مواد پر جائیں

Stable Diffusion with LoRAs · Inpaint

انٹیگریٹ کریں

ماڈل id lora/inpaint
# 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"

یہ درخواست: ≈⁨$0.184⁩ 184 API کریڈٹس اس صفحے پر چلائیں

API کلید حاصل کریں
Open model تصویر میں ترمیم حوالہ جاتی ان پٹس #diffusion#lora#customization#fine-tuning

منتخب Stable Diffusion بیس ماڈل اور LoRAs کے ساتھ سیاہ و سفید ماسک کی رہنمائی میں اِن پینٹنگ

Open model · تصویر

آپ کا پہلا نتیجہ یہاں آئے گا

ذیل میں درخواست بنائیں اور اپنی API کلید کے ساتھ چلائیں۔ آؤٹ پٹس ہمارے اسٹوریج میں کاپی ہو جاتے ہیں، ہمیشہ کے لیے یا مفت میں 7 دن تک محفوظ رہتے ہیں۔

درخواست بنائیں

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

•لازمی

جتنی ممکن ہو تفصیل کے ساتھ مطلوبہ تصویر بیان کریں تاکہ بہترین نتائج حاصل ہوں۔

•لازمی

تصویر تخلیق کرنے کے لیے بنیادی ماڈل، جس کی شناخت URL یا HuggingFace ID سے ہوتی ہے۔

num_images ڈیفالٹ 1

متعین کریں کہ ایک درخواست کتنی تصاویر تیار کرے؛ بڑے batch کے لیے زیادہ تخلیقی وقت دستیاب ہوگا۔

ایڈوانسڈ negative_prompt · image · mask · ic_light_model_background_image_url · ic_light_image_url · prediction_type · image_format · unet_name · variant · image_encoder_path · image_encoder_subfolder · image_encoder_weight_name · ic_light_model_url · scheduler · noise_strength · num_inference_steps · guidance_scale · clip_skip · tile_width · tile_height · tile_stride_width · tile_stride_height · eta · seed · prompt_weighting · controlnet_guess_mode · rescale_betas_snr_zero · enable_safety_checker · debug_latents · debug_per_pass_latents · loras · embeddings · controlnets · ip_adapter · timesteps · sigmas
ڈیفالٹ

ناپسندیدہ تصویری تفصیلات بتانے والا منفی پرامپٹ۔ اس میں رنگ، اشیا، مناظر یا باریک خصوصیات و معیار، مثلاً مونچھ، دھندلا پن یا کم ریزولوشن، خارج کیے جا سکتے ہیں۔

image_url
فائل ڈراپ کریں، یا

image-to-image تخلیق یا inpainting کے لیے ماخذ تصویر کا URL۔

mask_url
فائل ڈراپ کریں، یا

سیاہ و سفید تصویر کی طرف اشارہ کرنے والا inpainting ماسک URL۔

فائل ڈراپ کریں، یا

IC Light تصویر کی تخلیق کے لیے ماڈل سے مطابقت رکھنے والا پس منظر، تصویر کے URL کے طور پر فراہم کیا جاتا ہے۔

فائل ڈراپ کریں، یا

IC Light ماڈل کے ساتھ تخلیق کے لیے ان پٹ تصویر کا URL۔

prediction_type ڈیفالٹ epsilon

تصاویر کی تخلیق کے لیے prediction type منتخب کریں؛ مختلف انتخاب نہ ہونے پر `epsilon` استعمال ہوتا ہے۔

image_format ڈیفالٹ png

نتیجہ خیز تصویر کا فائل فارمیٹ۔

تصاویر تخلیق کرنے کے لیے custom U-Net کا انتخاب؛ اس کی HuggingFace ID یا URL دیں۔

HuggingFace ماڈل variant کا انتخاب؛ 'fp16' ایک مثال ہے۔

HTTPS URL یا Hugging Face ID سے متعین تصویر encoder؛ مطابقت IP-Adapter وزنوں سے طے ہوتی ہے: SD1.5 میں image_encoder_subfolder='models/image_encoder'، جبکہ h94/IP-Adapter SDXL میں h94/IP-Adapter اور image_encoder_subfolder='sdxl_models/image_encoder' استعمال ہوتا ہے۔ جب بھی ip_adapter میں کوئی قدر ہو، encoder درکار ہے۔

image_encoder_path کے اندر وہ subdirectory جس میں تصویر encoder کے وزن موجود ہوں۔

