# Stable Diffusion with LoRAs · Inpaint API

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

`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۔

- Model id: `lora/inpaint`
- Made by: Open model
- Category: Image Editing
- Output: image
- Estimated price per run: $0.184 / image (cheapest run $0.184 (184 API credits))
- Run: `POST https://api.doitong.com/v1/run/lora/inpaint`
- Quote: `POST https://api.doitong.com/v1/quote/lora/inpaint`
- Docs page: https://doitong.com/ur/developers/models/lora/inpaint

## Pricing

Price: **$0.184 / 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 $0.184 = 184 API credits (1 image × 184 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/lora/inpaint` 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 |
|---|---|---|---|---|---|---|
| `model_name` |  | string | yes |  |  | تصویر تخلیق کرنے کے لیے بنیادی ماڈل، جس کی شناخت URL یا HuggingFace ID سے ہوتی ہے۔ |
| `unet_name` |  | string \| null | no |  |  | تصاویر تخلیق کرنے کے لیے custom U-Net کا انتخاب؛ اس کی HuggingFace ID یا URL دیں۔ |
| `variant` |  | string \| null | no |  |  | HuggingFace ماڈل variant کا انتخاب؛ 'fp16' ایک مثال ہے۔ |
| `prompt` |  | string | yes |  |  | جتنی ممکن ہو تفصیل کے ساتھ مطلوبہ تصویر بیان کریں تاکہ بہترین نتائج حاصل ہوں۔ |
| `negative_prompt` |  | string | no | `` |  | 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_weighting` |  | boolean | no | `false` |  | 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_url` | `image` | string (image URL) \| null | no |  |  | image-to-image تخلیق یا inpainting کے لیے ماخذ تصویر کا URL۔ |
| `mask_url` | `mask` | string (image URL) \| null | no |  |  | سیاہ و سفید تصویر کی طرف اشارہ کرنے والا inpainting ماسک URL۔ |
| `noise_strength` |  | number | no | `0.5` | ≤ 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۔ |
| `loras` |  | array of object {path, scale} | no | `[]` |  | وہ LoRAs جن کا مشترکہ اثر تخلیق شدہ تصویر بناتا ہے؛ فراہم کیے جانے والے LoRAs کی تعداد کی کوئی حد نہیں۔ |
| `loras[].path` |  | string | yes |  |  | LoRA weights کا مقام، URL یا path کے طور پر۔ |
| `loras[].scale` |  | number | no | `1` | 0 – 4 | بنیادی ماڈل میں ضم کرنے سے پہلے LoRA weight پر لاگو ہونے والا multiplier۔ |
| `embeddings` |  | array of object {path, tokens} | no | `[]` |  | 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[].path` |  | string | yes |  |  | URL یا فائل کے پاتھ سے متعین کردہ ایمبیڈنگ ویٹس۔ |
| `embeddings[].tokens` |  | array of string \| null | no |  |  | 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۔ |
| `controlnets` |  | array of object {path, config_url, variant, image_url, mask_url, conditioning_scale, start_percentage, end_percentage, ip_adapter_index} | no | `[]` |  | تخلیق کے دوران مخصوص ٹائم اسٹیپس پر تصویر پر لاگو کیے جانے والے Control nets؛ آپ جتنے چاہیں فراہم کر سکتے ہیں۔ |
| `controlnets[].path` |  | string | yes |  |  | ControlNet weight کا مقام، URL یا path کے طور پر متعین کیا جاتا ہے۔ |
| `controlnets[].config_url` |  | string \| null | no |  |  | ControlNet کی config.json فائل کی طرف اشارہ کرنے والا اختیاری URL۔ |
| `controlnets[].variant` |  | string \| null | no |  |  | Hugging Face repository key کے ساتھ استعمال کے لیے اختیاری variant۔ |
| `controlnets[].image_url` |  | string (image URL) | yes |  |  | ControlNet ان پٹ کے طور پر فراہم کیا گیا تصویر کا URL۔ |
| `controlnets[].mask_url` |  | string (image URL) \| null | no |  |  | 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_scale` |  | number | no | `1` | 0 – 2 | Base ماڈل میں merge کرنے سے پہلے ControlNet weights پر لاگو کیا جانے والا scaling۔ |
| `controlnets[].start_percentage` |  | number | no | `0` | 0 – 1 | کل timesteps کا وہ فیصد جس پر ControlNet تصویر کی تخلیق پر اثر انداز ہونا شروع کرتا ہے۔ |
| `controlnets[].end_percentage` |  | number | no | `1` | 0 – 1 | کل timesteps کا وہ فیصد جس پر ControlNet تصویر کی تخلیق پر اثر انداز ہونا بند کرتا ہے۔ |
| `controlnets[].ip_adapter_index` |  | integer \| null | no |  |  | InstantID ControlNet کے لیے انڈیکس کے ذریعے IP adapter کا انتخاب؛ دیگر ControlNets کو اس ترتیب کی ضرورت نہیں۔ |
| `controlnet_guess_mode` |  | boolean | no | `false` |  | true ہونے پر ControlNet کے اطلاق کو صرف مشروط پیش گوئیوں تک محدود کرتا ہے۔ |
| `ip_adapter` |  | array of object {ip_adapter_image_url, ip_adapter_mask_url, path, model_subfolder, weight_name, insight_face_model_path, scale, scale_json, unconditional_noising_factor, image_projection_shortcut} | no | `[]` |  | 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_url` |  | string (image URL) \| array of image URL | yes |  |  | IP adapter ان پٹ کے طور پر فراہم کیا گیا تصویر کا URL۔ |
| `ip_adapter[].ip_adapter_mask_url` |  | string (image URL) \| null | no |  |  | IP adapter ماسک؛ فراہم کیے جانے پر اس کے ابعاد adapter تصویر کے برابر ہونے چاہییں۔ |
