Juggernaut Flux Base LoRA

ပေါင်းစည်းရန်

မော်ဒယ် id rundiffusion/juggernaut-flux-lora

# 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/rundiffusion/juggernaut-flux-lora?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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

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/rundiffusion/juggernaut-flux-lora?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 + ")");

import os
import requests

API = "https://api.doitong.ru/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/rundiffusion/juggernaut-flux-lora", 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/my/developers/docs/mcp)
claude mcp add --transport http doitong-models https://api.doitong.ru/v1/mcp \
  --header "Authorization: Bearer $DOITONG_API_KEY"

# 2. Your agent calls the "run" tool with:
{
  "model_id": "rundiffusion/juggernaut-flux-lora",
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }
}

Doitong API မှတစ်ဆင့် Juggernaut Flux Base LoRA မော်ဒယ် (rundiffusion/juggernaut-flux-lora) ကို ခေါ်ယူပါ။ အေးဂျင့်များအတွက် စာရွက်စာတမ်းများ: https://doitong.com/my/developers/models/rundiffusion/juggernaut-flux-lora.md

POST https://api.doitong.ru/v1/run/rundiffusion/juggernaut-flux-lora?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"
}

Response status သည် "queued" သို့မဟုတ် "running" ဖြစ်ပါက "succeeded" ဖြစ်သည်အထိ GET https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20 ဖြင့် poll လုပ်ပါ။ ဖိုင်များသည် outputs[].url တွင် ရှိသည်။ လုပ်ဆောင်မီ အတိအကျစျေးနှုန်းရရန် တူညီသော body ဖြင့် POST https://api.doitong.ru/v1/quote/rundiffusion/juggernaut-flux-lora ကို အသုံးပြုပါ။

ဤတောင်းဆိုချက်: ၀.၀၄၅ $ ၄၅ API ခရက်ဒစ် · ≈ ၄.၈၃ ₽ ဤစာမျက်နှာတွင် လုပ်ဆောင်ရန်

API ကီး ရယူရန်

RunDiffusion စာသားမှ ပုံ #image-generation

LoRA များကို အရေအတွက်မရွေး ပေါင်းစပ်၍ text-to-image အတွက် LoRA ပံ့ပိုးမှုပါသော Juggernaut Flux အခြေခံမော်ဒယ်

OpenAPI Markdown

RunDiffusion · ပုံ

သင့်ပထမဆုံးရလဒ် ဤနေရာတွင် ပေါ်လာမည်

အောက်တွင် တောင်းဆိုချက်တစ်ခု တည်ဆောက်ပြီး သင့် API ကီးဖြင့် လုပ်ဆောင်ပါ။ ထွက်ရလဒ်များကို ကျွန်ုပ်တို့၏ သိုလှောင်မှုသို့ ကူးယူပြီး အမြဲတမ်း သို့မဟုတ် ၇ ရက် အခမဲ့ သိမ်းထားသည်။

တောင်းဆိုမှုတစ်ခု တည်ဆောက်ရန်

စျေးနှုန်း

အတိအကျ စျေးနှုန်း

မီဂါပစ်ဇယ်တစ်ခုလျှင် ၀.၀၄၅ $

မီဂါပစ်ဇယ်တစ်ခုလျှင် ၄၅ API ခရက်ဒစ် · ≈ ၄.၈၃ ₽

ဤတောင်းဆိုချက်: ၁ မီဂါပစ်ဇယ် × ၀.၀၄၅ $ ၀.၀၄၅ $ ၄၅ API ခရက်ဒစ် · ≈ ၄.၈၃ ₽

လုပ်ဆောင်ရန် · ၀.၀၄၅ $

အောင်မြင်မှသာ ကောက်ခံပြီး မအောင်မြင်ပါက အလိုအလျောက် ပြန်အမ်းပေးသည်။

image_size မူလ landscape_4_3

num_outputs မူလ 1

ထွက်ရလဒ်၏ မီဂါပစ်ဇယ်တစ်ခုချင်းစီအလိုက် ငွေကောက်ခံသည် (ပုံတိုင်း၏ အကျယ် × အမြင့်)။

စျေးနှုန်းတွက်ချက်ရန် Endpoint: POST /quote/{id}

တောင်းဆိုမှုတစ်ခု တည်ဆောက်ရန်

ထိန်းချုပ်မှုများကို မော်ဒယ် schema မှ အလိုအလျောက်ဖန်တီးသည်။ ၎င်းတို့ကို ပြောင်းလဲသည်နှင့် code နှင့် စျေးနှုန်းတို့လည်း ပြောင်းလဲမည်။

prompt •လိုအပ်သည်

ပုံဖန်တီးမှုကို လမ်းညွှန်ပေးသည့် ပရောမ့်။

image_size မူလ landscape_4_3

ဖန်တီးထားသောပုံ၏ အရွယ်အစား။

num_outputs num_images မူလ 1

ဖန်တီးမည့် ပုံအရေအတွက်ကို သတ်မှတ်ပါ။ ထွက်ရလဒ်ကို stream လုပ်သောအခါ ဤရွေးချယ်မှုကို 1 အဖြစ် သတ်မှတ်ထားသည်။

