRA များ။ ပေးနိုင်သည့်အရေအတွက် ကန့်သတ်မထားပါ။
control_loras[].pathလိုအပ်သည်
အမျိုးအစားstring
URL သို့မဟုတ် path အဖြစ် သတ်မှတ်ထားသော LoRA weights တည်နေရာ။
control_loras[].scaleရွေးချယ်နိုင်သည်
အမျိုးအစားobject | number
မူလတန်ဖိုး1
LoRA အလေးချိန်များကို base မော်ဒယ် နှင့် ပေါင်းစည်းမီ အသုံးပြုသည့် စကေး။ တစ်လွှာချင်းစီ စကေးသတ်မှတ်ရန် {"layer_name":layer_scale} ပုံစံ dictionary ကို ပေးပါ။ မသတ်မှတ်ထားသောလွှာများသည် 1.0 ကို အသုံးပြုသည်။
control_loras[].control_image_urlလိုအပ်သည်
အမျိုးအစားurl · image
control ပုံကို ပေးသည့် ပုံ URL။
control_loras[].preprocessရွေးချယ်နိုင်သည်
အမျိုးအစားenum
မူလတန်ဖိုးNone
cannydepthNone
ပေးထားသောပုံတွင် အသုံးပြုသည့် ကြိုတင်လုပ်ဆောင်မှုနည်းလမ်း။
controlnetsရွေးချယ်နိုင်သည်
အမျိုးအစားobject[]
မူလတန်ဖိုး[]
ပုံဖန်တီးမှုအတွက် ControlNet ဖွဲ့စည်းမှု။ လက်ရှိတွင် ControlNet တစ်ခုတည်းသာ ကန့်သတ်ထားသည်။
controlnets[].pathလိုအပ်သည်
အမျိုးအစားstring
ControlNet အလေးချိန် တည်နေရာကို URL သို့မဟုတ် path အဖြစ် သတ်မှတ်သည်။
controlnets[].config_urlရွေးချယ်နိုင်သည်
အမျိုးအစားstring | null
ControlNet ၏ config.json ဖိုင်သို့ ညွှန်ပြနိုင်သော ရွေးချယ်စရာ URL။
controlnets[].variantရွေးချယ်နိုင်သည်
အမျိုးအစားstring | null
Hugging Face repository key နှင့် အသုံးပြုရန် ရွေးချယ်နိုင်သော မူကွဲ။
controlnets[].control_image_urlလိုအပ်သည်
အမျိုးအစားurl · image
control ပုံကို ပေးသည့် ပုံ URL။
controlnets[].mask_image_urlရွေးချယ်နိုင်သည်
အမျိုးအစားurl · image
ထိန်းချုပ်ပုံနှင့် ဆက်စပ်သော Mask URL။
controlnets[].mask_thresholdရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး0.5
၀.၀၁ – ၀.၉၉
Mask threshold တန်ဖိုး။
controlnets[].conditioning_scaleရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး1
၀ – ၂
ControlNet အလေးချိန်များကို အခြေခံမော်ဒယ်ထဲသို့ ပေါင်းစည်းမီ အသုံးပြုသည့် စကေးချိန်ညှိမှု။
controlnets[].start_percentageရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး0
၀ – ၁
ControlNet က ပုံဖန်တီးမှုအပေါ် စတင်သက်ရောက်သည့် စုစုပေါင်း timestep များ၏ ရာခိုင်နှုန်း။
controlnets[].end_percentageရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး1
၀ – ၁
ControlNet က ပုံဖန်တီးမှုအပေါ် သက်ရောက်မှုရပ်တန့်သည့် စုစုပေါင်း timestep များ၏ ရာခိုင်နှုန်း။
controlnet_unionsရွေးချယ်နိုင်သည်
အမျိုးအစားobject[]
မူလတန်ဖိုး[]
ပုံဖန်တီးမှုအတွက် ControlNet union ဖွဲ့စည်းပုံ။ လက်ရှိ single-ControlNet ကန့်သတ်ချက်အောက်တွင် အသုံးပြုရသည်။
controlnet_unions[].pathလိုအပ်သည်
အမျိုးအစားstring
ControlNet အလေးချိန် တည်နေရာကို URL သို့မဟုတ် path အဖြစ် သတ်မှတ်သည်။
controlnet_unions[].config_urlရွေးချယ်နိုင်သည်
အမျိုးအစားstring | null
ControlNet ၏ config.json ဖိုင်သို့ ညွှန်ပြနိုင်သော ရွေးချယ်စရာ URL။
controlnet_unions[].variantရွေးချယ်နိုင်သည်
အမျိုးအစားstring | null
Hugging Face repository key နှင့် အသုံးပြုရန် ရွေးချယ်နိုင်သော မူကွဲ။
