# SDXL ControlNet Union · Image to Image API

> Poz, derinlik, kenar, normal veya segmentasyon kontrol görüntülerinden çoklu ControlNet yönlendirmeli SDXL görüntüden görüntüye modeli

Bir başlangıç görselini, istem ve openpose, derinlik haritası, teed, canny, normal ve segmentasyon için isteğe bağlı kontrol görselleriyle yönlendirilen bir SDXL tabanı kullanarak dönüştürür. Her kontrol girdisinin kendi ön işleme anahtarı vardır. `strength` 0.05 ile 1, `num_inference_steps` 1 ile 70 arasındadır ve çağrı başına en fazla 8 görsel döndürülebilir. LoRA'lar ve gömmeler sağlanabilir; çıktı jpeg veya png olur.

- 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/tr/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 |  |  | Oluşturulmasını istediğiniz görseli mümkün olduğunca ayrıntılı açıklayın; böylece en iyi sonuçları elde edebilirsiniz. |
| `controlnet_conditioning_scale` |  | number | no | `0.5` | 0 – 1 | ControlNet tarafından uygulanan koşullandırmanın gücü. |
| `image_url` | `image` | string (image URL) | yes |  |  | URL ile sağlanan üretim başlangıç görseli. |
| `negative_prompt` |  | string | no | `` |  | İstenmeyen görsel ayrıntılarını belirten negatif istem. Bıyık, bulanıklık veya düşük çözünürlük gibi renkleri, nesneleri, manzaraları ya da daha ince özellik ve nitelikleri dışlayabilir. |
| `image_size` |  | object {height, width} \| enum (string) \| null | no |  | `square_hd`, `square`, `portrait_4_3`, `portrait_16_9`, `landscape_4_3`, `landscape_16_9` | Boyut sağlanmadığında denetim görselinden otomatik olarak belirlenen çıktı boyutları. |
| `num_inference_steps` |  | integer | no | `35` | 1 – 70 | Çalıştırılacak çıkarım adımlarının sayısı. |
| `guidance_scale` |  | number | no | `7.5` | 0 – 20 | Görsel seçimi için isteme uyum gücü; CFG (Classifier Free Guidance) olarak ifade edilir. |
| `strength` |  | number | no | `0.95` | 0.05 – 1 | Üretilen görsel ile başlangıç görseli arasındaki benzerlik derecesi. |
| `seed` |  | integer \| null | no |  |  | Stable Diffusion'da görselleri yeniden üretmek için tohum. Model sürümü, istem ve tohum değiştirilmediğinde bir görsel her çalıştırmada tam olarak yeniden üretilebilir. |
| `num_images` | `num_outputs` | integer | no | `1` | 1 – 8 | Üretim için istenen görsel sayısı. |
| `loras` |  | array of object {force, path, scale} | no | `[]` |  | Kullanım için seçilen LoRA ağırlıkları; liste olarak sağlanır. |
| `loras[].force` |  | boolean | no | `false` |  | Embedding kullanımının zorunlu olup olmadığı: true, kullanımı zorunlu kılar. |
| `loras[].path` |  | string | yes |  |  | LoRA ağırlık kaynağı; safetensors ağırlıklarına çözümlenen bir HF model tanımlayıcısı veya URL ya da yol üzerinden konumu belirtilen bir safetensors dosyası olarak sağlanır. |
| `loras[].scale` |  | number | no | `1` | 0 – 1 | LoRA ağırlığı temel modele birleştirilmeden önce uygulanan çarpan. |
| `embeddings` |  | array of object {path, tokens} | no | `[]` |  | Kullanım için seçilen embedding'ler; liste olarak sağlanır. |
| `embeddings[].path` |  | string | yes |  |  | URL veya dosya yoluyla belirtilen embedding ağırlıkları. |
| `embeddings[].tokens` |  | array of string \| null | no |  |  | Embedding token listesi; belirtilmediğinde otomatik adlandırma kullanılabilir: embedding dosyasındaki her vektöre <s0>, <s1>, ... dizisinden bir token atanır. |
| `enable_safety_checker` |  | boolean | no | `true` |  | Güvenlik denetleyicisi etkinleştirme; true denetimi etkinleştirir. |
| `safety_checker_version` |  | enum (string) | no | `v1` | `v1`, `v2` | Özel bir ViT güvenlik denetleyicisi (`v2`) ile CompVis denetleyicisi (`v1`, varsayılan) arasında seçim yapın. |
| `expand_prompt` |  | boolean | no | `false` |  | Ek istemlerle istem genişletme; true olduğunda etkinleştirilir. |
| `format` |  | enum (string) | no | `jpeg` | `jpeg`, `png` | Ortaya çıkan görselin dosya biçimi. |
| `request_id` |  | string | no | `` |  | Yanıtı onu oluşturan istekle ilişkilendirmek için istek tanımlayıcısı. |
| `preserve_aspect_ratio` |  | boolean | no | `false` |  | Boyut sınırı aşılmış olsa bile üretilen görselin en-boy oranını korumak için true olarak ayarlayın. Üretimden sonra kırpma yoluyla doğru oranları elde etmek için crop_output değerini True olarak ayarlayın. 32'ye bölünemeyen genişlik veya yükseklik değerleri yine de en yakın 32 katına yuvarlanır ve bu yeniden boyutlandırma varsayılan olarak en-boy oranını korumaz. |
| `crop_output` |  | boolean | no | `false` |  | true olduğunda üretilen çıktıyı doğru en-boy oranına kırpar. |
| `openpose_image_url` |  | string (image URL) \| null | no |  |  | Denetim görseline işaret eden URL. |
| `openpose_preprocess` |  | boolean | no | `true` |  | Openpose görselinin ön işlemesini denetler. |
| `depth_image_url` |  | string (image URL) \| null | no |  |  | Denetim görseline işaret eden URL. |
| `depth_preprocess` |  | boolean | no | `true` |  | Derinlik görselinin ön işlemesini denetler. |
| `teed_image_url` |  | string (image URL) \| null | no |  |  | Denetim görseline işaret eden URL. |
| `teed_preprocess` |  | boolean | no | `true` |  | Teed görselinin ön işlemesini denetler. |
| `canny_image_url` |  | string (image URL) \| null | no |  |  | Denetim görseline işaret eden URL. |
| `canny_preprocess` |  | boolean | no | `true` |  | Canny görselinin ön işlemesini denetler. |
| `normal_image_url` |  | string (image URL) \| null | no |  |  | Denetim görseline işaret eden URL. |
| `normal_preprocess` |  | boolean | no | `true` |  | Normal görselinin ön işlemesini denetler. |
| `segmentation_image_url` |  | string (image URL) \| null | no |  |  | Denetim görseline işaret eden URL. |
| `segmentation_preprocess` |  | boolean | no | `true` |  | Segmentasyon görselinin ön işlemesini denetler. |

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} | Üretilen görsellerin dosya bilgileri. |
| `timings` | object |  |
| `seed` | integer | Görsel üretimi seed'i; girdi seed sağlamadıysa rastgele seçilen değeri içerir, aksi durumda sağlanan değeri tekrarlar. |
| `has_nsfw_concepts` | array of boolean | Üretilen görsellerde NSFW kavramlarının bulunup bulunmadığını belirtir. |
| `prompt` | string | Görsel üretimi sırasında kullanılan istem. |

## 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