အဆင့်မြင့် output_format · acceleration · num_inference_steps · guidance_scale · seed · enable_safety_checker · loras

output_format မူလ jpeg

ရလဒ်ပုံအတွက် ဖိုင်ဖော်မတ်။

acceleration မူလ none

ပုံဖန်တီးမှု အရှိန်မြှင့်ဆက်တင်။ အမြန်နှုန်းနှင့် အရည်အသွေး ဟန်ချက်ညီရန် 'regular' ကို ရွေးပါ။

num_inference_steps မူလ 28

လုပ်ဆောင်ရန် inference အဆင့်အရေအတွက်။

guidance_scale မူလ 3.5

ပုံရွေးချယ်မှုအတွက် ပရောမ့်လိုက်နာမှုအားကို CFG (Classifier Free Guidance) အဖြစ် ဖော်ပြထားသည်။

seed

ထပ်တူပြန်လည်ဖန်တီးနိုင်သော ပုံများအတွက် seed: မော်ဒယ်ဗားရှင်း မပြောင်းလဲပါက တူညီသော ပရောမ့်နှင့် seed သည် တူညီသောပုံကို ဖန်တီးပေးသည်။

loras မူလ []

ပေါင်းစပ်အကျိုးသက်ရောက်မှုဖြင့် ဖန်တီးထားသော ပုံကို ထုတ်ပေးသည့် LoRA များ။ ပေးနိုင်သည့်အရေအတွက် ကန့်သတ်မထားပါ။

POST /run/rundiffusion/juggernaut-flux-lora?wait=20 ကုန်ကျစရိတ် → ၀.၀၄၅ $

# 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/rundiffusion/juggernaut-flux-lora?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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

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/rundiffusion/juggernaut-flux-lora?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 + ")");

import os
import requests

API = "https://api.doitong.ru/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/rundiffusion/juggernaut-flux-lora", 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": "rundiffusion/juggernaut-flux-lora",
      "input": {
        "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
      },
      "wait_seconds": 20
    }
  }
}

ဤတောင်းဆိုချက်ကို လုပ်ဆောင်ရန်

API ကီး

သင့် key သည် ဤဘရောက်ဇာထဲတွင်သာ ရှိမည်ဖြစ်ပြီး Doitong API သို့သာ ပို့မည်။ Remember ကို အမှန်ခြစ်ထားမှသာ (localStorage) တွင် သိမ်းမည်။ ဤဘရောက်ဇာတွင် မှတ်ထားရန် API ကီး ရယူရန်

Juggernaut Flux Base LoRA အကြောင်း

ဖန်တီးမှုအတွင်း ပေါင်းစပ်ပေးမည့် `loras` စာရင်းကို လက်ခံသည့် text-to-image မော်ဒယ်။ ရွေးချယ်စရာများတွင် `image_size` မူလသတ်မှတ်ချက် ၆ ခု၊ `num_inference_steps` 1 မှ 50၊ `guidance_scale` 0 မှ 35 နှင့် တောင်းဆိုချက်တစ်ခုလျှင် ပုံ 1 မှ 4 ပုံ ပါဝင်သည်။ ထွက်ရလဒ်မှာ jpeg သို့မဟုတ် png ဖြစ်ပြီး `acceleration` သည် none သို့မဟုတ် regular ဖြစ်နိုင်သည်။

ပါရာမီတာများ

စံအမည် သို့မဟုတ် မူရင်းအမည် တစ်ခုခုကိုသာ ပို့ပါ၊ နှစ်ခုလုံး မပို့ပါနှင့်။ စံအမည်များ

အမည်အမျိုးအစား မူလတန်ဖိုးခွင့်ပြုထားသည် ဖော်ပြချက်

promptလိုအပ်သည်

အမျိုးအစားstring

ပုံဖန်တီးမှုကို လမ်းညွှန်ပေးသည့် ပရောမ့်။

image_sizeရွေးချယ်နိုင်သည်

အမျိုးအစားobject

မူလတန်ဖိုးlandscape_4_3

square_hdsquareportrait_4_3portrait_16_9landscape_4_3landscape_16_9

ဖန်တီးထားသောပုံ၏ အရွယ်အစား။

num_inference_stepsရွေးချယ်နိုင်သည်

အမျိုးအစားinteger

မူလတန်ဖိုး28

၁ – ၅၀

လုပ်ဆောင်ရန် inference အဆင့်အရေအတွက်။

seedရွေးချယ်နိုင်သည်

အမျိုးအစားinteger | null

lorasရွေးချယ်နိုင်သည်

အမျိုးအစားobject[]

