Ir al contenido

FLUX 2 Trainer Edit

Integrar

ID del modelo flux-2-trainer/edit
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://vit.doitong.com/api/v1/run/flux-2-trainer/edit?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image_data_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://vit.doitong.com/api/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Esta solicitud: $38.92 38,920 créditos de API Ejecutar en esta página

Obtener clave de API
Black Forest Labs Entrenamiento

Entrena una LoRA de edición FLUX.2 [dev] a partir de pares de imágenes inicial/final, con hasta 10,000 pasos

Black Forest Labs · Archivo

Tu primer resultado aparecerá aquí

Crea una solicitud abajo y ejecútala con tu clave de API. Las salidas se copian en nuestro almacenamiento, donde se conservan para siempre o 7 días gratis.

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan conforme los cambias.

•obligatorio

URL del zip de datos de entrenamiento, con instrucciones de edición proporcionadas por par de imágenes mediante un archivo ROOT.txt opcional (por ejemplo, photo.txt); de lo contrario, se usa default_caption y el entrenamiento falla si también está ausente. Los pares de imágenes deben usar ROOT_start.EXT y ROOT_end.EXT, como photo_start.jpg y photo_end.jpg. Cada par también puede incluir hasta cuatro imágenes de referencia mediante ROOT_start.EXT, ROOT_start2.EXT, ROOT_start3.EXT, ROOT_start4.EXT y ROOT_end.EXT; los nombres de ejemplo son photo_start.jpg, photo_start2.jpg y photo_end.jpg.

predeterminado 1000

Cantidad total de pasos de entrenamiento.

Avanzado default_caption · learning_rate

Subtítulo usado en lugar de los archivos de subtítulos faltantes; None hace que su ausencia sea un error.

predeterminado 5.0e-05

Tasa de aprendizaje utilizada para los parámetros que se pueden entrenar.

POST /run/flux-2-trainer/edit?wait=20 cotización → $38.92
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://vit.doitong.com/api/v1/run/flux-2-trainer/edit?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image_data_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://vit.doitong.com/api/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Ejecutar esta solicitud

Tu clave permanece en este navegador: solo se envía a la Doitong API y se guarda en localStorage únicamente si marcas Recordar. Obtener una clave de API

Acerca de FLUX 2 Trainer Edit

Ajusta una LoRA para una tarea de edición específica. El zip de `image_data_url` contiene imágenes emparejadas llamadas ROOT_start y ROOT_end, opcionalmente con imágenes de referencia adicionales. `steps` va de 100 a 10000 y `learning_rate` se puede ajustar. Las salidas son los pesos de LoRA y un archivo de configuración.

Parámetros

NombreTipo PredeterminadoPermitido Descripción
image_data_urlobligatorio
Tipostring
URL del zip de datos de entrenamiento, con instrucciones de edición proporcionadas por par de imágenes mediante un archivo ROOT.txt opcional (por ejemplo, photo.txt); de lo contrario, se usa default_caption y el entrenamiento falla si también está ausente. Los pares de imágenes deben usar ROOT_start.EXT y ROOT_end.EXT, como photo_start.jpg y photo_end.jpg. Cada par también puede incluir hasta cuatro imágenes de referencia mediante ROOT_start.EXT, ROOT_start2.EXT, ROOT_start3.EXT, ROOT_start4.EXT y ROOT_end.EXT; los nombres de ejemplo son photo_start.jpg, photo_start2.jpg y photo_end.jpg.
stepsopcional
Tipointeger
Predeterminado1000
100 – 10,000
Cantidad total de pasos de entrenamiento.
learning_rateopcional
Tiponumber
Predeterminado5.0e-05
Tasa de aprendizaje utilizada para los parámetros que se pueden entrenar.
default_captionopcional
Tipostring | null
Subtítulo usado en lugar de los archivos de subtítulos faltantes; None hace que su ausencia sea un error.
obligatorio

Salida

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "flux-2-trainer/edit",
  "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": 38920,
    "usd": "38.92",
    "charged": 38920,
    "refunded": 0
  },
  "input": {
    "image_data_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  },
  "output": {
    "diffusers_lora_file": {
      "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
    },
    "config_file": {
      "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": "file",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_size": 1843200,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://vit.doitong.com/api/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://vit.doitong.com/api/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: se conserva para siempre (con cobro por GB-mes) o 7 días gratis, según la configuración de tu cuenta o ?storage=.
La misma estructura en todos los modelostype, url, content_type, width, height y duration, tanto para imágenes como para video y audio. output es el objeto de resultado propio del modelo.
Campos de salida
diffusers_lora_file
object {url, content_type, file_name, file_size}URL que apunta a los pesos LoRA entrenados en formato diffusers.
config_file
object {url, content_type, file_name, file_size}URL que apunta al archivo de configuración del modelo entrenado.

Más modelos: Entrenamiento

Para agentes de IA: esta página en Markdown está disponible en https://doitong.com/es-MX/developers/models/flux-2-trainer/edit.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt