版本更新
日期
说明
2024.11.15
支持F.1风格迁移：参考《F.1风格迁移参数示例》
2024.12.5

原【简易模式-旗舰模型F.1】更名为【星流Star 3-Alpha】
原【进阶模式】更名为【LiblibAI自定义模型】
原【简易模式-经典模型XL】不再维护，不再支持新接入
开放LiblibAI全网可商用模型和私有模型调用，查询和调用模型接口详见文档3.1.1
2024.12.18
查询生图结果的返回字段，新增pointsCost（当次任务消耗积分）和accountBalance（账户剩余积分数）
2025.1.2
2.5 增加Comfyui接入星流API
产品简介
API产品主页：https://www.liblib.art/apis
欢迎使用LiblibAI x 星流图像大模型API来进行创作！无论你是进行个人项目还是为其他终端用户提供的服务，我们的API都能满足你的需求。
全新图像模型API，提供极致的图像质量，在输出速度、生图成本和图像卓越性之间实现平衡。
我们提供了2款API产品：
星流Star-3 Alpha：适合对AI生图参数不太了解或不想复杂控制的用户。搭载LoRA推荐算法，对自然语言的精准响应，提供极致的图像质量，能够生成具有照片级真实感的视觉效果。生图效果可至星流官网https://xingliu.art/体验。
LiblibAI自定义模型：适合高度自由、精准控制和特定风格的场景，基于F.1/XL/v3/v1.5等基础算法，支持自定义调用LiblibAI内全量可商用模型和私有模型。最新开源模型和插件第一时间更新。模型挑选和商用查询可至https://www.liblib.art/
API试用计划：登录后可领取500试用积分，限时7天免费测试体验。
如何选择适合您的API产品——
[图片]

开始使用
在这一部分，我们将展示如何开通API的权益，以及如何创建你的API密钥。
1.1 访问地址
Liblib开放平台域名：https://openapi.liblibai.cloud（无法直接打开，需配合密钥访问）
1.2 计费规则
非固定消耗，每次生图任务消耗的积分与以下参数有关：

选用模型
采样步数（steps）
采样方法（sampler，SDE系列会产生额外消耗）
生成图片宽度
生成图片高度
生成图片张数
重绘幅度（denoisingStrength）
高分辨率修复的重绘步数和重绘幅度
Controlnet数量
1.3 并发数和QPS
生图任务并发数默认5（同时可进行的生图任务数）
发起生图任务接口QPS限制1秒1次
查询生图结果接口QPS无限制
1.4 生成API密钥
在登录Liblib领取API试用计划或购买API积分后，Liblib会生成开放平台访问密钥，用于后续API接口访问，密钥包括：
AccessKey，API访问凭证，唯一识别访问用户，长度通常在20-30位左右，如：KIQMFXjHaobx7wqo9XvYKA
SecretKey，API访问密钥，用于加密请求参数，避免请求参数被篡改，长度通常在30位以上，如：KppKsn7ezZxhi6lIDjbo7YyVYzanSu2d
1.4.1 使用密钥
申请API密钥之后，需要在每次请求API接口的查询字符串中固定传递以下参数：
参数
类型
是否必需
说明
AccessKey
String
是
开通开放平台授权的访问AccessKey
Signature
String
是
加密请求参数生成的签名，签名公式见下节“生成签名”
Timestamp
String
是
生成签名时的毫秒时间戳，整数字符串，有效期5分钟
SignatureNonce
String
是
生成签名时的随机字符串
如请求地址：https://test.xxx.com/api/genImg?AccessKey=KIQMFXjHaobx7wqo9XvYKA&Signature=test1232132&Timestamp=1725458584000&SignatureNonce=random1232
1.4.2 生成签名
签名生成公式如下：

1. 用"&"拼接参数

URI地址：以上方请求地址为例，为“/api/genImg”

毫秒时间戳：即上节“使用密钥”中要传递的“Timestamp”

随机字符串：即上节“使用密钥”中要传递的“SignatureNonce”