မူလတန်ဖိုး[]

loras[].pathလိုအပ်သည်

အမျိုးအစားstring

URL သို့မဟုတ် path အဖြစ် သတ်မှတ်ထားသော LoRA weights တည်နေရာ။

loras[].scaleရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး1

၀ – ၄

အခြေခံမော်ဒယ်သို့ မပေါင်းစပ်မီ LoRA weight တွင် အသုံးပြုသော multiplier။

guidance_scaleရွေးချယ်နိုင်သည်

အမျိုးအစားnumber

မူလတန်ဖိုး3.5

၀ – ၃၅

num_imagesရွေးချယ်နိုင်သည် num_outputs

အမျိုးအစားinteger

မူလတန်ဖိုး1

၁ – ၄

enable_safety_checkerရွေးချယ်နိုင်သည်

အမျိုးအစားboolean

မူလတန်ဖိုးtrue

လုံခြုံရေးစစ်ဆေးမှုသည် မလုံခြုံဟု သတ်မှတ်ခံရသော ပုံများအစား အနက်ရောင်ပုံများကို ပြန်ပေးသည်။ true သည် စစ်ဆေးမှုကို ဖွင့်ပေးပြီး false သည် ခွင့်ပြုထားသောအကောင့်များအတွက်သာ ပိတ်ပေးသည်။ ခွင့်ပြုချက်မရှိသော တောင်းဆိုချက်များကို မည်သို့ပင်ဖြစ်စေ စစ်ဆေးသည်။

output_formatရွေးချယ်နိုင်သည်

အမျိုးအစားenum

မူလတန်ဖိုးjpeg

jpegpng

ရလဒ်ပုံအတွက် ဖိုင်ဖော်မတ်။

accelerationရွေးချယ်နိုင်သည်

အမျိုးအစားenum

မူလတန်ဖိုးnone

noneregular

လိုအပ်သည် စံအမည်၊ ထို့အပြင် လက်ခံသည်

ထွက်ရလဒ်

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t

{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "rundiffusion/juggernaut-flux-lora",
  "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": 45,
    "usd": "0.045",
    "charged": 45,
    "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.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}

သင့်ဖိုင်များ၊ သင့်ရွေးချယ်မှုoutputs[].url တိုင်းသည် ကျွန်ုပ်တို့၏ သိုလှောင်မှုရှိ မိတ္တူဖြစ်သည်- အမြဲတမ်း (GB-month အလိုက် ငွေပေးရသည်) သို့မဟုတ် ၇ ရက် အခမဲ့၊ သင့်အကောင့်ဆက်တင် သို့မဟုတ် ?storage= ဖြင့် သိမ်းထားသည်။

မော်ဒယ်တိုင်းတွင် ပုံစံတူပုံ၊ ဗီဒီယိုနှင့် အသံတို့အတွက် type၊ url၊ content_type၊ width၊ height နှင့် duration။ output သည် မော်ဒယ်ကိုယ်တိုင်၏ ရလဒ် object ဖြစ်သည်။

ထွက်ရလဒ်၏ Fields များ

images: array of object {url, width, height, content_type}ဖန်တီးထားသော ပုံများ၏ ဖိုင်အချက်အလက်။
timings: object
seed: integerပုံဖန်တီးမှုအတွက် seed၊ ထည့်သွင်းချက်တွင် seed မပါပါက ကျပန်းရွေးချယ်ထားသောတန်ဖိုးကို ပါဝင်စေပြီး၊ ပါရှိပါက ပေးထားသောတန်ဖိုးကို ထပ်မံအသုံးပြုသည်။
has_nsfw_concepts: array of booleanဖန်တီးထားသောပုံများတွင် NSFW အယူအဆများ ပါဝင်ခြင်း ရှိ၊ မရှိ ဖော်ပြသည်။
prompt: stringပုံဖန်တီးစဉ် အသုံးပြုမည့် ပရောမ့်။

နောက်ထပ် မော်ဒယ်များ: စာသားမှ ပုံ

AI အေးဂျင့်များအတွက်- ဤစာမျက်နှာ၏ Markdown ကို ဤနေရာတွင် ရရှိနိုင်သည် https://doitong.com/my/developers/models/rundiffusion/juggernaut-flux-lora.md. မော်ဒယ်များနှင့် လမ်းညွှန်များအားလုံး: https://doitong.com/developers/llms.txt

သင့်ပထမဆုံးရလဒ် ဤနေရာတွင် ပေါ်လာမည်

တောင်းဆိုမှုတစ်ခု တည်ဆောက်ရန်

ဤတောင်းဆိုချက်ကို လုပ်ဆောင်ရန်

Juggernaut Flux Base LoRA အကြောင်း

ပါရာမီတာများ

ထွက်ရလဒ်

အခြား RunDiffusion မူကွဲများ

Rundiffusion Photo Flux မူကွဲများ: 2

နောက်ထပ် မော်ဒယ်များ: စာသားမှ ပုံ

FLUX.1 [dev] မူကွဲများ: 5

FLUX.1 [schnell] မူကွဲများ: 5

FLUX.2 [dev] မူကွဲများ: 11

FLUX.2 [pro] မူကွဲများ: 11