ڈیفالٹ pytorch_model.bin

تصاویر کی تخلیق میں استعمال کے لیے تصویر encoder کے وزن نام کے ذریعے منتخب کریں۔

تصاویر کی تخلیق کے دوران استعمال ہونے والا IC Light ماڈل URL۔

تصویر کو denoise کرنے کے لیے استعمال ہونے والا scheduler یا sampler۔

ڈیفالٹ 0.5

شامل کی گئی تصویر کے noise کو ایسے اسکیل پر کنٹرول کریں جہاں 1.0 مکمل noise اور 0 کے قریب values کم سے کم noise ظاہر کرتی ہیں۔ یہ صرف فراہم کردہ image_url کے ساتھ لاگو ہوتا ہے۔

ڈیفالٹ 30

کنٹرول کریں کہ Stable Diffusion کتنے تخلیقی مراحل انجام دے؛ اضافی مراحل زیادہ تفصیلی حتمی تصویر دے سکتے ہیں۔

ڈیفالٹ 7.5

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

ڈیفالٹ 0

تصویر کی تخلیق کا ایک حصہ چھوڑ کر رینڈرنگ تیز کرتا ہے، جس سے نتائج قدرے مختلف ہوتے ہیں۔

ڈیفالٹ 4096

تصویر کی تخلیق کے دوران ہر tile کا سائز متعین کریں۔

ڈیفالٹ 4096

تصویر کی تخلیق کے دوران ہر tile کا سائز متعین کریں۔

ڈیفالٹ 2048

تصویر کی تخلیق کے دوران مسلسل tile پوزیشنز کے درمیان فاصلہ متعین کریں۔

ڈیفالٹ 2048

تصویر کی تخلیق کے دوران مسلسل tile پوزیشنز کے درمیان فاصلہ متعین کریں۔

ڈیفالٹ 0

تصاویر کی تخلیق کے دوران استعمال ہونے والی Eta ترتیب۔

Stable Diffusion میں تصاویر دوبارہ بنانے کے لیے seed۔ ماڈل ورژن، پرامپٹ اور seed یکساں رکھ کر ہر بار تصویر بالکل دوبارہ بنائی جا سکتی ہے۔

ڈیفالٹ []

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

ڈیفالٹ []

تصویر کی تخلیق کے دوران لاگو کیے جانے والے ایمبیڈنگز، جو پرامپٹ ٹوکنز کو ایمبیڈنگ وزنوں سے منسلک کرتے ہیں۔ فی الحال صرف ایک ایمبیڈنگ معاونت یافتہ ہے۔

ڈیفالٹ []

تخلیق کے دوران مخصوص ٹائم اسٹیپس پر تصویر پر لاگو کیے جانے والے Control nets؛ آپ جتنے چاہیں فراہم کر سکتے ہیں۔

ڈیفالٹ []

تصاویر کی تخلیق کے لیے استعمال ہونے والے IP adapters۔ کوئی بھی اندراج فراہم کرنے کے لیے image_encoder_path درکار ہے۔

ڈیفالٹ {"array":[],"method":...

Denoising timestep schedule کا override، جو sigmas کے ساتھ باہمی طور پر غیر موافق ہے۔ override کے بغیر—یعنی ڈیفالٹ طور پر—scheduler، num_inference_steps سے timesteps شمار کرتا ہے؛ custom schedule دینے پر num_inference_steps غیر متعلق ہو جاتا ہے۔ override کے لیے set_timesteps میں timesteps argument کی scheduler معاونت درکار ہے۔

ڈیفالٹ {"array":[],"method":...