controlnet_unions[].controlsလိုအပ်သည်
အမျိုးအစားobject[]
ControlNet သို့ ပေးပို့သော ထိန်းချုပ်ပုံများနှင့် ဆက်စပ်မုဒ်များ။
controlnet_unions[].controls[].control_image_urlလိုအပ်သည်
အမျိုးအစားurl · image
control ပုံကို ပေးသည့် ပုံ URL။
controlnet_unions[].controls[].mask_image_urlရွေးချယ်နိုင်သည်
အမျိုးအစားurl · image
ထိန်းချုပ်ပုံနှင့် ဆက်စပ်သော Mask URL။
controlnet_unions[].controls[].control_modeလိုအပ်သည်
အမျိုးအစားenum
cannytiledepthblurposegraylow-quality
Flux Controlnet Union အသုံးပြုသည့် ထိန်းချုပ်မုဒ်။ ရွေးချယ်စရာများမှာ canny သည် အနားသတ်များဖြင့် ဖန်တီးမှုကို လမ်းညွှန်သည်၊ tile သည် tile များဖြင့် လမ်းညွှန်သည်၊ depth သည် မီးခိုးရောင် depth map ဖြင့် လမ်းညွှန်သည်၊ blur သည် ပုံကို ဝါးစေသည်၊ pose သည် ပုံ၏ ကိုယ်ဟန်ဖြင့် ဖန်တီးမှုကို လမ်းညွှန်သည်၊ gray သည် ပုံကို မီးခိုးရောင်ပြောင်းသည်၊ low-quality သည် အရည်အသွေးနိမ့် ပုံမိတ္တူကို ထုတ်ပေးသည်။
controlnet_unions[].controls[].conditioning_scaleရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး1
၀ – ၂
ControlNet အလေးချိန်များကို အခြေခံမော်ဒယ်ထဲသို့ ပေါင်းစည်းမီ အသုံးပြုသည့် စကေးချိန်ညှိမှု။
controlnet_unions[].controls[].mask_thresholdရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး0.5
၀.၀၁ – ၀.၉၉
Mask threshold တန်ဖိုး။
controlnet_unions[].controls[].start_percentageရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး0
၀ – ၁
ControlNet က ပုံဖန်တီးမှုအပေါ် စတင်သက်ရောက်သည့် စုစုပေါင်း timestep များ၏ ရာခိုင်နှုန်း။
controlnet_unions[].controls[].end_percentageရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး1
၀ – ၁
ControlNet က ပုံဖန်တီးမှုအပေါ် သက်ရောက်မှုရပ်တန့်သည့် စုစုပေါင်း timestep များ၏ ရာခိုင်နှုန်း။
ip_adaptersရွေးချယ်နိုင်သည်
အမျိုးအစားobject[]
မူလတန်ဖိုး[]
ပုံဖန်တီးစဉ် အသုံးပြုသည့် IP-Adapter။
ip_adapters[].pathလိုအပ်သည်
အမျိုးအစားstring
Hugging Face ပေါ်ရှိ IP-Adapter တည်နေရာ။
ip_adapters[].subfolderရွေးချယ်နိုင်သည်
အမျိုးအစားstring | null
ip_adapter အလေးချိန်များ ပါဝင်သည့် ခွဲဖိုင်တွဲ။
ip_adapters[].weight_nameရွေးချယ်နိုင်သည်
အမျိုးအစားstring | null
IP-Adapter အလေးချိန်များအတွက် Safetensors ဖိုင်အမည်။
ip_adapters[].image_encoder_pathလိုအပ်သည်
အမျိုးအစားstring
IP-Adapter ပုံ encoder တည်နေရာ၊ ဥပမာ 'openai/clip-vit-large-patch14'။
ip_adapters[].image_encoder_subfolderရွေးချယ်နိုင်သည်
အမျိုးအစားstring | null
ပုံ encoder အတွက် အလေးချိန်များ ပါဝင်သည့် ခွဲဖိုင်တွဲ။
ip_adapters[].image_encoder_weight_nameရွေးချယ်နိုင်သည်
အမျိုးအစားstring | null
ပုံ encoder အမည်။
ip_adapters[].image_urlလိုအပ်သည်
အမျိုးအစားurl · image
IP-Adapter သို့ ပေးပို့သည့် conditioning ပုံ URL။
ip_adapters[].mask_image_urlရွေးချယ်နိုင်သည်
အမျိုးအစားurl · image
ထိန်းချုပ်ပုံနှင့် ဆက်စပ်သော Mask URL။
ip_adapters[].mask_thresholdရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး0.5
