# Stable Diffusion 3.5 Large API

> منفی پرامپٹس، LoRA، ControlNet اور IP-Adapter سپورٹ والا متن سے تصویر پھیلاؤ ٹرانسفارمر

`prompt` سے تصاویر تیار کرتا ہے، جس میں اختیاری `negative_prompt` شامل ہو سکتا ہے۔ اضافی کنٹرول کے لیے `loras`، `controlnet` اور `ip_adapter` قبول کرتا ہے۔ چھ پری سیٹ `image_size` اقدار میں سے انتخاب کریں، ہر درخواست میں 1 سے 4 تصاویر تیار کریں، اور jpeg یا png آؤٹ پٹ منتخب کریں۔ مراحل 1 سے 50 اور رہنمائی اسکیل 0 سے 20 تک ہے۔

- Model id: `stable-diffusion-v35-large`
- Made by: Stability AI
- Category: Text to Image
- Output: image
- Estimated price per run: $0.065 / image (cheapest run $0.065 (65 API credits))
- Run: `POST https://api.doitong.com/v1/run/stable-diffusion-v35-large`
- Quote: `POST https://api.doitong.com/v1/quote/stable-diffusion-v35-large`
- Docs page: https://doitong.com/ur/developers/models/stable-diffusion-v35-large

## Pricing

Price: **$0.065 / 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 $0.065 = 65 API credits (1 image × 65 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/stable-diffusion-v35-large` 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 |
|---|---|---|---|---|---|---|
| `prompt` |  | string | yes |  |  | تصویر کی تخلیق کی رہنمائی کرنے والا پرامپٹ۔ |
| `negative_prompt` |  | string | no | `` |  | خارج کی جانے والی تصویر کی تفصیلات بتانے والا منفی پرامپٹ، مثلاً رنگ، اشیا، مناظر یا باریک خصوصیات۔ مثالوں میں مونچھ، دھندلا پن یا کم ریزولوشن شامل ہیں۔ |
| `num_inference_steps` |  | integer | no | `28` | 1 – 50 | چلائے جانے والے inference steps کی تعداد۔ |
| `seed` |  | integer \| null | no |  |  | قابلِ تکرار تصاویر کے لیے سیڈ: ماڈل ورژن تبدیل نہ ہونے پر یکساں پرامپٹ اور سیڈ یکساں تصویر تیار کرتے ہیں۔ |
| `guidance_scale` |  | number | no | `3.5` | 0 – 20 | تصویر کے انتخاب کے لیے پرامپٹ کی پابندی کی طاقت، CFG (Classifier Free Guidance) کے طور پر ظاہر کی جاتی ہے۔ |
| `num_images` | `num_outputs` | integer | no | `1` | 1 – 4 | تخلیق کے لیے مطلوبہ تصاویر کی تعداد۔ |
| `enable_safety_checker` |  | boolean | no | `true` |  | 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۔ |
| `output_format` |  | enum (string) | no | `jpeg` | `jpeg`, `png` | نتیجہ خیز تصویر کا فائل فارمیٹ۔ |
| `controlnet` |  | object {path, control_image_url, conditioning_scale, start_percentage, end_percentage} | no |  |  | inference کے دوران استعمال ہونے والا ControlNet۔ |
| `controlnet.path` |  | string | yes |  |  | ControlNet weight کا مقام، URL یا path کے طور پر متعین کیا جاتا ہے۔ |
| `controlnet.control_image_url` |  | string (image URL) | yes |  |  | Control تصویر فراہم کرنے والا تصویر URL۔ |
| `controlnet.conditioning_scale` |  | number | no | `1` | 0 – 2 | Base ماڈل میں merge کرنے سے پہلے ControlNet weights پر لاگو کیا جانے والا scaling۔ |
| `controlnet.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۔ |
| `controlnet.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۔ |
| `image_size` |  | object {width, height} \| enum (string) \| null | no |  | `square_hd`, `square`, `portrait_4_3`, `portrait_16_9`, `landscape_4_3`, `landscape_16_9` | آؤٹ پٹ تصویر کے dimensions۔ controlnet کے بغیر ڈیفالٹ landscape_4_3 ہے؛ اس کے ساتھ ڈیفالٹ اس کی conditioning تصویر کے dimensions سے مطابقت رکھتا 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۔ |
| `ip_adapter` |  | object {path, subfolder, weight_name, image_encoder_path, image_encoder_subfolder, image_encoder_weight_name, image_url, mask_image_url, mask_threshold, scale} \| null | no |  |  | inference کے دوران لاگو کیا جانے والا IP-Adapter۔ |
| `ip_adapter.path` |  | string | yes |  |  | Hugging Face پر IP-Adapter کا مقام۔ |
| `ip_adapter.subfolder` |  | string \| null | no |  |  | ip_adapter weights پر مشتمل subfolder۔ |
| `ip_adapter.weight_name` |  | string \| null | no |  |  | IP-Adapter کے weights کی Safetensors filename۔ |
| `ip_adapter.image_encoder_path` |  | string | yes |  |  | IP-Adapter تصویر encoder کا مقام، جیسے 'openai/clip-vit-large-patch14'۔ |
| `ip_adapter.image_encoder_subfolder` |  | string \| null | no |  |  | تصویر encoder کے weights پر مشتمل subfolder۔ |
| `ip_adapter.image_encoder_weight_name` |  | string \| null | no |  |  | تصویر encoder کا نام۔ |
| `ip_adapter.image_url` |  | string (image URL) | yes |  |  | IP-Adapter کو فراہم کیا جانے والا conditioning تصویر URL۔ |
| `ip_adapter.mask_image_url` |  | string (image URL) \| null | no |  |  | Control تصویر سے منسلک mask URL۔ |
| `ip_adapter.mask_threshold` |  | number | no | `0.5` | 0.01 – 0.99 | Mask threshold value۔ |
| `ip_adapter.scale` |  | number | yes |  |  | IP-Adapter scaling factor۔ |