Denoising sigma schedule کا override، جو timesteps کے ساتھ باہمی طور پر غیر موافق ہے۔ override کے بغیر—یعنی ڈیفالٹ طور پر—scheduler، num_inference_steps سے sigmas شمار کرتا ہے؛ custom schedule دینے پر num_inference_steps غیر متعلق ہو جاتا ہے۔ override کے لیے set_sigmas میں sigmas argument کی scheduler معاونت درکار ہے۔

POST /run/lora/inpaint?wait=20 قیمت → ⁨$0.184⁩
# 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"

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

Stable Diffusion with LoRAs · Inpaint کے بارے میں

`model_name` میں مقرر Stable Diffusion ماڈل کے ذریعے `image_url` اور سیاہ و سفید `mask_url` استعمال کرکے تصویر کے حصوں میں ترمیم کرتا ہے۔ `noise_strength` 0 سے 1 تک ہے۔ ضم شدہ LoRAs، ایمبیڈنگز، ControlNets، IP adapters اور متعدد نظام الاوقات، اور 1 سے 150 تک مراحل سپورٹ کرتا ہے۔ آؤٹ پٹ png یا jpeg ہے۔

پیرامیٹرز

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

نامقسم ڈیفالٹمجاز تفصیل
model_nameلازمی
قسمstring
تصویر تخلیق کرنے کے لیے بنیادی ماڈل، جس کی شناخت URL یا HuggingFace ID سے ہوتی ہے۔
unet_nameاختیاری
قسمstring | null
تصاویر تخلیق کرنے کے لیے custom U-Net کا انتخاب؛ اس کی HuggingFace ID یا URL دیں۔
variantاختیاری
قسمstring | null
HuggingFace ماڈل variant کا انتخاب؛ 'fp16' ایک مثال ہے۔
promptلازمی
قسمstring
جتنی ممکن ہو تفصیل کے ساتھ مطلوبہ تصویر بیان کریں تاکہ بہترین نتائج حاصل ہوں۔
negative_promptاختیاری
قسمstring
ڈیفالٹ
ناپسندیدہ تصویری تفصیلات بتانے والا منفی پرامپٹ۔ اس میں رنگ، اشیا، مناظر یا باریک خصوصیات و معیار، مثلاً مونچھ، دھندلا پن یا کم ریزولوشن، خارج کیے جا سکتے ہیں۔
prompt_weightingاختیاری
قسمboolean
ڈیفالٹfalse
پرامپٹ وزن دینے کا ٹوگل: true ایمبیڈنگ ایوریجنگ کے ذریعے 77 ٹوکن کی حد ہٹا دیتا ہے اور وزن دینے کا نحو فعال کرتا ہے۔
image_urlاختیاری image
قسمurl · image
image-to-image تخلیق یا inpainting کے لیے ماخذ تصویر کا URL۔
mask_urlاختیاری mask
قسمurl · image
سیاہ و سفید تصویر کی طرف اشارہ کرنے والا inpainting ماسک URL۔
noise_strengthاختیاری
قسمnumber
ڈیفالٹ0.5
≤ 1> 0
شامل کی گئی تصویر کے noise کو ایسے اسکیل پر کنٹرول کریں جہاں 1.0 مکمل noise اور 0 کے قریب values کم سے کم noise ظاہر کرتی ہیں۔ یہ صرف فراہم کردہ image_url کے ساتھ لاگو ہوتا ہے۔
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
قسمnumber
ڈیفالٹ1
0 – 4
بنیادی ماڈل میں ضم کرنے سے پہلے LoRA weight پر لاگو ہونے والا multiplier۔
embeddingsاختیاری
قسمobject[]
ڈیفالٹ[]
تصویر کی تخلیق کے دوران لاگو کیے جانے والے ایمبیڈنگز، جو پرامپٹ ٹوکنز کو ایمبیڈنگ وزنوں سے منسلک کرتے ہیں۔ فی الحال صرف ایک ایمبیڈنگ معاونت یافتہ ہے۔
embeddings[].pathلازمی
قسمstring
URL یا فائل کے پاتھ سے متعین کردہ ایمبیڈنگ ویٹس۔
embeddings[].tokensاختیاری
قسمstring[]