| `ip_adapter[].path` |  | string | yes |  |  | IP adapter وزنوں کا مقام، URL یا path کے طور پر متعین کیا جاتا ہے۔ |
| `ip_adapter[].model_subfolder` |  | string \| null | no |  |  | IP adapter وزنوں کا مقام، ماڈل ڈائریکٹری کے اندر subfolder کے طور پر متعین کیا جاتا ہے۔ |
| `ip_adapter[].weight_name` |  | string \| null | no |  |  | وزنوں کی فائل کا نام۔ |
| `ip_adapter[].insight_face_model_path` |  | string \| null | no |  |  | InsightFace ماڈل وزنوں کا مقام، URL یا path کے طور پر متعین کیا جاتا ہے۔ |
| `ip_adapter[].scale` |  | number | no | `1` | ≥ 0 | IP adapter وزنوں کے لیے اسکیلنگ فیکٹر، جو انہیں base ماڈل میں ضم کرنے سے پہلے لاگو ہوتا ہے۔ |
| `ip_adapter[].scale_json` |  | object \| null | no |  |  | IP adapter وزنوں کے لیے اسکیلنگ فیکٹر، جو انہیں base ماڈل میں ضم کرنے سے پہلے لاگو ہوتا ہے۔ |
| `ip_adapter[].unconditional_noising_factor` |  | number | no | `0` | 0 – 1 | IP adapter کے لیے غیر مشروط noise کو کنٹرول کرنے والا فیکٹر۔ |
| `ip_adapter[].image_projection_shortcut` |  | boolean | no | `true` |  | 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_path` |  | string \| null | no |  |  | 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_subfolder` |  | string \| null | no |  |  | image_encoder_path کے اندر وہ subdirectory جس میں تصویر encoder کے وزن موجود ہوں۔ |
| `image_encoder_weight_name` |  | string \| null | no | `pytorch_model.bin` |  | تصاویر کی تخلیق میں استعمال کے لیے تصویر encoder کے وزن نام کے ذریعے منتخب کریں۔ |
| `ic_light_model_url` |  | string \| null | no |  |  | تصاویر کی تخلیق کے دوران استعمال ہونے والا IC Light ماڈل URL۔ |
| `ic_light_model_background_image_url` |  | string (image URL) \| null | no |  |  | 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_url` |  | string (image URL) \| null | no |  |  | IC Light ماڈل کے ساتھ تخلیق کے لیے ان پٹ تصویر کا URL۔ |
| `seed` |  | integer \| null | no |  |  | 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_steps` |  | integer | no | `30` | 1 – 150 | کنٹرول کریں کہ Stable Diffusion کتنے تخلیقی مراحل انجام دے؛ اضافی مراحل زیادہ تفصیلی حتمی تصویر دے سکتے ہیں۔ |
| `guidance_scale` |  | number | no | `7.5` | 0 – 20 | تصویر کے انتخاب کے لیے پرامپٹ کی پابندی کی طاقت، CFG (Classifier Free Guidance) کے طور پر ظاہر کی جاتی ہے۔ |
| `clip_skip` |  | integer | no | `0` | 0 – 2 | تصویر کی تخلیق کا ایک حصہ چھوڑ کر رینڈرنگ تیز کرتا ہے، جس سے نتائج قدرے مختلف ہوتے ہیں۔ |
| `scheduler` |  | enum (string) \| null | no |  | `DPM++ 2M`, `DPM++ 2M Karras`, `DPM++ 2M SDE`, `DPM++ 2M SDE Karras`, `Euler`, `Euler A`, `Euler (trailing timesteps)`, `LCM`, `LCM (trailing timesteps)`, `DDIM`, `TCD` | تصویر کو denoise کرنے کے لیے استعمال ہونے والا scheduler یا sampler۔ |
| `timesteps` |  | object {method, array} | no | `{"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.method` |  | enum (string) | no | `default` | `default`, `array` | 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.array` |  | array of integer | no | `[]` |  | منتخب طریقہ 'custom' ہونے پر لاگو ہونے والا timestep schedule۔ |
| `sigmas` |  | object {method, array} | no | `{"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.method` |  | enum (string) | no | `default` | `default`, `array` | 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.array` |  | array of number | no | `[]` |  | منتخب طریقہ 'custom' ہونے پر لاگو ہونے والا sigma schedule۔ |
| `prediction_type` |  | enum (string) | no | `epsilon` | `v_prediction`, `epsilon` | تصاویر کی تخلیق کے لیے prediction type منتخب کریں؛ مختلف انتخاب نہ ہونے پر `epsilon` استعمال ہوتا ہے۔ |
| `rescale_betas_snr_zero` |  | boolean | no | `false` |  | کنٹرول کرتا ہے کہ sampler، rescale_betas_snr_zero فعال کرے یا نہیں۔ |
| `image_format` |  | enum (string) | no | `png` | `jpeg`, `png` | نتیجہ خیز تصویر کا فائل فارمیٹ۔ |
| `num_images` | `num_outputs` | integer | no | `1` | 1 – 8 | متعین کریں کہ ایک درخواست کتنی تصاویر تیار کرے؛ بڑے batch کے لیے زیادہ تخلیقی وقت دستیاب ہوگا۔ |
| `enable_safety_checker` |  | boolean | no | `false` |  | حفاظتی checker کی فعالیت؛ true جانچ فعال کرتا ہے۔ |
| `tile_width` |  | integer | no | `4096` | 128 – 4,096 | تصویر کی تخلیق کے دوران ہر tile کا سائز متعین کریں۔ |
| `tile_height` |  | integer | no | `4096` | 128 – 4,096 | تصویر کی تخلیق کے دوران ہر tile کا سائز متعین کریں۔ |
| `tile_stride_width` |  | integer | no | `2048` | 64 – 2,048 | تصویر کی تخلیق کے دوران مسلسل tile پوزیشنز کے درمیان فاصلہ متعین کریں۔ |
| `tile_stride_height` |  | integer | no | `2048` | 64 – 2,048 | تصویر کی تخلیق کے دوران مسلسل tile پوزیشنز کے درمیان فاصلہ متعین کریں۔ |
| `eta` |  | number | no | `0` | 0 – 1 | تصاویر کی تخلیق کے دوران استعمال ہونے والی Eta ترتیب۔ |
| `debug_latents` |  | boolean | no | `false` |  | true ہونے پر debugging کے لیے latents محفوظ کرتا ہے۔ |
| `debug_per_pass_latents` |  | boolean | no | `false` |  | اسے true کر کے ہر pass کی debugging فعال کریں؛ اس سے ہر pass کے latents محفوظ ہوتے ہیں۔ |