原文 = URI地址 + "&" + 毫秒时间戳 + "&" + 随机字符串

2. 用SecretKey加密原文，使用hmacsha1算法

密文 = hmacSha1(原文, SecretKey)

3. 生成url安全的base64签名

注：base64编码时不要补全位数

签名 = encodeBase64URLSafeString(密文)
Java生成签名示例，以访问上方“使用密钥”的请求地址为例：
import java.security.InvalidKeyException;
import java.security.NoSuchAlgorithmException;

import javax.crypto.Mac;
import javax.crypto.spec.SecretKeySpec;

import org.apache.commons.codec.binary.Base64;
import org.apache.commons.lang3.RandomStringUtils;

public class SignUtil {

/**
 * 生成请求签名
 * 其中相关变量均为示例，请替换为您的实际数据
 */
public static String makeSign() {

    // API访问密钥
    String secretKey = "KppKsn7ezZxhi6lIDjbo7YyVYzanSu2d";
    
    // 请求API接口的uri地址
    String uri = "/api/generate/webui/text2img";
    // 当前毫秒时间戳
    Long timestamp = System.currentTimeMillis();
    // 随机字符串
    String signatureNonce = RandomStringUtils.randomAlphanumeric(10);
    // 拼接请求数据
    String content = uri + "&" + timestamp + "&" + signatureNonce;

    try {
        // 生成签名
        SecretKeySpec secret = new SecretKeySpec(secretKey.getBytes(), "HmacSHA1");
        Mac mac = Mac.getInstance("HmacSHA1");
        mac.init(secret);
        return Base64.encodeBase64URLSafeString(mac.doFinal(content.getBytes()));
    } catch (NoSuchAlgorithmException e) {
        throw new RuntimeException("no such algorithm");
    } catch (InvalidKeyException e) {
        throw new RuntimeException(e);
    }
}

}
Python生成签名示例，以访问上方“使用密钥”的请求地址为例：
import hmac
from hashlib import sha1
import base64
import time
import uuid

def make_sign():
"""
生成签名
"""

# API访问密钥
secret_key = 'KppKsn7ezZxhi6lIDjbo7YyVYzanSu2d'

# 请求API接口的uri地址
uri = "/api/genImg"
# 当前毫秒时间戳
timestamp = str(int(time.time() * 1000))
# 随机字符串
signature_nonce= str(uuid.uuid4())
# 拼接请求数据
content = '&'.join((uri, timestamp, signature_nonce))

# 生成签名
digest = hmac.new(secret_key.encode(), content.encode(), sha1).digest()
# 移除为了补全base64位数而填充的尾部等号
sign = base64.urlsafe_b64encode(digest).rstrip(b'=').decode()
return sign

NodeJs 生成签名示例，以访问上方“使用密钥”的请求地址为例：
const hmacsha1 = require("hmacsha1");
const randomString = require("string-random");
// 生成签名
const urlSignature = (url) => {
if (!url) return;
const timestamp = Date.now(); // 当前时间戳
const signatureNonce = randomString(16); // 随机字符串，你可以任意设置，这个没有要求
// 原文 = URl地址 + "&" + 毫秒时间戳 + "&" + 随机字符串
const str = ${url}&${timestamp}&${signatureNonce};
const secretKey = "官网上的 SecretKey "; // 下单后在官网中，找到自己的 SecretKey'
const hash = hmacsha1(secretKey, str);
// 最后一步： encodeBase64URLSafeString(密文)
// 这一步很重要，生成安全字符串。java、Python 以外的语言，可以参考这个 JS 的处理
let signature = hash
.replace(/+/g, "-")
.replace(///g, "_")
.replace(/=+$/, "");
return {
signature,
timestamp,
signatureNonce,
};
};
// 例子：原本查询生图进度接口是 https://openapi.liblibai.cloud/api/generate/webui/status
// 加密后，url 就变更为 https://openapi.liblibai.cloud/api/generate/webui/status?AccessKey={YOUR_ACCESS_KEY}&Signature={签名}&Timestamp={时间戳}&SignatureNonce={随机字符串}
const getUrl = () => {
const url = "/api/generate/webui/status";
const { signature, timestamp, signatureNonce } = urlSignature(url);
const accessKey = "替换自己的 AccessKey"; // '下单后在官网中，找到自己的 AccessKey'
return ${url}?AccessKey=${accessKey}&Signature=${signature}&Timestamp=${timestamp}&SignatureNonce=${signatureNonce};
};