ایمبیڈنگ وزنوں سے منسلک پرامپٹ ٹوکنز۔ انہیں چھوڑنے پر ہر ایمبیڈنگ فائل ویکٹر کے لیے ایک ٹوکن بنتا ہے، جس کا نام <s0>، <s1>، ... ہوتا ہے؛ اپنے پرامپٹس میں منسلک ٹوکنز استعمال کریں۔
controlnetsاختیاری
قسمobject[]
ڈیفالٹ[]
تخلیق کے دوران مخصوص ٹائم اسٹیپس پر تصویر پر لاگو کیے جانے والے Control nets؛ آپ جتنے چاہیں فراہم کر سکتے ہیں۔
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[].image_urlلازمی
قسمurl · image
ControlNet ان پٹ کے طور پر فراہم کیا گیا تصویر کا URL۔
controlnets[].mask_urlاختیاری
قسمurl · image
ControlNet ماسک؛ فراہم کیے جانے پر اس کا سائز کنٹرول تصویر سے مماثل ہونا چاہیے، اور چوڑائی و اونچائی دونوں 32 سے قابل تقسیم ہونی چاہییں۔
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۔
controlnets[].ip_adapter_indexاختیاری
قسمinteger | null
InstantID ControlNet کے لیے انڈیکس کے ذریعے IP adapter کا انتخاب؛ دیگر ControlNets کو اس ترتیب کی ضرورت نہیں۔
controlnet_guess_modeاختیاری
قسمboolean
ڈیفالٹfalse
true ہونے پر ControlNet کے اطلاق کو صرف مشروط پیش گوئیوں تک محدود کرتا ہے۔
ip_adapterاختیاری
قسمobject[]
ڈیفالٹ[]
تصاویر کی تخلیق کے لیے استعمال ہونے والے IP adapters۔ کوئی بھی اندراج فراہم کرنے کے لیے image_encoder_path درکار ہے۔
ip_adapter[].ip_adapter_image_urlلازمی
قسمurl · image
IP adapter ان پٹ کے طور پر فراہم کیا گیا تصویر کا URL۔
ip_adapter[].ip_adapter_mask_urlاختیاری
قسمurl · image
IP adapter ماسک؛ فراہم کیے جانے پر اس کے ابعاد adapter تصویر کے برابر ہونے چاہییں۔
ip_adapter[].pathلازمی
قسمstring
IP adapter وزنوں کا مقام، URL یا path کے طور پر متعین کیا جاتا ہے۔
ip_adapter[].model_subfolderاختیاری
قسمstring | null
IP adapter وزنوں کا مقام، ماڈل ڈائریکٹری کے اندر subfolder کے طور پر متعین کیا جاتا ہے۔
ip_adapter[].weight_nameاختیاری
قسمstring | null
وزنوں کی فائل کا نام۔
ip_adapter[].insight_face_model_pathاختیاری
قسمstring | null
InsightFace ماڈل وزنوں کا مقام، URL یا path کے طور پر متعین کیا جاتا ہے۔
ip_adapter[].scaleاختیاری
قسمnumber
ڈیفالٹ1
≥ 0
IP adapter وزنوں کے لیے اسکیلنگ فیکٹر، جو انہیں base ماڈل میں ضم کرنے سے پہلے لاگو ہوتا ہے۔
ip_adapter[].scale_jsonاختیاری
قسمobject | null
IP adapter وزنوں کے لیے اسکیلنگ فیکٹر، جو انہیں base ماڈل میں ضم کرنے سے پہلے لاگو ہوتا ہے۔
ip_adapter[].unconditional_noising_factorاختیاری
قسمnumber
ڈیفالٹ0
0 – 1
IP adapter کے لیے غیر مشروط noise کو کنٹرول کرنے والا فیکٹر۔
ip_adapter[].image_projection_shortcutاختیاری
قسمboolean
ڈیفالٹtrue
تصویر projection shortcut کی ترتیب، جس کی ڈیفالٹ قدر True ہے۔ FaceID plus V1 ماڈلز کے لیے False اور FaceID plus V2 ماڈلز کے لیے True استعمال کریں۔
image_encoder_pathاختیاری
قسمstring | null
HTTPS URL یا Hugging Face ID سے متعین تصویر encoder؛ مطابقت IP-Adapter وزنوں سے طے ہوتی ہے: SD1.5 میں image_encoder_subfolder='models/image_encoder'، جبکہ h94/IP-Adapter SDXL میں h94/IP-Adapter اور image_encoder_subfolder='sdxl_models/image_encoder' استعمال ہوتا ہے۔ جب بھی ip_adapter میں کوئی قدر ہو، encoder درکار ہے۔
