# Optimized Latent Consistency (SDv1.5) API

> Transformatie van afbeelding naar afbeelding in enkele stappen op Stable Diffusion 1.5 met latente consistentie en instelbare sterkte

Stileert of wijzigt een basisafbeelding vanuit een tekstprompt met een aanpak voor latente consistentie die slechts enkele stappen vereist. `num_inference_steps` is standaard 4 en loopt tot 12. `strength` (0 tot 1) bepaalt hoe sterk het resultaat afwijkt van de invoer; per aanroep kunnen maximaal 8 afbeeldingen worden geretourneerd. Een optionele `mask_url`, `negative_prompt` en `seed` worden geaccepteerd.

- Model id: `lcm-sd15-i2i`
- Made by: Open model
- Category: Image Editing
- Output: image
- Estimated price per run: $0.007 / image (cheapest run $0.007 (7 API credits))
- Run: `POST https://api.doitong.com/v1/run/lcm-sd15-i2i`
- Quote: `POST https://api.doitong.com/v1/quote/lcm-sd15-i2i`
- Docs page: https://doitong.com/nl/developers/models/lcm-sd15-i2i

## Pricing

Price: **$0.007 / 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 $0.007 = 7 API credits (1 image × 7 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/lcm-sd15-i2i` 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 |  |  | Beschrijf de afbeelding die je wilt laten genereren zo gedetailleerd mogelijk voor de beste resultaten. |
| `image_url` | `image` | string (image URL) | yes |  |  | Basisafbeelding voor verwerking. |
| `mask_url` | `mask` | string (image URL) \| null | no |  |  | URL naar een masker, verstrekt voor compatibiliteit met generieke LCM-verwerking. |
| `strength` |  | number | no | `0.8` | 0 – 1 | Instelling voor afbeeldingssterkte. |
| `negative_prompt` |  | string | no | `` |  | Negatieve prompt met ongewenste afbeeldingsdetails. Hiermee kunnen kleuren, objecten, landschappen of fijnere kenmerken en kwaliteiten, zoals een snor, vervaging of lage resolutie, worden uitgesloten. |
| `seed` |  | integer \| null | no |  |  | Seed voor het reproduceren van afbeeldingen in Stable Diffusion. Een afbeelding kan bij elke run exact worden gereproduceerd door de modelversie, prompt en seed ongewijzigd te laten. |
| `guidance_scale` |  | number | no | `1` | 0 – 16 | Sterkte waarmee de prompt wordt gevolgd bij beeldselectie, uitgedrukt als CFG (Classifier Free Guidance). |
| `num_inference_steps` |  | integer | no | `4` | 1 – 12 | Aantal inferentiestappen voor afbeeldingsgeneratie; grotere aantallen leveren betere beeldkwaliteit op ten koste van een langere generatietijd. |
| `num_images` | `num_outputs` | integer | no | `1` | 1 – 8 | Grootte van de geretourneerde afbeeldingslijst, gegenereerd met een gedeelde prompt en negatieve prompt maar een afzonderlijke seed per afbeelding. |
| `enable_safety_checks` |  | boolean | no | `true` |  | Schakelaar voor veiligheidscontrole van de uitvoer, die alleen door geautoriseerde accounts kan worden uitgeschakeld; alle niet-geautoriseerde requests ondergaan de controles ongeacht de instelling. Bij true wordt de resulterende afbeelding gecontroleerd op mogelijk onveilige inhoud en vervangen door een zwarte afbeelding als er iets wordt gedetecteerd. |
| `request_id` |  | string | no | `` |  | Request-ID om een response te correleren met de request die deze heeft geproduceerd. |
| `enable_safety_checker` |  | boolean | no | `true` |  | Screening kan worden versoepeld door false in te stellen, mits de aanroeper is geautoriseerd. |

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

A fuller example:

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

## 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/lcm-sd15-i2i?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",
    "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"
```

### 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/lcm-sd15-i2i?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",
    "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 + ")");
```

### 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",
    "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/lcm-sd15-i2i", 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": "lcm-sd15-i2i",
      "input": {
        "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
        "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
      },
      "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": "lcm-sd15-i2i",
  "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": 7,
    "usd": "0.007",
    "charged": 7,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "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,
    "num_inference_steps": 4,
    "request_id": "",
    "nsfw_content_detected": [
      false
    ]
  },
  "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} | Bestandsinformatie voor de gegenereerde afbeeldingen. |
| `timings` | object |  |
| `seed` | integer | Seed voor afbeeldingsgeneratie, inclusief de willekeurig gekozen waarde als de invoer geen seed bevatte; anders wordt de opgegeven waarde herhaald. |
| `num_inference_steps` | integer | Vastgesteld aantal inferentiestappen voor afbeeldingsgeneratie, afkomstig uit de invoer wanneer opgegeven en anders uit de standaardwaarde. |
| `request_id` | string | Request-ID om een response te correleren met de request die deze heeft geproduceerd. |
| `nsfw_content_detected` | array of boolean | Veiligheidsresultaten per afbeelding als booleaanse lijst: elke entry geeft mogelijk onveilige inhoud aan, of is false wanneer veiligheidscontrole is uitgeschakeld. |

## Related models

- [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
- [Bernini-R Edit Image](https://doitong.com/developers/models/bernini-r/edit-image.md) (`bernini-r/edit-image`): $0.03 / megapixel of output image
- [Boogu Image · Edit](https://doitong.com/developers/models/boogu-image/edit.md) (`boogu-image/edit`): $0.08 / image

## Links

- HTML page: https://doitong.com/developers/models/lcm-sd15-i2i
- 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=lcm-sd15-i2i
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/lcm-sd15-i2i