၀.၀၁ – ၀.၉၉
Mask threshold တန်ဖိုး။
ip_adapters[].scaleလိုအပ်သည်
အမျိုးအစားnumber
IP-Adapter စကေးချိန်ညှိမှု factor။
easycontrolsရွေးချယ်နိုင်သည်
အမျိုးအစားobject[]
မူလတန်ဖိုး[]
ပုံဖန်တီးစဉ် အသုံးပြုသည့် EasyControl ထည့်သွင်းချက်များ။
easycontrols[].control_method_urlလိုအပ်သည်
အမျိုးအစားstring
Control method ၏ safetensor weight URL သို့မဟုတ် ပံ့ပိုးထားသော identifier တစ်ခု: `canny`, `depth`, `hedsketch`, `inpainting`, `pose`, `seg`, `subject`, `ghibli`။
easycontrols[].scaleရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး1
၀ – ၂
Control method စကေးချိန်ညှိမှု factor။
easycontrols[].image_urlလိုအပ်သည်
အမျိုးအစားurl · image
ထိန်းချုပ်ထည့်သွင်းချက် ပါဝင်သည့် ပုံ URL။
easycontrols[].image_control_typeလိုအပ်သည်
အမျိုးအစားenum
subjectspatial
ပုံထိန်းချုပ်မုဒ်၊ `spatial` သို့မဟုတ် `subject` ကို လက်ခံသည်။
fill_imageရွေးချယ်နိုင်သည်
အမျိုးအစားobject
ဖန်တီးမှုကို လမ်းညွှန်ပြီး mask လုပ်ထားသော ဧရိယာများအတွက် အကြောင်းအရာ ပေးနိုင်သည့် ထည့်သွင်းပုံ။
fill_image.fill_image_urlရွေးချယ်နိုင်သည်
အမျိုးအစားurl · image
မူလတန်ဖိုး[]
redux prompting ဖြင့် ဖြည့်ရန် ပုံ URL များ။
guidance_scaleရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး3.5
၀ – ၂၀
ပုံရွေးချယ်မှုအတွက် ပရောမ့်လိုက်နာမှုအားကို CFG (Classifier Free Guidance) အဖြစ် ဖော်ပြထားသည်။
real_cfg_scaleရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး3.5
၀ – ၅
ပုံရွေးချယ်မှုအတွက် ပရောမ့်လိုက်နာမှုအားကို CFG (Classifier Free Guidance) အဖြစ် ဖော်ပြထားသည်။
use_real_cfgရွေးချယ်နိုင်သည်
အမျိုးအစားboolean
မူလတန်ဖိုးfalse
Classical CFG switch။ XLabs IP-Adapter v1 ဖြင့် အလိုအလျောက် ဖွင့်ထားသည်။ လမ်းညွှန်မှုအပြုအမူသည် SD1.5 နှင့် SDXL ကဲ့သို့သော မော်ဒယ်များနှင့် တူညီသည်။
use_cfg_zeroရွေးချယ်နိုင်သည်
အမျိုးအစားboolean
မူလတန်ဖိုးfalse
https://arxiv.org/abs/2503.18886 တွင် ဖော်ပြထားသည့် CFG-zero initialization sampling ကို ဖွင့်သည်။
num_imagesရွေးချယ်နိုင်သည် num_outputs
အမျိုးအစားinteger
မူလတန်ဖိုး1
၁ – ၁၀
ဖန်တီးမည့် ပုံအရေအတွက်ကို သတ်မှတ်ပါ။ ထွက်ရလဒ်ကို stream လုပ်သောအခါ ဤရွေးချယ်မှုကို 1 အဖြစ် သတ်မှတ်ထားသည်။
enable_safety_checkerရွေးချယ်နိုင်သည်
အမျိုးအစားboolean
မူလတန်ဖိုးtrue
လုံခြုံရေးစစ်ဆေးမှုသည် မလုံခြုံဟု သတ်မှတ်ခံရသော ပုံများအစား အနက်ရောင်ပုံများကို ပြန်ပေးသည်။ true သည် စစ်ဆေးမှုကို ဖွင့်ပေးပြီး false သည် ခွင့်ပြုထားသောအကောင့်များအတွက်သာ ပိတ်ပေးသည်။ ခွင့်ပြုချက်မရှိသော တောင်းဆိုချက်များကို မည်သို့ပင်ဖြစ်စေ စစ်ဆေးသည်။
reference_image_urlရွေးချယ်နိုင်သည်
အမျိုးအစားurl · image
Reference-Only လမ်းညွှန်မှုအတွက် အသုံးပြုသည့် ပုံ URL။
reference_strengthရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး0.65
-၃ – ၃
reference_only ဖန်တီးမှုအတွင်း reference ပုံ၏ သက်ရောက်မှု။ ပေးပို့ထားသော reference ပုံမရှိပါက ဤ strength setting သည် အကျိုးသက်ရောက်မှုမရှိပါ။
