FLUX.1 [dev] with Controlnets and Loras · Differential Diffusion
整合
模型 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://vit.doitong.com/api/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://vit.doitong.com/api/v1/requests/REQUEST_ID?wait=20" \
-H "Authorization: Bearer $DOITONG_API_KEY"
const API = "https://vit.doitong.com/api/v1";
const headers = {
"Authorization": "Bearer " + process.env.DOITONG_API_KEY,
"Content-Type": "application/json",
};
// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/flux-general/differential-diffusion?wait=20", {
method: "POST",
headers,
body: JSON.stringify({
"prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
"image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
"change_map_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
}),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);
// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");
import os
import requests
API = "https://vit.doitong.com/api/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": "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",
}
# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/flux-general/differential-diffusion", 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"])
# 1. Connect once (Claude Code; Cursor, VS Code, Claude Desktop: https://doitong.com/zh-TW/developers/docs/mcp)
claude mcp add --transport http doitong-models https://vit.doitong.com/api/v1/mcp \
--header "Authorization: Bearer $DOITONG_API_KEY"
# 2. Your agent calls the "run" tool with:
{
"model_id": "flux-general/differential-diffusion",
"input": {
"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"
}
}
透過 Doitong API 呼叫 FLUX.1 [dev] with Controlnets and Loras · Differential Diffusion 模型(flux-general/differential-diffusion)。代理程式文件:https://doitong.com/zh-TW/developers/models/flux-general/differential-diffusion.md
POST https://vit.doitong.com/api/v1/run/flux-general/differential-diffusion?wait=20
Authorization: Bearer $DOITONG_API_KEY
Content-Type: application/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",
"change_map_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
}
如果回應狀態為 "queued" 或 "running",請輪詢 GET https://vit.doitong.com/api/v1/requests/REQUEST_ID?wait=20,直到狀態變為 "succeeded";檔案位於 outputs[].url。使用相同主體傳送 POST https://vit.doitong.com/api/v1/quote/flux-general/differential-diffusion,可在執行前取得確切價格。
此請求: ≈$0.138 138 API 點數 在此頁面執行
您的新 API 金鑰。 僅會在此時顯示,且已填入下方的程式碼與 API 金鑰欄位。請妥善保密:切勿將其放入在瀏覽器中執行的程式碼。
建立請求
控制項是根據模型結構描述生成的。變更設定時,程式碼和價格會同步更新。
POST
/run/flux-general/differential-diffusion?wait=20
報價 → $0.138
# 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-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://vit.doitong.com/api/v1/requests/REQUEST_ID?wait=20" \
-H "Authorization: Bearer $DOITONG_API_KEY"
const API = "https://vit.doitong.com/api/v1";
const headers = {
"Authorization": "Bearer " + process.env.DOITONG_API_KEY,
"Content-Type": "application/json",
};
// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/flux-general/differential-diffusion?wait=20", {
method: "POST",
headers,
body: JSON.stringify({
"prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
"image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
"change_map_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
}),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);
// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");
import os
import requests
API = "https://vit.doitong.com/api/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": "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",
}
# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/flux-general/differential-diffusion", 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"])