星流Star-3 Alpha
2.1 星流Star-3 Alpha生图
2.1.1 星流Star-3 Alpha文生图

接口：POST /api/generate/webui/text2img/ultra
headers：
header
value
备注
Content-Type
application/json
请求body：
参数
类型
是否必需
说明
备注
templateUuid
string
是
星流Star-3 Alpha文生图：5d7e67009b344550bc1aa6ccbfa1d7f4

generateParams
object
是
生图参数，json结构
参数中的图片字段需提供可访问的完整图片地址

返回值：
参数
类型
备注
generateUuid
string
生图任务uuid，使用该uuid查询生图进度
参数说明
变量名
格式
备注
数值范围
必填
示例
prompt

string
正向提示词，文本

不超过2000字符
纯英文文本
是
https://liblibai.feishu.cn/sync/AjdCdCiVHsxk2IblvGzcINM1nde

aspectRatio
string
图片宽高比预设
，与imageSize二选一配置即可

square：

宽高比：1:1，通用
具体尺寸：1024*1024

portrait：
宽高比：3:4，适合人物肖像
具体尺寸：768*1024
landscape：
宽高比：16:9，适合影视画幅
具体尺寸：1280*720
二选一配置

imageSize
Object
图片具体宽高，与aspectRatio二选一配置即可

width：int，512~2048
height：int，512~2048

imgCount
int
单次生图张数
1 ~ 4
是

controlnet
Object
构图控制

controlType：
line：线稿轮廓
depth：空间关系
pose：人物姿态
IPAdapter：风格迁移
controlImage：参考图可公网访问的完整URL
否

2.1.2 星流Star-3 Alpha图生图

接口：POST /api/generate/webui/img2img/ultra
headers：

header
value
备注
Content-Type
application/json

请求body：
参数
类型
是否必需
说明
备注
templateUUID
string
是
星流Star-3 Alpha图生图：07e00af4fc464c7ab55ff906f8acf1b7

generateParams
object
是
生图参数，json结构
参数中的图片字段需提供可访问的完整图片地址

返回值：
参数
类型
备注
generateUuid
string
生图任务uuid，使用该uuid查询生图进度
参数说明
变量名
格式
备注
数值范围
必填
示例
prompt

string
正向提示词，文本

不超过2000字符
纯英文文本
是

https://liblibai.feishu.cn/sync/TF7jdgTOOsQCP4bxO2bcib7znsg
sourceImage
string
参考图URL
参考图可公网访问的完整URL
是

imgCount
int
单次生图张数
1 ~ 4
是

controlnet
Object
构图控制

controlType：
line：线稿轮廓
depth：空间关系
pose：人物姿态
IPAdapter：风格迁移
controlImage：参考图可公网访问的完整URL
否