## Example input

Required parameters only:

```json
{
  "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
}
```

A fuller example:

```json
{
  "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/stable-diffusion-v35-large?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"
  }'

# 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/stable-diffusion-v35-large?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"
  }),
});
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 = {
    "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/stable-diffusion-v35-large", 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": "stable-diffusion-v35-large",
      "input": {
        "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": "stable-diffusion-v35-large",
  "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": 65,
    "usd": "0.065",
    "charged": 65,
    "refunded": 0
  },
  "input": {
    "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",
        "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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `images` | array of object {url, width, height, content_type} | تیار کردہ تصاویر کی فائل کی معلومات۔ |
| `timings` | object |  |
| `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۔ |
| `prompt` | string | تصویر کی تخلیق کے دوران استعمال ہونے والا پرامپٹ۔ |

## Related models

- [FLUX.1 \[dev\]](https://doitong.com/developers/models/flux/dev.md) (`flux/dev`): $0.025 / megapixel
- [FLUX.1 \[schnell\]](https://doitong.com/developers/models/flux/schnell.md) (`flux/schnell`): $0.003 / megapixel
- [FLUX.2 \[dev\]](https://doitong.com/developers/models/flux-2.md) (`flux-2`): $0.012 / megapixel
- [FLUX.2 \[pro\]](https://doitong.com/developers/models/flux-2-pro.md) (`flux-2-pro`): $0.015 / megapixel of output image
- [GPT Image 2.5 Text to Image](https://doitong.com/developers/models/openai/gpt-image-2.5/flare/text-to-image.md) (`openai/gpt-image-2.5/flare/text-to-image`): from $0.008 / image
- [Ideogram V4.5](https://doitong.com/developers/models/ideogram/v4.5.md) (`ideogram/v4.5`): from $0.03 / image
- [Nano Banana 2](https://doitong.com/developers/models/nano-banana-2.md) (`nano-banana-2`): from $0.06 / image
- [Nano Banana Pro](https://doitong.com/developers/models/nano-banana-pro.md) (`nano-banana-pro`): from $0.15 / image

## Links

- HTML page: https://doitong.com/developers/models/stable-diffusion-v35-large
- 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=stable-diffusion-v35-large
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/stable-diffusion-v35-large