مواد پر جائیں

FLUX.1 [dev] with Controlnets and Loras · Differential Diffusion

انٹیگریٹ کریں

ماڈل id flux-general/differential-diffusion
# 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/differential-diffusion?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": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "change_map_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"

یہ درخواست: ≈⁨$0.138⁩ 138 API کریڈٹس اس صفحے پر چلائیں

API کلید حاصل کریں
Black Forest Labs تصویر میں ترمیم حوالہ جاتی ان پٹس #lora#controlnet#ip-adapter

FLUX.1 [dev] کی تصویر میں تبدیلی کے نقشے سے چلنے والی ایڈیٹنگ، جو ہر حصے میں تبدیلی کی شدت مقرر کرتا ہے

Doitong پر بنایا گیا

Doitong کمیونٹی کے FLUX.1 [dev] with Controlnets and Loras سے بنائے گئے عوامی کام۔ ایک کلک میں پرامپٹ دوبارہ استعمال کریں۔

دکھائے گئے عوامی کام: 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...

درخواست بنائیں

کنٹرولز ماڈل اسکیما سے تیار ہوتے ہیں۔ آپ کے بدلنے کے ساتھ کوڈ اور قیمت اپ ڈیٹ ہوتے ہیں۔

•لازمی

تصویر کی تخلیق کی رہنمائی کرنے والا پرامپٹ۔

•لازمی image_url
فائل ڈراپ کریں، یا

ابتدائی تصویر فراہم کرنے والا تصویر URL۔

•لازمی
فائل ڈراپ کریں، یا

change map کی طرف اشارہ کرنے والا URL۔

image_size

تخلیق شدہ تصویر کی dimensions۔

num_images ڈیفالٹ 1

تخلیق کی جانے والی تصاویر کی تعداد مقرر کریں؛ آؤٹ پٹ stream ہونے پر یہ انتخاب 1 پر مقرر ہوتا ہے۔

ایڈوانسڈ 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 · strength · seed · use_real_cfg · use_cfg_zero · enable_safety_checker · use_beta_schedule · loras · control_loras · controlnets · controlnet_unions · ip_adapters · easycontrols · fill_image
ڈیفالٹ

منفی پرامپٹ، جسے ڈیفالٹ طور پر NAG کے ساتھ process کیا جاتا ہے تاکہ تخلیق شدہ تصاویر میں مخصوص ناپسندیدہ features کی حوصلہ شکنی ہو۔

فائل ڈراپ کریں، یا

Reference-Only guidance کے لیے استعمال ہونے والا تصویر URL۔

output_format ڈیفالٹ png

نتیجہ خیز تصویر کا فائل فارمیٹ۔

scheduler ڈیفالٹ euler

denoising کے دوران استعمال ہونے والا scheduler۔

denoising کے دوران استعمال ہونے والا sigma schedule۔

ڈیفالٹ 28

چلائے جانے والے inference steps کی تعداد۔

ڈیفالٹ 3.5

تصویر کے انتخاب کے لیے پرامپٹ کی پابندی کی طاقت، CFG (Classifier Free Guidance) کے طور پر ظاہر کی جاتی ہے۔

ڈیفالٹ 3.5

تصویر کے انتخاب کے لیے پرامپٹ کی پابندی کی طاقت، CFG (Classifier Free Guidance) کے طور پر ظاہر کی جاتی ہے۔

ڈیفالٹ 0.65

reference_only تخلیق کے دوران reference تصویر کا اثر؛ reference تصویر فراہم نہ کرنے پر اس strength setting کا کوئی اثر نہیں۔

ڈیفالٹ 0

Reference guidance کا ابتدائی نقطہ، تمام timesteps کے فیصد کے طور پر۔

ڈیفالٹ 1

Reference guidance کا آخری نقطہ، تمام timesteps کے فیصد کے طور پر۔

ڈیفالٹ 0.5

scheduled timesteps پر لاگو کیا جانے والا baseline shift۔

ڈیفالٹ 1.15

scheduled timesteps پر لاگو کیا جانے والا زیادہ سے زیادہ shift۔

ڈیفالٹ 3

NAG scale کے ذریعے کنٹرول کیا جانے والا منفی پرامپٹ سے اجتناب؛ اسے بڑھانے سے تخلیق شدہ تصویر منفی description سے کم مشابہ ہوتی ہے۔