2.3 查询生图结果

接口：POST /api/generate/webui/status
headers：
header
value
备注
Content-Type
application/json
请求body：
参数
类型
是否必需
备注
generateUuid
string
是
生图任务uuid，发起生图任务时返回该字段
返回值：
参数
类型
备注
generateUuid
string
生图任务uuid，使用该uuid查询生图进度
generateStatus
int
生图状态见下方3.3.1节
percentCompleted
float
生图进度，0到1之间的浮点数，（暂未实现）
generateMsg
string
生图信息，提供附加信息，如生图失败信息
pointsCost
int
本次生图任务消耗积分数
accountBalance
int
账户剩余积分数
images
[]object
图片列表，只提供审核通过的图片
images.0.imageUrl
string
图片地址，可直接访问，地址有时效性：7天
images.0.seed
int
随机种子值
iamges.0.auditStatus
int
审核状态见下方2.5.2节
示例：
{
"code": 0,
"msg": "",
"data": {
"generateUuid": "8dcbfa2997444899b71357ccb7db378b",
"generateStatus": 1,
"percentCompleted": 0,
"generateMsg": "",
"pointsCost": 10,// 本次任务消耗积分数
"accountBalance": 1356402,// 账户剩余积分数
"images": [
{
"imageUrl": "",
"seed": 12345,
"auditStatus": 3
}
]
}
}
2.4 参数模版预设
还提供了一些封装后的参数预设，您可以只提供必要的生图参数，极大简化了配置成本，欢迎体验~
2.4.1 模版选择（templateUuid）
模板名称
模板UUID
备注
星流Star-3 Alpha文生图
5d7e67009b344550bc1aa6ccbfa1d7f4
Checkpoint默认为官方自研模型Star-3 Alpha
支持指定的几款Controlnet
星流Star-3 Alpha图生图
07e00af4fc464c7ab55ff906f8acf1b7
Checkpoint默认为官方自研模型Star-3 Alpha
支持指定的几款Controlnet
2.4.2 模版传参示例
以下提供了调用各类模版时的传参示例，方便您理解不同模版的使用方式。
注：如果要使用如下参数示例生图，请把其中的注释删掉后再使用。
星流Star-3 Alpha文生图 - 简易版本
https://liblibai.feishu.cn/sync/AjdCdCiVHsxk2IblvGzcINM1nde
星流Star-3 Alpha图生图 - 简易版本
https://liblibai.feishu.cn/sync/TF7jdgTOOsQCP4bxO2bcib7znsg
2.5 ComfyUI接入星流API
准备Comfyui环境，到https://github.com/comfyanonymous/ComfyUI下载免安装文件，解压，有显卡点击run_nvidia_gpu.bat启动Comfyui，没有显卡点击run_cpu.bat启动，启动后保留运行后台不关闭，在web进行配置操作。
下载星流节点文件https://github.com/lib-teamwork/ComfyUI-liblib，放到./ComfyUl/custom_nodes文件夹下。
重启Comfyui打开workflow文件夹，图片生成工作流文件
鉴权信息需要API密钥，appkey对Accesskey，appsecret对应Secretkey
[图片]
建议自己再安装一个comfyui manager维护各种新节点: https://github.com/ltdrdata/ComfyUI-Manager

LiblibAI自定义模型

可自由调用LiblibAI网站内F.1-dev/XL/v3/v1.5全量模型（暂不支持混元和PixArt），适合高度自由和精准控制的场景。
调用条件
- 同账号下的个人主页内所有模型，本地模型可先在LiblibAI官网右上角“发布”上传个人模型，可按需设置“仅个人可见”，即可仅被本账号在API调用，不会被公开查看或调用。
- LiblibAI官网内，模型详情页右侧，作者授权“可出售生成图片或用于商业目的”的所有模型。

3.1 接口文档
3.1.1 查询模型版本
在LiblibAI网站上挑选作者授权可商用的模型，个人私有模型中“仅个人可见”的模型也可被个人api账号调用，获取模型链接结尾的version_uuid，调接口进行查询。
3.1.1.1 查询模型版本参数示例

接口：POST /api/model/version/get
headers：
header
value
备注
Content-Type
application/json
请求body：
参数
类型
是否必需
说明
备注
versionUuid
string
是
要查询的模型版本uuid

目前Lib已开放全站的可商用模型供API使用，您可以在Lib站内检索可商用的Checkpoint和LoRA模型
[图片]
选择喜欢的模型版本，从浏览器网址中复制versionUuid
[图片]
粘贴到文生图或图生图的参数模板中使用；
若您忘记了在生图参数中应用的模型是哪一款，您可以调用本接口进行查询。
3.1.1.2 返回值示例
{
"version_uuid": "21df5d84cca74f7a885ba672b5a80d19",//LiblibAI官网模型链接后缀
"model_name": "AWPortrait XL"
"version_name": "1.1"
"baseAlgo": "基础算法 XL"，
"show_type": "1"，//公开可用的模型
"commercial_use": "1"，//可商用为1，不可商用为0
"model_url": "https://www.liblib.art/modelinfo/f8b990b20cb943e3aa0e96f34099d794?versionUuid=21df5d84cca74f7a885ba672b5a80d19"
}
}
3.1.1.3 异常情况：
未匹配到：提示“未找到与{version_uuid}对应的模型，请检查version_uuid是否正确，或所选模型是否为Checkpoint或LoRA”；
baseAlgo不在给定范围内的，提示“{version_uuid}不在API目前支持的baseAlgo范围内”。

