图像到图像
POST/v2/img2img图像到图像端点，只会返回一个task_id。您应该使用task_id调用/v2/progress API端点以检索图像生成结果。输出以“image/png”格式提供。指导： https: //novita.ai/get-started/Basic_img2img.html。
请求参数
肯定提示词，用“，”分隔。如果要使用 LoRA，可以使用参数 filter.types=lora 调用“/v3/model”端点，以检索“sd_name_in_api”字段作为“model_name”。请记住，Lora 模型的格式为“lora:${sd_name}:${weight}”。
否定提示词，用“,”分隔，还可以添加“badhandv4_16755”等嵌入（文本反转）模型，同时，嵌入可以在端点中访问：https://docs.novita.ai/models-api/query-具有查询参数 'filter.types=textualinversion' 的模型，例如 'negative_prompt': 'badhandv4_16755'
这个去噪过程称为采样，因为稳定扩散在每个步骤中都会生成一个新的样本图像。
一代中生成了多少图像。范围：[0, 8]
多少代了。范围：[0, 8]
将步骤视为图像创建过程的迭代。范围：(0, 50]
此设置表示稳定扩散将听取您的提示的程度。范围：(0, 30]
种子是稳定扩散产生噪声的数字。
图像的高度。范围：(0, 2048]
图像的宽度。范围：(0, 2048]
稳定扩散模型的名称，您可以使用参数filter.types=checkpoint调用/v3/model端点来检索sd_name_in_api字段作为model_name。
它添加的噪音量是受控制的。
启用稳定扩散恢复面插件。
VAE(Variational Auto Encoder)，sd_vae 可以在 api /v3/model 中通过查询参数 filter.types=vae 访问，以检索 sd_name 字段作为 sd_vae。
该参数表示优化期间从底部开始停止的层数，因此clip_skip on 2意味着，在CLIP有12层的SD1.x模型中，您将停止在第10层。
png 的 Base64，修复掩码。
设置填充区域边界的模糊程度。
调整大小模式，其中0表示“仅调整大小”，1表示“裁剪并调整大小”，2表示“调整大小并填充”，3表示“仅调整大小（潜在放大）”
如何重绘填充区域。0：填充，根据周围颜色重画 1：原始，根据原始图像重画 2：潜在噪声，变回噪声并重画 3：隐性无，根据填充区域的颜色
指定是应用还是保护填充区域。0：整体描绘整个插图并更改填充部分。1：仅蒙版 仅绘制填充区域，然后恢复原始图像。
此设置控制有多少额外像素可以用作仅遮罩模式的参考点。如果您无法生成正确的图像，则可以增加数量。这是选择“仅屏蔽”时要设置多少边距的数值。增加该值的缺点是会降低输出质量。指导：https://civitai.com/articles/161/basic-inpainting-guide
指定是否反转蒙版。0 - 修复被遮盖 1 - 修复未被遮盖
设置中 img2img 的噪声倍增器。该缩放因子应用于 img2img 的随机潜在张量。降低它可以减少闪烁。
图像存储时间（秒）。范围 [0, 604800]
图像存储时间（秒）。范围 [0, 604800]
{
"extra": {
"enable_nsfw_detection": false
},
"prompt": "Photographic of a woman sitting at a cafe. 35mm photograph, film, bokeh, professional, 4k, highly detailed",
"negative_prompt": "ng_deepnegative_v1_75t, badhandv4, (worst quality:2), (low quality:2), (normal quality:2), lowres, ((monochrome)), ((grayscale)), watermark",
"sampler_name": "Euler a",
"batch_size": 1,
"n_iter": 1,
"steps": 20,
"cfg_scale": 7,
"seed": -1,
"height": 1024,
"width": 1024,
"model_name": "sd_xl_base_1.0.safetensors",
"init_images": [
"{{base64 encoded image}}"
],
"denoising_strength": 0.5,
"restore_faces": false,
"sd_vae": "sdxl_vae.safetensors",
"clip_skip": 1,
"mask": "",
"mask_blur": null,
"resize_mode": null,
"image_cfg_scale": null,
"inpainting_fill": null,
"inpaint_full_res": null,
"inpaint_full_res_padding": null,
"inpainting_mask_invert": null,
"initial_noise_multiplier": null,
"img_expire_ttl": null,
"sd_refiner": {
"checkpoint": "sd_xl_refiner_1.0.safetensors",
"switch_at": 1
},
"controlnet_units": [
{
"model": "t2i-adapter_xl_sketch",
"weight": 0.5,
"input_image": "{{base64 encoded image}}",
"module": "none",
"control_mode": 0,
"mask": "",
"resize_mode": null,
"processor_res": null,
"threshold_a": null,
"threshold_b": null,
"guidance_start": null,
"guidance_end": null,
"pixel_perfect": false,
"lowvram": true
}
],
"controlnet_no_detectmap": true
}示例代码
返回响应
CodeNormal = 0、CodeInternalError = -1、CodeInvalidJSON = 1、CodeModelNotExist = 2、CodeTaskIdNotExist = 3、CodeInvalidAuth = 4、CodeHostUnavailable = 5、CodeParamRangeOutOfLimit = 6、CodeCostBalanceFailure = 7、CodeSamplerNotExist = 8、CodeTimeout = 9
任务 ID，由 /v2/progress 使用
{
"code": null,
"msg": "",
"data": {
"task_id": "",
"warn": ""
}
}