image_encoder_subfolderاختیاری
قسمstring | null
image_encoder_path کے اندر وہ subdirectory جس میں تصویر encoder کے وزن موجود ہوں۔
image_encoder_weight_nameاختیاری
قسمstring | null
ڈیفالٹpytorch_model.bin
تصاویر کی تخلیق میں استعمال کے لیے تصویر encoder کے وزن نام کے ذریعے منتخب کریں۔
ic_light_model_urlاختیاری
قسمstring | null
تصاویر کی تخلیق کے دوران استعمال ہونے والا IC Light ماڈل URL۔
ic_light_model_background_image_urlاختیاری
قسمurl · image
IC Light تصویر کی تخلیق کے لیے ماڈل سے مطابقت رکھنے والا پس منظر، تصویر کے URL کے طور پر فراہم کیا جاتا ہے۔
ic_light_image_urlاختیاری
قسمurl · image
IC Light ماڈل کے ساتھ تخلیق کے لیے ان پٹ تصویر کا URL۔
seedاختیاری
قسمinteger | null
Stable Diffusion میں تصاویر دوبارہ بنانے کے لیے seed۔ ماڈل ورژن، پرامپٹ اور seed یکساں رکھ کر ہر بار تصویر بالکل دوبارہ بنائی جا سکتی ہے۔
num_inference_stepsاختیاری
قسمinteger
ڈیفالٹ30
1 – 150
کنٹرول کریں کہ Stable Diffusion کتنے تخلیقی مراحل انجام دے؛ اضافی مراحل زیادہ تفصیلی حتمی تصویر دے سکتے ہیں۔
guidance_scaleاختیاری
قسمnumber
ڈیفالٹ7.5
0 – 20
تصویر کے انتخاب کے لیے پرامپٹ کی پابندی کی طاقت، CFG (Classifier Free Guidance) کے طور پر ظاہر کی جاتی ہے۔
clip_skipاختیاری
قسمinteger
ڈیفالٹ0
0 – 2
تصویر کی تخلیق کا ایک حصہ چھوڑ کر رینڈرنگ تیز کرتا ہے، جس سے نتائج قدرے مختلف ہوتے ہیں۔
schedulerاختیاری
قسمenum
DPM++ 2MDPM++ 2M KarrasDPM++ 2M SDEDPM++ 2M SDE KarrasEulerEuler AEuler (trailing timesteps)LCMLCM (trailing timesteps)DDIMTCD
تصویر کو denoise کرنے کے لیے استعمال ہونے والا scheduler یا sampler۔
timestepsاختیاری
قسمobject
ڈیفالٹ{"array":[],"method":"default"}
Denoising timestep schedule کا override، جو sigmas کے ساتھ باہمی طور پر غیر موافق ہے۔ override کے بغیر—یعنی ڈیفالٹ طور پر—scheduler، num_inference_steps سے timesteps شمار کرتا ہے؛ custom schedule دینے پر num_inference_steps غیر متعلق ہو جاتا ہے۔ override کے لیے set_timesteps میں timesteps argument کی scheduler معاونت درکار ہے۔
timesteps.methodاختیاری
قسمenum
ڈیفالٹdefault
defaultarray
منتخب کریں کہ timesteps کیسے متعین ہوں: 'default'، جو ڈیفالٹ ترتیب ہے، scheduler کو `num_inference_steps` استعمال کرنے دیتی ہے۔ خود timestep schedule دینے کے لیے 'array' منتخب کریں اور schedule کو `array` فیلڈ میں رکھیں۔
timesteps.arrayاختیاری
قسمinteger[]
ڈیفالٹ[]
منتخب طریقہ 'custom' ہونے پر لاگو ہونے والا timestep schedule۔
sigmasاختیاری
قسمobject
ڈیفالٹ{"array":[],"method":"default"}
Denoising sigma schedule کا override، جو timesteps کے ساتھ باہمی طور پر غیر موافق ہے۔ override کے بغیر—یعنی ڈیفالٹ طور پر—scheduler، num_inference_steps سے sigmas شمار کرتا ہے؛ custom schedule دینے پر num_inference_steps غیر متعلق ہو جاتا ہے۔ override کے لیے set_sigmas میں sigmas argument کی scheduler معاونت درکار ہے۔