{
"jsonrpc": "2.0",
"id": 1,
"method": "tools/call",
"params": {
"name": "run",
"arguments": {
"model_id": "flux-general/differential-diffusion",
"input": {
"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"
},
"wait_seconds": 20
}
}
}
關於 FLUX.1 [dev] with Controlnets and Loras · Differential Diffusion
逐區域轉換來源影像,使用變化圖控制各區域的修改程度。需要 `prompt`、`image_url` 和 `change_map_image_url`。也接受 LoRA、ControlNet、IP-Adapter 與參考影像。`num_inference_steps` 為 1 到 50,`num_images` 最多為 10,輸出格式為 png 或 jpeg。
參數
請傳送標準名稱或原生名稱其中之一,不要同時傳送兩者。 標準名稱
名稱類型
預設值允許值
說明
prompt必填
類型string
引導圖像生成的提示詞。
image_size選填
類型object
square_hdsquareportrait_4_3portrait_16_9landscape_4_3landscape_16_9
生成圖像的尺寸。
num_inference_steps選填
類型integer
預設值28
1 – 50
要執行的推論步數。
seed選填
類型integer | null
可重現圖像的種子:模型版本不變時,相同的提示詞與種子會產生相同圖像。
loras選填
類型object[]
預設值[]
其組合效果會產生生成圖像的 LoRA,數量不限。
loras[].path必填
類型string
LoRA 權重的位置,以 URL 或路徑指定。
loras[].scale選填
類型object | number
預設值1
LoRA 權重合併至基礎模型前套用的縮放。提供形式為 {"layer_name":layer_scale} 的字典可設定個別層級縮放;未指定的層級使用 1.0。
control_loras選填
類型object[]
預設值[]
合併為組合設定、用於生成最終圖像的控制圖像 LoRA;提供的數量不限。
control_loras[].path必填
類型string
LoRA 權重的位置,以 URL 或路徑指定。
control_loras[].scale選填
類型object | number
預設值1
LoRA 權重合併至基礎模型前套用的縮放。提供形式為 {"layer_name":layer_scale} 的字典可設定個別層級縮放;未指定的層級使用 1.0。
control_loras[].control_image_url必填
類型url · image
提供控制圖像的圖像 URL。
control_loras[].preprocess選填
類型enum
預設值None
cannydepthNone
套用於提供圖像的預處理方法。
controlnets選填
類型object[]
預設值[]
用於圖像生成的 ControlNet 設定,目前限用單一 ControlNet。
controlnets[].path必填
類型string
ControlNet 權重位置,可指定為 URL 或路徑。
controlnets[].config_url選填
類型string | null
可選的 URL,指向 ControlNet 的 config.json 檔案。
controlnets[].variant選填
類型string | null
搭配 Hugging Face 儲存庫金鑰使用的可選變體。
controlnets[].control_image_url必填
類型url · image
提供控制圖像的圖像 URL。
controlnets[].mask_image_url選填
類型url · image
與控制圖像相關聯的遮罩 URL。
controlnets[].mask_threshold選填
類型number
預設值0.5
0.01 – 0.99
遮罩閾值。
controlnets[].conditioning_scale選填
類型number
預設值1
0 – 2
ControlNet 權重合併至基礎模型前套用的縮放。
controlnets[].start_percentage選填
類型number
預設值0
0 – 1
ControlNet 開始影響圖像生成時所占總時間步的百分比。
controlnets[].end_percentage選填
類型number
預設值1
0 – 1
ControlNet 停止影響圖像生成時所占總時間步的百分比。
controlnet_unions選填
類型object[]
預設值[]
用於圖像生成的 ControlNet union 設定,受目前單一 ControlNet 限制。
controlnet_unions[].path必填
類型string
ControlNet 權重位置,可指定為 URL 或路徑。
controlnet_unions[].config_url選填
類型string | null
可選的 URL,指向 ControlNet 的 config.json 檔案。
controlnet_unions[].variant選填
類型string | null
搭配 Hugging Face 儲存庫金鑰使用的可選變體。
controlnet_unions[].controls必填
類型object[]
提供給 ControlNet 的控制圖像及相關模式。
controlnet_unions[].controls[].control_image_url必填
類型url · image
提供控制圖像的圖像 URL。
controlnet_unions[].controls[].mask_image_url選填
類型url · image
與控制圖像相關聯的遮罩 URL。
controlnet_unions[].controls[].control_mode必填
類型enum
cannytiledepthblurposegraylow-quality
Flux Controlnet Union 使用的控制模式。選項:canny 以邊緣引導生成;tile 以圖格引導;depth 以灰階深度圖引導;blur 模糊圖像;pose 以圖像姿勢引導生成;gray 將圖像轉為灰階;low-quality 產生低畫質版本的圖像。
controlnet_unions[].controls[].conditioning_scale選填
類型number
預設值1
0 – 2
ControlNet 權重合併至基礎模型前套用的縮放。
controlnet_unions[].controls[].mask_threshold選填
類型number
預設值0.5
0.01 – 0.99
遮罩閾值。
controlnet_unions[].controls[].start_percentage選填
類型number
預設值0
0 – 1
ControlNet 開始影響圖像生成時所占總時間步的百分比。
controlnet_unions[].controls[].end_percentage選填
類型number
預設值1
0 – 1
ControlNet 停止影響圖像生成時所占總時間步的百分比。
ip_adapters選填
類型object[]
預設值[]
圖像生成期間套用的 IP-Adapter。
ip_adapters[].path必填
類型string
Hugging Face 上的 IP-Adapter 位置。
ip_adapters[].subfolder選填
類型string | null
包含 ip_adapter 權重的子資料夾。
ip_adapters[].weight_name選填
類型string | null
IP-Adapter 權重的 Safetensors 檔名。
ip_adapters[].image_encoder_path必填
類型string