ڈیفالٹ 2.5

hidden-state normalization کے لیے NAG tau setting؛ اسے تبدیل نہ کرنے کی سفارش کی جاتی ہے۔ اسے بڑھانے سے normalization کمزور ہوتی ہے اور اصل تصویر سے غیر متوقع انحراف کا خطرہ بڑھتا ہے۔

ڈیفالٹ 0.25

NAG alpha یہ طے کرتا ہے کہ مثبت اور منفی پرامپٹس کو یکجا کرنے والی نارملائزڈ گائیڈنس کا رخ مثبت پرامپٹ کس حد تک موڑتا ہے۔ یہ حتمی وزن کم سیٹنگز پر مثبت پرامپٹ کا اثر بڑھاتا ہے اور زیادہ سیٹنگز پر رخ موڑنے کا اثر کم کرتا ہے۔

ڈیفالٹ 0.25

NAG cutoff، تخلیق steps کے تناسب کے طور پر۔ NAG کے اس ابتدائی تناسب کے مکمل ہونے کے بعد FLUX کے original attention processors کنٹرول سنبھال لیتے ہیں۔

ڈیفالٹ 0.85

Differential diffusion strength، 0.0 پر اصل کے تحفظ سے 1.0 پر مکمل ازسرنو تخلیق تک۔

قابلِ تکرار تصاویر کے لیے سیڈ: ماڈل ورژن تبدیل نہ ہونے پر یکساں پرامپٹ اور سیڈ یکساں تصویر تیار کرتے ہیں۔

ڈیفالٹ []

وہ LoRAs جن کا مشترکہ اثر تخلیق شدہ تصویر بناتا ہے؛ فراہم کیے جانے والے LoRAs کی تعداد کی کوئی حد نہیں۔

ڈیفالٹ []

Control-image LoRAs، جو final تصویر بنانے کے لیے مشترکہ configuration میں merge کیے جاتے ہیں؛ فراہم کردہ تعداد کی کوئی حد نہیں۔

ڈیفالٹ []

تصویر کی تخلیق کے لیے ControlNet configuration؛ فی الحال صرف ایک ControlNet تک محدود۔

ڈیفالٹ []

تصویر کی تخلیق کے لیے ControlNet union configuration، موجودہ single-ControlNet پابندی کے تابع۔

ڈیفالٹ []

تصویر کی تخلیق کے دوران لاگو کیا جانے والا IP-Adapter۔

ڈیفالٹ []

تصویر کی تخلیق کے دوران لاگو کیے جانے والے EasyControl ان پٹ۔

ان پٹ تصویر جو تخلیق کی رہنمائی کرتی ہے اور masked regions کے لیے مواد فراہم کر سکتی ہے۔

POST /run/flux-general/differential-diffusion?wait=20 قیمت → ⁨$0.138⁩
# 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/differential-diffusion?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": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "change_map_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"

یہ درخواست چلائیں

آپ کی key اسی براؤزر میں رہتی ہے: یہ صرف Doitong API کو بھیجی جاتی ہے اور صرف اس صورت میں localStorage میں محفوظ ہوتی ہے جب آپ Remember منتخب کریں۔ API کلید حاصل کریں

FLUX.1 [dev] with Controlnets and Loras · Differential Diffusion کے بارے میں

تبدیلی کے نقشے کی تصویر کے ذریعے ہر حصے میں تبدیلی کی مقدار مقرر کرتے ہوئے ماخذ تصویر کو حصوں کے لحاظ سے تبدیل کرتا ہے۔ `prompt`، `image_url` اور `change_map_image_url` درکار ہیں۔ LoRAs، ControlNets، IP-Adapters اور ایک حوالہ تصویر بھی قبول کرتا ہے۔ `num_inference_steps` کی حد 1 سے 50 اور `num_images` کی حد 10 تک ہے، جبکہ آؤٹ پٹ png یا jpeg ہوتا ہے۔