reference_startရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး0
၀ – ၁
Reference လမ်းညွှန်မှု စတင်သည့်နေရာ၊ timestep အားလုံး၏ ရာခိုင်နှုန်းဖြင့် ဖော်ပြသည်။
reference_endရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး1
၀ – ၁
Reference လမ်းညွှန်မှု အဆုံးသတ်သည့်နေရာ၊ timestep အားလုံး၏ ရာခိုင်နှုန်းဖြင့် ဖော်ပြသည်။
base_shiftရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး0.5
၀.၀၁ – ၅
သတ်မှတ်ထားသော timestep များအပေါ် အသုံးပြုသည့် အခြေခံ shift။
max_shiftရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး1.15
၀.၀၁ – ၅
သတ်မှတ်ထားသော timestep များအပေါ် အသုံးပြုသည့် အများဆုံး shift။
output_formatရွေးချယ်နိုင်သည်
အမျိုးအစားenum
မူလတန်ဖိုးpng
jpegpng
ရလဒ်ပုံအတွက် ဖိုင်ဖော်မတ်။
use_beta_scheduleရွေးချယ်နိုင်သည်
အမျိုးအစားboolean
မူလတန်ဖိုးfalse
beta sigmas အသုံးပြုမည်၊ မပြုမည်ကို ထိန်းချုပ်သည်။
sigma_scheduleရွေးချယ်နိုင်သည်
အမျိုးအစားstring | null
denoising အတွင်း အသုံးပြုသည့် Sigma schedule။
schedulerရွေးချယ်နိုင်သည်
အမျိုးအစားenum
မူလတန်ဖိုးeuler
eulerdpmpp_2m
denoising အတွင်း အသုံးပြုသည့် Scheduler။
negative_promptရွေးချယ်နိုင်သည်
အမျိုးအစားstring
မူလတန်ဖိုး
ဖန်တီးထားသော ပုံများတွင် မလိုလားသော သတ်မှတ်ချက်များ မပါဝင်စေရန် မူလအနေဖြင့် NAG ဖြင့် လုပ်ဆောင်သည့် negative ပရောမ့်။
nag_scaleရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး3
≤ ၁၀> ၁
NAG scale ဖြင့် ထိန်းချုပ်သည့် negative-prompt ရှောင်ရှားမှု။ တန်ဖိုးမြှင့်ပါက ဖန်တီးထားသောပုံသည် negative ဖော်ပြချက်နှင့် ပိုမိုကွာခြားလာသည်။
nag_tauရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး2.5
> ၀
hidden-state normalization အတွက် NAG tau setting။ မပြောင်းလဲထားရန် အကြံပြုသည်။ တန်ဖိုးမြှင့်ပါက normalization အားနည်းလာပြီး မူရင်းပုံမှ မမျှော်လင့်ထားသည့် ကွာခြားမှုများ ဖြစ်နိုင်သည်။
nag_alphaရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး0.25
≤ ၁> ၀
NAG alpha သည် positive နှင့် negative ပရောမ့် များကို ပေါင်းစပ်ထားသော normalized guidance ကို positive ပရောမ့် က မည်မျှ ပြန်လည်လမ်းညွှန်မည်ကို သတ်မှတ်သည်။ ဤနောက်ဆုံးအလေးချိန်ချိန်ညှိမှုကြောင့် တန်ဖိုးနိမ့်လျှင် positive ပရောမ့် ၏ သက်ရောက်မှု ပိုများပြီး တန်ဖိုးမြင့်လျှင် ပြန်လည်လမ်းညွှန်မှု လျော့နည်းသည်။
nag_endရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး0.25
≤ ၁> ၀
NAG cutoff ကို ဖန်တီးမှုအဆင့်များ၏ အချိုးအဖြစ် ဖော်ပြသည်။ NAG သည် ထိုကနဦးအချိုးအတိုင်း လုပ်ဆောင်ပြီးနောက် FLUX ၏ မူရင်း attention processors များက အစားထိုးလုပ်ဆောင်သည်။
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": "flux-general",
  "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": 300,
    "usd": "0.30",
    "charged": 300,
    "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"
  }
}
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/flux-general.md. မော်ဒယ်များနှင့် လမ်းညွှန်များအားလုံး: https://doitong.com/developers/llms.txt