sigmas.methodاختیاری
قسمenum
ڈیفالٹdefault
defaultarray
منتخب کریں کہ sigmas کیسے متعین ہوں: 'default'، جو ڈیفالٹ ترتیب ہے، scheduler کی اپنی sigma values استعمال کرتا ہے۔ خود sigma schedule دینے کے لیے 'custom' منتخب کریں اور schedule کو `array` فیلڈ میں رکھیں۔
sigmas.arrayاختیاری
قسمnumber[]
ڈیفالٹ[]
منتخب طریقہ 'custom' ہونے پر لاگو ہونے والا sigma schedule۔
prediction_typeاختیاری
قسمenum
ڈیفالٹepsilon
v_predictionepsilon
تصاویر کی تخلیق کے لیے prediction type منتخب کریں؛ مختلف انتخاب نہ ہونے پر `epsilon` استعمال ہوتا ہے۔
rescale_betas_snr_zeroاختیاری
قسمboolean
ڈیفالٹfalse
کنٹرول کرتا ہے کہ sampler، rescale_betas_snr_zero فعال کرے یا نہیں۔
image_formatاختیاری
قسمenum
ڈیفالٹpng
jpegpng
نتیجہ خیز تصویر کا فائل فارمیٹ۔
num_imagesاختیاری num_outputs
قسمinteger
ڈیفالٹ1
1 – 8
متعین کریں کہ ایک درخواست کتنی تصاویر تیار کرے؛ بڑے batch کے لیے زیادہ تخلیقی وقت دستیاب ہوگا۔
enable_safety_checkerاختیاری
قسمboolean
ڈیفالٹfalse
حفاظتی checker کی فعالیت؛ true جانچ فعال کرتا ہے۔
tile_widthاختیاری
قسمinteger
ڈیفالٹ4096
128 – 4,096
تصویر کی تخلیق کے دوران ہر tile کا سائز متعین کریں۔
tile_heightاختیاری
قسمinteger
ڈیفالٹ4096
128 – 4,096
تصویر کی تخلیق کے دوران ہر tile کا سائز متعین کریں۔
tile_stride_widthاختیاری
قسمinteger
ڈیفالٹ2048
64 – 2,048
تصویر کی تخلیق کے دوران مسلسل tile پوزیشنز کے درمیان فاصلہ متعین کریں۔
tile_stride_heightاختیاری
قسمinteger
ڈیفالٹ2048
64 – 2,048
تصویر کی تخلیق کے دوران مسلسل tile پوزیشنز کے درمیان فاصلہ متعین کریں۔
etaاختیاری
قسمnumber
ڈیفالٹ0
0 – 1
تصاویر کی تخلیق کے دوران استعمال ہونے والی Eta ترتیب۔
debug_latentsاختیاری
قسمboolean
ڈیفالٹfalse
true ہونے پر debugging کے لیے latents محفوظ کرتا ہے۔
debug_per_pass_latentsاختیاری
قسمboolean
ڈیفالٹfalse
اسے true کر کے ہر pass کی debugging فعال کریں؛ اس سے ہر pass کے latents محفوظ ہوتے ہیں۔
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": "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"
  }
}
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, content_type, file_name, file_size, width, height}تیار کردہ تصاویر کی فائل کی معلومات۔
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۔
debug_latents
object {url, content_type, file_name, file_size} | nullDebugging کے لیے محفوظ کیا گیا latent data۔
debug_per_pass_latents
object {url, content_type, file_name, file_size} | nullDebugging کے لیے ہر pass کا محفوظ کیا گیا latent data۔

مزید ماڈلز: تصویر میں ترمیم

AI ایجنٹس کے لیے: یہ صفحہ Markdown میں یہاں موجود ہے https://doitong.com/ur/developers/models/lora/inpaint.md. تمام ماڈلز اور گائیڈز: https://doitong.com/developers/llms.txt