پیرامیٹرز

معیاری نام یا مقامی نام میں سے صرف ایک بھیجیں، دونوں نہیں۔ معیاری نام

نامقسم ڈیفالٹمجاز تفصیل
promptلازمی
قسمstring
تصویر کی تخلیق کی رہنمائی کرنے والا پرامپٹ۔
image_sizeاختیاری
قسمobject
square_hdsquareportrait_4_3portrait_16_9landscape_4_3landscape_16_9
تخلیق شدہ تصویر کی dimensions۔
num_inference_stepsاختیاری
قسمinteger
ڈیفالٹ28
1 – 50
چلائے جانے والے inference steps کی تعداد۔
seedاختیاری
قسمinteger | null
قابلِ تکرار تصاویر کے لیے سیڈ: ماڈل ورژن تبدیل نہ ہونے پر یکساں پرامپٹ اور سیڈ یکساں تصویر تیار کرتے ہیں۔
lorasاختیاری
قسمobject[]
ڈیفالٹ[]
وہ LoRAs جن کا مشترکہ اثر تخلیق شدہ تصویر بناتا ہے؛ فراہم کیے جانے والے LoRAs کی تعداد کی کوئی حد نہیں۔
loras[].pathلازمی
قسمstring
LoRA weights کا مقام، URL یا path کے طور پر۔
loras[].scaleاختیاری
قسمobject | number
ڈیفالٹ1
Base ماڈل میں merge کرنے سے پہلے LoRA weights پر لاگو کیا جانے والا scaling۔ انفرادی layer scales مقرر کرنے کے لیے {"layer_name":layer_scale} شکل کی dictionary فراہم کریں؛ غیر متعین layers کے لیے 1.0 استعمال ہوتا ہے۔
control_lorasاختیاری
قسمobject[]
ڈیفالٹ[]
Control-image LoRAs، جو final تصویر بنانے کے لیے مشترکہ configuration میں merge کیے جاتے ہیں؛ فراہم کردہ تعداد کی کوئی حد نہیں۔
control_loras[].pathلازمی
قسمstring
LoRA weights کا مقام، URL یا path کے طور پر۔
control_loras[].scaleاختیاری
قسمobject | number
ڈیفالٹ1
Base ماڈل میں merge کرنے سے پہلے LoRA weights پر لاگو کیا جانے والا scaling۔ انفرادی layer scales مقرر کرنے کے لیے {"layer_name":layer_scale} شکل کی dictionary فراہم کریں؛ غیر متعین layers کے لیے 1.0 استعمال ہوتا ہے۔
control_loras[].control_image_urlلازمی
قسمurl · image
Control تصویر فراہم کرنے والا تصویر URL۔
control_loras[].preprocessاختیاری
قسمenum
ڈیفالٹNone
cannydepthNone
فراہم کردہ تصویر پر لاگو کیا جانے والا preprocessing method۔
controlnetsاختیاری
قسمobject[]
ڈیفالٹ[]
تصویر کی تخلیق کے لیے ControlNet configuration؛ فی الحال صرف ایک ControlNet تک محدود۔
controlnets[].pathلازمی
قسمstring
ControlNet weight کا مقام، URL یا path کے طور پر متعین کیا جاتا ہے۔
controlnets[].config_urlاختیاری
قسمstring | null
ControlNet کی config.json فائل کی طرف اشارہ کرنے والا اختیاری URL۔
controlnets[].variantاختیاری
قسمstring | null
Hugging Face repository key کے ساتھ استعمال کے لیے اختیاری variant۔
controlnets[].control_image_urlلازمی
قسمurl · image
Control تصویر فراہم کرنے والا تصویر URL۔
controlnets[].mask_image_urlاختیاری
قسمurl · image
Control تصویر سے منسلک mask URL۔
controlnets[].mask_thresholdاختیاری
قسمnumber
ڈیفالٹ0.5
0.01 – 0.99
Mask threshold value۔
controlnets[].conditioning_scaleاختیاری
قسمnumber
ڈیفالٹ1
0 – 2
Base ماڈل میں merge کرنے سے پہلے ControlNet weights پر لاگو کیا جانے والا scaling۔
controlnets[].start_percentageاختیاری
قسمnumber
ڈیفالٹ0
0 – 1
کل timesteps کا وہ فیصد جس پر ControlNet تصویر کی تخلیق پر اثر انداز ہونا شروع کرتا ہے۔
controlnets[].end_percentageاختیاری
قسمnumber
ڈیفالٹ1
0 – 1
کل timesteps کا وہ فیصد جس پر ControlNet تصویر کی تخلیق پر اثر انداز ہونا بند کرتا ہے۔
controlnet_unionsاختیاری
قسمobject[]
ڈیفالٹ[]
تصویر کی تخلیق کے لیے ControlNet union configuration، موجودہ single-ControlNet پابندی کے تابع۔
controlnet_unions[].pathلازمی
قسمstring
ControlNet weight کا مقام، URL یا path کے طور پر متعین کیا جاتا ہے۔
controlnet_unions[].config_urlاختیاری
قسمstring | null
ControlNet کی config.json فائل کی طرف اشارہ کرنے والا اختیاری URL۔
controlnet_unions[].variantاختیاری
قسمstring | null
