# SDXL ControlNet Union · Image to Image API

> SDXL από εικόνα σε εικόνα με καθοδήγηση πολλών ControlNet από εικόνες ελέγχου πόζας, βάθους, ακμών, κανονικών ή τμηματοποίησης

Μετασχηματίζει μια αρχική εικόνα χρησιμοποιώντας βάση SDXL, με καθοδήγηση από prompt και προαιρετικές εικόνες ελέγχου για openpose, χάρτη βάθους, teed, canny, normal και τμηματοποίηση. Κάθε είσοδος ελέγχου έχει δικό της διακόπτη προεπεξεργασίας. Το `strength` κυμαίνεται από 0.05 έως 1, το `num_inference_steps` από 1 έως 70 και μπορούν να επιστραφούν έως 8 εικόνες ανά κλήση. Μπορούν να δοθούν LoRAs και ενσωματώσεις, ενώ η έξοδος είναι jpeg ή png.

- Model id: `sdxl-controlnet-union/image-to-image`
- Made by: Stability AI
- Category: Image Editing
- Output: image
- Estimated price per run: $0.048 / image (cheapest run $0.048 (48 API credits))
- Run: `POST https://api.doitong.ru/v1/run/sdxl-controlnet-union/image-to-image`
- Quote: `POST https://api.doitong.ru/v1/quote/sdxl-controlnet-union/image-to-image`
- Docs page: https://doitong.com/el/developers/models/sdxl-controlnet-union/image-to-image

## Pricing

Price: **$0.048 / 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 $0.048 = 48 API credits (1 image × 48 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.ru/v1/quote/sdxl-controlnet-union/image-to-image` 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 |  |  | Περιγράψτε την εικόνα που θέλετε να παραχθεί, με όσο το δυνατόν περισσότερες λεπτομέρειες για τα καλύτερα αποτελέσματα. |
| `controlnet_conditioning_scale` |  | number | no | `0.5` | 0 – 1 | Ισχύς της εφαρμοζόμενης καθοδήγησης από το ControlNet. |
| `image_url` | `image` | string (image URL) | yes |  |  | Εικόνα έναρξης για την παραγωγή, παρεχόμενη μέσω URL. |
| `negative_prompt` |  | string | no | `` |  | Αρνητικό prompt που καθορίζει ανεπιθύμητες λεπτομέρειες εικόνας. Μπορεί να αποκλείσει χρώματα, αντικείμενα, τοπία ή λεπτότερα χαρακτηριστικά και ιδιότητες, όπως μουστάκι, θόλωση ή χαμηλή ανάλυση. |
| `image_size` |  | object {height, width} \| enum (string) \| null | no |  | `square_hd`, `square`, `portrait_4_3`, `portrait_16_9`, `landscape_4_3`, `landscape_16_9` | Διαστάσεις εξόδου, που καθορίζονται αυτόματα από την εικόνα ελέγχου όταν δεν παρέχεται μέγεθος. |
| `num_inference_steps` |  | integer | no | `35` | 1 – 70 | Αριθμός βημάτων συμπερασμού προς εκτέλεση. |
| `guidance_scale` |  | number | no | `7.5` | 0 – 20 | Ισχύς προσήλωσης στο prompt για την επιλογή εικόνας, εκφρασμένη ως CFG (Classifier Free Guidance). |
| `strength` |  | number | no | `0.95` | 0.05 – 1 | Βαθμός ομοιότητας μεταξύ της παραγόμενης εικόνας και της αρχικής εικόνας. |
| `seed` |  | integer \| null | no |  |  | Seed για αναπαραγωγή εικόνων στο Stable Diffusion. Μια εικόνα μπορεί να αναπαραχθεί ακριβώς σε κάθε εκτέλεση, αν παραμείνουν αμετάβλητα η έκδοση του μοντέλου, το prompt και το seed. |
| `num_images` | `num_outputs` | integer | no | `1` | 1 – 8 | Αριθμός εικόνων που ζητούνται για παραγωγή. |
| `loras` |  | array of object {force, path, scale} | no | `[]` |  | Βάρη LoRA που επιλέχθηκαν για χρήση, παρέχονται ως λίστα. |
| `loras[].force` |  | boolean | no | `false` |  | Αν η χρήση embedding είναι υποχρεωτική: το true την καθιστά υποχρεωτική. |
| `loras[].path` |  | string | yes |  |  | Πηγή βαρών LoRA, που παρέχεται ως αναγνωριστικό μοντέλου HF το οποίο επιλύεται σε βάρη safetensors ή ως αρχείο safetensors που εντοπίζεται μέσω URL ή διαδρομής. |
| `loras[].scale` |  | number | no | `1` | 0 – 1 | Πολλαπλασιαστής που εφαρμόζεται στο βάρος LoRA πριν συγχωνευτεί στο βασικό μοντέλο. |
| `embeddings` |  | array of object {path, tokens} | no | `[]` |  | Embeddings που επιλέχθηκαν για χρήση, παρέχονται ως λίστα. |
| `embeddings[].path` |  | string | yes |  |  | Βάρη embedding που καθορίζονται από URL ή διαδρομή αρχείου. |
| `embeddings[].tokens` |  | array of string \| null | no |  |  | Λίστα token embedding, με αυτόματη ονομασία όταν παραλείπεται: κάθε διάνυσμα στο αρχείο embedding λαμβάνει ένα token από την ακολουθία <s0>, <s1>, ... . |
| `enable_safety_checker` |  | boolean | no | `true` |  | Ενεργοποίηση ελέγχου ασφάλειας· το true ενεργοποιεί τον έλεγχο. |
| `safety_checker_version` |  | enum (string) | no | `v1` | `v1`, `v2` | Επιλέξτε μεταξύ ενός προσαρμοσμένου ελεγκτή ασφάλειας ViT (`v2`) και του ελεγκτή CompVis (`v1`, η προεπιλογή). |
| `expand_prompt` |  | boolean | no | `false` |  | Επέκταση prompt με πρόσθετα prompt, ενεργοποιημένη όταν είναι true. |
| `format` |  | enum (string) | no | `jpeg` | `jpeg`, `png` | Μορφή αρχείου της τελικής εικόνας. |
| `request_id` |  | string | no | `` |  | Αναγνωριστικό αιτήματος για τη συσχέτιση μιας απόκρισης με το αίτημα που την παρήγαγε. |
| `preserve_aspect_ratio` |  | boolean | no | `false` |  | Ορίστε true για να διατηρηθεί η αναλογία διαστάσεων της παραγόμενης εικόνας ακόμη και όταν το μέγεθός της υπερβαίνει το όριο. Για σωστές αναλογίες μέσω περικοπής μετά την παραγωγή, ορίστε το crop_output σε True. Οι τιμές πλάτους ή ύψους που δεν διαιρούνται με το 32 στρογγυλοποιούνται στο πλησιέστερο πολλαπλάσιο του 32, και αυτή η αλλαγή μεγέθους δεν διατηρεί την αναλογία διαστάσεων από προεπιλογή. |
| `crop_output` |  | boolean | no | `false` |  | Περικόπτει την παραγόμενη έξοδο στη σωστή αναλογία διαστάσεων όταν είναι true. |
| `openpose_image_url` |  | string (image URL) \| null | no |  |  | URL που παραπέμπει στην εικόνα ελέγχου. |
| `openpose_preprocess` |  | boolean | no | `true` |  | Ελέγχει την προεπεξεργασία της εικόνας openpose. |
| `depth_image_url` |  | string (image URL) \| null | no |  |  | URL που παραπέμπει στην εικόνα ελέγχου. |
| `depth_preprocess` |  | boolean | no | `true` |  | Ελέγχει την προεπεξεργασία της εικόνας βάθους. |
| `teed_image_url` |  | string (image URL) \| null | no |  |  | URL που παραπέμπει στην εικόνα ελέγχου. |
| `teed_preprocess` |  | boolean | no | `true` |  | Ελέγχει την προεπεξεργασία της εικόνας teed. |
| `canny_image_url` |  | string (image URL) \| null | no |  |  | URL που παραπέμπει στην εικόνα ελέγχου. |
| `canny_preprocess` |  | boolean | no | `true` |  | Ελέγχει την προεπεξεργασία της εικόνας canny. |
| `normal_image_url` |  | string (image URL) \| null | no |  |  | URL που παραπέμπει στην εικόνα ελέγχου. |
| `normal_preprocess` |  | boolean | no | `true` |  | Ελέγχει την προεπεξεργασία της εικόνας normal. |
| `segmentation_image_url` |  | string (image URL) \| null | no |  |  | URL που παραπέμπει στην εικόνα ελέγχου. |
| `segmentation_preprocess` |  | boolean | no | `true` |  | Ελέγχει την προεπεξεργασία της εικόνας segmentation. |