File parameters (`image`, `mask`, `ic_light_model_background_image_url`, `ic_light_image_url`) 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
{
  "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"
}
```

A fuller example:

```json
{
  "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"
}
```

## 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/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"
```

### 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/lora/inpaint?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "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"
  }),
});
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 = {
    "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",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/lora/inpaint", 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": "lora/inpaint",
      "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"
      },
      "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": "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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `images` | array of object {url, content_type, file_name, file_size, width, height} | تیار کردہ تصاویر کی فائل کی معلومات۔ |
| `seed` | integer | تصویر 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 boolean | بتاتا ہے کہ تخلیق کردہ تصاویر میں NSFW تصورات موجود ہیں یا نہیں۔ |
| `debug_latents` | object {url, content_type, file_name, file_size} \| null | Debugging کے لیے محفوظ کیا گیا latent data۔ |
| `debug_per_pass_latents` | object {url, content_type, file_name, file_size} \| null | Debugging کے لیے ہر pass کا محفوظ کیا گیا latent data۔ |

## Related models

- [Stable Diffusion with LoRAs](https://doitong.com/developers/models/lora.md) (`lora`): $0.057 / image
- [Stable Diffusion with LoRAs · Image to Image](https://doitong.com/developers/models/lora/image-to-image.md) (`lora/image-to-image`): $0.264 / image
- [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

## Links

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