Hugging Face repository key کے ساتھ استعمال کے لیے اختیاری variant۔
controlnet_unions[].controlsلازمی
قسمobject[]
ControlNet کو فراہم کی جانے والی control تصویر اور متعلقہ modes۔
controlnet_unions[].controls[].control_image_urlلازمی
قسمurl · image
Control تصویر فراہم کرنے والا تصویر URL۔
controlnet_unions[].controls[].mask_image_urlاختیاری
قسمurl · image
Control تصویر سے منسلک mask URL۔
controlnet_unions[].controls[].control_modeلازمی
قسمenum
cannytiledepthblurposegraylow-quality
Flux Controlnet Union کے ذریعے استعمال ہونے والا control mode۔ Options: canny کناروں سے تخلیق کی رہنمائی کرتا ہے؛ tile tiles سے؛ depth grayscale depth map سے؛ blur تصویر کو دھندلا کرتا ہے؛ pose تصویر کے pose سے؛ gray تصویر کو grayscale بناتا ہے؛ low-quality تصویر کا کم معیار والا ورژن بناتا ہے۔
controlnet_unions[].controls[].conditioning_scaleاختیاری
قسمnumber
ڈیفالٹ1
0 – 2
Base ماڈل میں merge کرنے سے پہلے ControlNet weights پر لاگو کیا جانے والا scaling۔
controlnet_unions[].controls[].mask_thresholdاختیاری
قسمnumber
ڈیفالٹ0.5
0.01 – 0.99
Mask threshold value۔
controlnet_unions[].controls[].start_percentageاختیاری
قسمnumber
ڈیفالٹ0
0 – 1
کل timesteps کا وہ فیصد جس پر ControlNet تصویر کی تخلیق پر اثر انداز ہونا شروع کرتا ہے۔
controlnet_unions[].controls[].end_percentageاختیاری
قسمnumber
ڈیفالٹ1
0 – 1
کل timesteps کا وہ فیصد جس پر ControlNet تصویر کی تخلیق پر اثر انداز ہونا بند کرتا ہے۔
ip_adaptersاختیاری
قسمobject[]
ڈیفالٹ[]
تصویر کی تخلیق کے دوران لاگو کیا جانے والا IP-Adapter۔
ip_adapters[].pathلازمی
قسمstring
Hugging Face پر IP-Adapter کا مقام۔
ip_adapters[].subfolderاختیاری
قسمstring | null
ip_adapter weights پر مشتمل subfolder۔
ip_adapters[].weight_nameاختیاری
قسمstring | null
IP-Adapter کے weights کی Safetensors filename۔
ip_adapters[].image_encoder_pathلازمی
قسمstring
IP-Adapter تصویر encoder کا مقام، جیسے 'openai/clip-vit-large-patch14'۔
ip_adapters[].image_encoder_subfolderاختیاری
قسمstring | null
تصویر encoder کے weights پر مشتمل subfolder۔
ip_adapters[].image_encoder_weight_nameاختیاری
قسمstring | null
تصویر encoder کا نام۔
ip_adapters[].image_urlلازمی
قسمurl · image
IP-Adapter کو فراہم کیا جانے والا conditioning تصویر URL۔
ip_adapters[].mask_image_urlاختیاری
قسمurl · image
Control تصویر سے منسلک mask URL۔
ip_adapters[].mask_thresholdاختیاری
قسمnumber
ڈیفالٹ0.5
0.01 – 0.99
Mask threshold value۔
ip_adapters[].scaleلازمی
قسمnumber
IP-Adapter scaling factor۔
easycontrolsاختیاری
قسمobject[]
ڈیفالٹ[]
تصویر کی تخلیق کے دوران لاگو کیے جانے والے EasyControl ان پٹ۔
easycontrols[].control_method_urlلازمی
قسمstring
Control method کا safetensor weight URL، یا supported identifier: `canny`, `depth`, `hedsketch`, `inpainting`, `pose`, `seg`, `subject`, `ghibli`۔
easycontrols[].scaleاختیاری
قسمnumber
ڈیفالٹ1
0 – 2
Control method scaling factor۔
easycontrols[].image_urlلازمی
قسمurl · image
Control ان پٹ فراہم کرنے والا تصویر URL۔
easycontrols[].image_control_typeلازمی
قسمenum
subjectspatial
تصویر control mode؛ `spatial` یا `subject` میں سے ایک قبول کرتا ہے۔
fill_imageاختیاری
قسمobject
ان پٹ تصویر جو تخلیق کی رہنمائی کرتی ہے اور masked regions کے لیے مواد فراہم کر سکتی ہے۔
fill_image.fill_image_urlاختیاری
قسمurl · image
ڈیفالٹ[]
redux prompting کے ذریعے بھرنے کے لیے تصویر URLs۔
guidance_scaleاختیاری
قسمnumber
ڈیفالٹ3.5
0 – 20
تصویر کے انتخاب کے لیے پرامپٹ کی پابندی کی طاقت، CFG (Classifier Free Guidance) کے طور پر ظاہر کی جاتی ہے۔