IP-Adapter 圖像編碼器位置,例如 'openai/clip-vit-large-patch14'。
ip_adapters[].image_encoder_subfolder選填
類型string | null
包含圖像編碼器權重的子資料夾。
ip_adapters[].image_encoder_weight_name選填
類型string | null
圖像編碼器名稱。
ip_adapters[].image_url必填
類型url · image
提供給 IP-Adapter 的條件圖像 URL。
ip_adapters[].mask_image_url選填
類型url · image
與控制圖像相關聯的遮罩 URL。
ip_adapters[].mask_threshold選填
類型number
預設值0.5
0.01 – 0.99
遮罩閾值。
ip_adapters[].scale必填
類型number
IP-Adapter 縮放係數。
easycontrols選填
類型object[]
預設值[]
圖像生成期間套用的 EasyControl 輸入。
easycontrols[].control_method_url必填
類型string
控制方法的 safetensor 權重 URL,或支援的識別碼:`canny`、`depth`、`hedsketch`、`inpainting`、`pose`、`seg`、`subject`、`ghibli`。
easycontrols[].scale選填
類型number
預設值1
0 – 2
控制方法縮放係數。
easycontrols[].image_url必填
類型url · image
提供控制輸入的圖像 URL。
easycontrols[].image_control_type必填
類型enum
subjectspatial
圖像控制模式;接受 `spatial` 或 `subject`。
fill_image選填
類型object
引導生成並可為遮罩區域提供內容的輸入圖像。
fill_image.fill_image_url選填
類型url · image
預設值[]
透過 redux prompting 填入內容的圖像 URL。
guidance_scale選填
類型number
預設值3.5
0 – 20
圖像選取的提示詞遵循強度,以 CFG (Classifier Free Guidance) 表示。
real_cfg_scale選填
類型number
預設值3.5
0 – 5
圖像選取的提示詞遵循強度,以 CFG (Classifier Free Guidance) 表示。
use_real_cfg選填
類型boolean
預設值false
傳統 CFG 開關,搭配 XLabs IP-Adapter v1 時會自動啟用。引導行為與 SD1.5 和 SDXL 等模型相同。
use_cfg_zero選填
類型boolean
預設值false
啟用 CFG-zero 初始化取樣,說明見 https://arxiv.org/abs/2503.18886。
num_images選填
num_outputs
類型integer
預設值1
1 – 10
設定要生成的圖像數量;串流輸出時,此選項固定為 1。
enable_safety_checker選填
類型boolean
預設值true
安全檢查,會以黑色圖像取代任何被標記為不安全的圖像。true 會啟用檢查;false 僅對獲得授權的帳戶停用檢查,未獲授權的請求無論如何都會接受檢查。
reference_image_url選填
類型url · image
用於 Reference-Only 引導的圖像 URL。
reference_strength選填
類型number
預設值0.65
-3 – 3
reference_only 生成期間參考圖像的影響;未提供參考圖像時,此強度設定不會生效。
reference_start選填
類型number
預設值0
0 – 1
參考引導起點,以所有時間步的百分比表示。
reference_end選填
類型number
預設值1
0 – 1
參考引導終點,以所有時間步的百分比表示。
base_shift選填
類型number
預設值0.5
0.01 – 5
套用於排程時間步的基準位移。
max_shift選填
類型number
預設值1.15
0.01 – 5
套用於排程時間步的最大位移。
output_format選填
類型enum
預設值png
jpegpng
生成圖像的檔案格式。
use_beta_schedule選填
類型boolean
預設值false
控制是否使用 beta sigmas。
sigma_schedule選填
類型string | null
去噪期間使用的 Sigma 排程。
scheduler選填
類型enum
預設值euler
eulerdpmpp_2m
去噪期間使用的排程器。
negative_prompt選填
類型string
預設值
預設以 NAG 處理的負面提示詞,用於抑制生成圖像中的指定不想要特徵。
nag_scale選填
類型number
預設值3
≤ 10> 1
由 NAG scale 控制的負面提示詞規避;提高此值會使生成圖像較不像負面描述。
nag_tau選填
類型number
預設值2.5
> 0
用於隱藏狀態正規化的 NAG tau 設定;建議維持不變。提高此值會削弱正規化,並可能導致圖像意外偏離原圖。
nag_alpha選填
類型number
預設值0.25
≤ 1> 0
NAG alpha 設定正面提示詞重新導向正規化引導的程度,該引導結合正面與負面提示詞。此最終加權在較低設定下讓正面提示詞影響更大,在較高設定下減少重新導向。
nag_end選填
類型number
預設值0.25
≤ 1> 0
NAG 截止點,以生成步驟的比例表示。NAG 執行該初始比例後,FLUX 的原始注意力處理器會接手。
image_url必填
image
類型url · image
提供初始圖像的圖像 URL。
change_map_image_url必填
類型url · image
指向變更圖的 URL。
strength選填
類型number
預設值0.85
0.01 – 1
差異擴散強度,範圍從 0.0 時保留原圖到 1.0 時完全重製。
必填
標準名稱,也可使用
檔案參數接受公開的 https:// URL、最大 10 MB 的 data: URI,或上傳檔案的 file_url。 檔案
輸出
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://vit.doitong.com/api/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
"cancel": "https://vit.doitong.com/api/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
}
}
您的檔案,由您選擇每個 outputs[].url 都是儲存空間中的副本:可永久保留(按 GB-月計費),或免費保留 7 天;可透過帳戶設定或 ?storage= 設定。
所有模型使用相同結構圖片、影片和音訊皆包含 type、url、content_type、width、height 和 duration。output 是模型自己的結果物件。
輸出欄位
- images
- array of object {url, width, height, content_type}生成圖像的檔案資訊。
- timings
- object
- seed
- integer圖像生成種子;若輸入未提供種子,則包含隨機選取的值,否則會重複提供的值。
- has_nsfw_concepts
- array of boolean指出生成的圖像中是否出現 NSFW 概念。
- prompt
- string圖像生成期間使用的提示詞。
其他 FLUX.1 [dev] with Controlnets and Loras 變體
更多模型:圖像編輯
給 AI 代理程式:此頁面的 Markdown 位於 https://doitong.com/zh-TW/developers/models/flux-general/differential-diffusion.md. 所有模型與指南: https://doitong.com/developers/llms.txt