File parameters (`image`, `openpose_image_url`, `depth_image_url`, `teed_image_url`, `canny_image_url`, `normal_image_url`, `segmentation_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
{
  "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
  "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
}
```

A fuller example:

```json
{
  "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
  "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.ru/v1/run/sdxl-controlnet-union/image-to-image?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"
```

### JavaScript

```javascript
const API = "https://api.doitong.ru/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/sdxl-controlnet-union/image-to-image?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "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.ru/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "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/sdxl-controlnet-union/image-to-image", 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.ru/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": "sdxl-controlnet-union/image-to-image",
      "input": {
        "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
        "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": "sdxl-controlnet-union/image-to-image",
  "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": 48,
    "usd": "0.048",
    "charged": 48,
    "refunded": 0
  },
  "input": {
    "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "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.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `images` | array of object {url, width, height, content_type} | Πληροφορίες αρχείου για τις εικόνες που παράγονται. |
| `timings` | object |  |
| `seed` | integer | Seed παραγωγής εικόνας, συμπεριλαμβανομένης της τυχαία επιλεγμένης τιμής αν η είσοδος δεν περιείχε seed· διαφορετικά, επαναλαμβάνει την παρεχόμενη τιμή. |
| `has_nsfw_concepts` | array of boolean | Υποδεικνύει αν εμφανίζονται έννοιες NSFW στις παραγόμενες εικόνες. |
| `prompt` | string | Prompt που χρησιμοποιείται κατά την παραγωγή εικόνας. |

## Related models

- [SDXL ControlNet Union](https://doitong.com/developers/models/sdxl-controlnet-union.md) (`sdxl-controlnet-union`): $0.014 / image
- [SDXL ControlNet Union · Inpainting](https://doitong.com/developers/models/sdxl-controlnet-union/inpainting.md) (`sdxl-controlnet-union/inpainting`): $0.012 / 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/sdxl-controlnet-union/image-to-image
- 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=sdxl-controlnet-union/image-to-image
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.ru/v1/models/sdxl-controlnet-union/image-to-image