real_cfg_scaleاختیاری
قسمnumber
ڈیفالٹ3.5
0 – 5
تصویر کے انتخاب کے لیے پرامپٹ کی پابندی کی طاقت، CFG (Classifier Free Guidance) کے طور پر ظاہر کی جاتی ہے۔
use_real_cfgاختیاری
قسمboolean
ڈیفالٹfalse
Classical CFG switch، XLabs IP-Adapter v1 کے ساتھ خودکار طور پر فعال۔ guidance behavior، SD1.5 اور SDXL جیسے ماڈل سے مطابقت رکھتا ہے۔
use_cfg_zeroاختیاری
قسمboolean
ڈیفالٹfalse
CFG-zero initialization sampling فعال کرتا ہے، جس کی وضاحت https://arxiv.org/abs/2503.18886 پر ہے۔
num_imagesاختیاری num_outputs
قسمinteger
ڈیفالٹ1
1 – 10
تخلیق کی جانے والی تصاویر کی تعداد مقرر کریں؛ آؤٹ پٹ stream ہونے پر یہ انتخاب 1 پر مقرر ہوتا ہے۔
enable_safety_checkerاختیاری
قسمboolean
ڈیفالٹtrue
حفاظتی جانچ، جو غیر محفوظ قرار دی گئی تصاویر کی جگہ سیاہ تصاویر واپس کرتی ہے۔ true جانچ فعال کرتا ہے؛ false اسے صرف مجاز اکاؤنٹس کے لیے غیر فعال کرتا ہے، جبکہ بغیر اجازت درخواستوں کی جانچ بہرحال ہوتی ہے۔
reference_image_urlاختیاری
قسمurl · image
Reference-Only guidance کے لیے استعمال ہونے والا تصویر URL۔
reference_strengthاختیاری
قسمnumber
ڈیفالٹ0.65
-3 – 3
reference_only تخلیق کے دوران reference تصویر کا اثر؛ reference تصویر فراہم نہ کرنے پر اس strength setting کا کوئی اثر نہیں۔
reference_startاختیاری
قسمnumber
ڈیفالٹ0
0 – 1
Reference guidance کا ابتدائی نقطہ، تمام timesteps کے فیصد کے طور پر۔
reference_endاختیاری
قسمnumber
ڈیفالٹ1
0 – 1
Reference guidance کا آخری نقطہ، تمام timesteps کے فیصد کے طور پر۔
base_shiftاختیاری
قسمnumber
ڈیفالٹ0.5
0.01 – 5
scheduled timesteps پر لاگو کیا جانے والا baseline shift۔
max_shiftاختیاری
قسمnumber
ڈیفالٹ1.15
0.01 – 5
scheduled timesteps پر لاگو کیا جانے والا زیادہ سے زیادہ shift۔
output_formatاختیاری
قسمenum
ڈیفالٹpng
jpegpng
نتیجہ خیز تصویر کا فائل فارمیٹ۔
use_beta_scheduleاختیاری
قسمboolean
ڈیفالٹfalse
یہ کنٹرول کرتا ہے کہ beta sigmas استعمال کیے جائیں یا نہیں۔
sigma_scheduleاختیاری
قسمstring | null
denoising کے دوران استعمال ہونے والا sigma schedule۔
schedulerاختیاری
قسمenum
ڈیفالٹeuler
eulerdpmpp_2m
denoising کے دوران استعمال ہونے والا scheduler۔
negative_promptاختیاری
قسمstring
ڈیفالٹ
منفی پرامپٹ، جسے ڈیفالٹ طور پر NAG کے ساتھ process کیا جاتا ہے تاکہ تخلیق شدہ تصاویر میں مخصوص ناپسندیدہ features کی حوصلہ شکنی ہو۔
nag_scaleاختیاری
قسمnumber
ڈیفالٹ3
≤ 10> 1
NAG scale کے ذریعے کنٹرول کیا جانے والا منفی پرامپٹ سے اجتناب؛ اسے بڑھانے سے تخلیق شدہ تصویر منفی description سے کم مشابہ ہوتی ہے۔
nag_tauاختیاری
قسمnumber
ڈیفالٹ2.5
> 0
hidden-state normalization کے لیے NAG tau setting؛ اسے تبدیل نہ کرنے کی سفارش کی جاتی ہے۔ اسے بڑھانے سے normalization کمزور ہوتی ہے اور اصل تصویر سے غیر متوقع انحراف کا خطرہ بڑھتا ہے۔
nag_alphaاختیاری
قسمnumber
ڈیفالٹ0.25
≤ 1> 0
NAG alpha یہ طے کرتا ہے کہ مثبت اور منفی پرامپٹس کو یکجا کرنے والی نارملائزڈ گائیڈنس کا رخ مثبت پرامپٹ کس حد تک موڑتا ہے۔ یہ حتمی وزن کم سیٹنگز پر مثبت پرامپٹ کا اثر بڑھاتا ہے اور زیادہ سیٹنگز پر رخ موڑنے کا اثر کم کرتا ہے۔
nag_endاختیاری
قسمnumber
ڈیفالٹ0.25
≤ 1> 0
NAG cutoff، تخلیق steps کے تناسب کے طور پر۔ NAG کے اس ابتدائی تناسب کے مکمل ہونے کے بعد FLUX کے original attention processors کنٹرول سنبھال لیتے ہیں۔
image_urlلازمی image
قسمurl · image
ابتدائی تصویر فراہم کرنے والا تصویر URL۔
change_map_image_urlلازمی
قسمurl · image
change map کی طرف اشارہ کرنے والا URL۔
strengthاختیاری
قسمnumber
ڈیفالٹ0.85
0.01 – 1
Differential diffusion strength، 0.0 پر اصل کے تحفظ سے 1.0 پر مکمل ازسرنو تخلیق تک۔
لازمی معیاری نام، یہ بھی قبول ہے

فائل پیرامیٹرز عوامی https:// URL، 10 MB تک کی data: URI، یا اپ لوڈ کے file_url کو قبول کرتے ہیں۔ فائلیں

آؤٹ پٹ

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "flux-general/differential-diffusion",
  "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": 138,
    "usd": "0.138",
    "charged": 138,
    "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",
    "change_map_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"
  }
}
آپ کی فائلیں، آپ کا انتخابہر outputs[].url ہمارے اسٹوریج میں ایک کاپی ہے: ہمیشہ کے لیے محفوظ (فی GB-ماہ ادائیگی) یا مفت میں 7 دن تک، آپ کی اکاؤنٹ سیٹنگ یا ?storage= کے مطابق۔
ہر ماڈل میں ایک جیسی ساختtype، url، content_type، width، height اور duration، تصاویر، ویڈیو اور آڈیو سب کے لیے یکساں۔ output ماڈل کا اپنا نتیجہ آبجیکٹ ہے۔
آؤٹ پٹ کے فیلڈز
images
array of object {url, width, height, content_type}تیار کردہ تصاویر کی فائل کی معلومات۔
timings
object
seed
integerتصویر کی تخلیق کا سیڈ، جس میں ان پٹ میں سیڈ نہ دینے پر تصادفی طور پر منتخب قدر شامل ہوتی ہے؛ بصورتِ دیگر فراہم کردہ قدر دہرائی جاتی ہے۔
has_nsfw_concepts
array of booleanبتاتا ہے کہ تخلیق کردہ تصاویر میں NSFW تصورات موجود ہیں یا نہیں۔
prompt
stringتصویر کی تخلیق کے دوران استعمال ہونے والا پرامپٹ۔

مزید ماڈلز: تصویر میں ترمیم

AI ایجنٹس کے لیے: یہ صفحہ Markdown میں یہاں موجود ہے https://doitong.com/ur/developers/models/flux-general/differential-diffusion.md. تمام ماڈلز اور گائیڈز: https://doitong.com/developers/llms.txt