3.1.2 提交文生图任务

接口：POST /api/generate/webui/text2img
headers：
header
value
备注
Content-Type
application/json
请求body：
参数
类型
是否必需
说明
备注
templateUuid
string
否
参数模板uuid

generateParams
object
是
生图参数，json结构
参数中的图片字段需提供可访问的完整图片地址

返回值：
参数
类型
备注
generateUuid
string
生图任务uuid，使用该uuid查询生图进度
3.1.2.1 文生图参数示例
注：如果要使用如下参数示例生图，请把其中的注释删掉后再使用。
{
"templateUuid": "e10adc3949ba59abbe56e057f20f883e",
"generateParams": {
"checkPointId": "0ea388c7eb854be3ba3c6f65aac6bfd3", // 底模 modelVersionUUID
"prompt": "Asian portrait,A young woman wearing a green baseball cap,covering one eye with her hand", // 选填
"negativePrompt": "ng_deepnegative_v1_75t,(badhandv4:1.2),EasyNegative,(worst quality:2),", //选填
"sampler": 15, // 采样方法
"steps": 20, // 采样步数
"cfgScale": 7, // 提示词引导系数
"width": 768, // 宽
"height": 1024, // 高
"imgCount": 1, // 图片数量
"randnSource": 0, // 随机种子生成器 0 cpu，1 Gpu
"seed": 2228967414, // 随机种子值，-1表示随机
"restoreFaces": 0, // 面部修复，0关闭，1开启
```
  // Lora添加，最多5个
  "additionalNetwork": [
      {
          "modelId": "31360f2f031b4ff6b589412a52713fcf", //LoRA的模型版本versionuuid
          "weight": 0.3 // LoRA权重
      },
      {
          "modelId": "365e700254dd40bbb90d5e78c152ec7f", //LoRA的模型版本uuid
          "weight": 0.6 // LoRA权重
      }
  ],

  // 高分辨率修复
  "hiResFixInfo": {
      "hiresSteps": 20, // 高分辨率修复的重绘步数
      "hiresDenoisingStrength": 0.75, // 高分辨率修复的重绘幅度
      "upscaler": 10, // 放大算法模型枚举
      "resizedWidth": 1024,  // 放大后的宽度
      "resizedHeight": 1536  // 放大后的高度
  }
```
}
}
3.1.2.2 返回值示例
{
"code": 0,
"msg": "",
"data": {
"generateUuid": "8dcbfa2997444899b71357ccb7db378b"
}
}
3.1.3 提交图生图任务
接口：POST /api/generate/webui/img2img
headers：
header
value
备注
Content-Type
application/json
请求body：
参数
类型
是否必需
说明
备注
templateUUID
string
否
参数模板uuid

generateParams
object
否
生图参数，json结构
参数中的图片字段需提供可访问的完整图片地址

返回值：
参数
类型
备注
generateUuid
string
生图任务uuid，使用该uuid查询生图进度
3.1.3.1 图生图参数示例
注：如果要使用如下参数示例生图，请把其中的注释删掉后再使用。
{
"templateUuid": "9c7d531dc75f476aa833b3d452b8f7ad", // 预设参数模板ID
"generateParams": {
// 基础参数
"checkPointId": "0ea388c7eb854be3ba3c6f65aac6bfd3", //底模
"prompt": "1 girl wear sunglasses", //正向提示词
"negativePrompt": //负向提示词
"clipSkip": 2, // Clip跳过层
"sampler": 15, //采样方法
"steps": 20, // 采样步数
"cfgScale": 7, // 提示词引导系数
"randnSource": 0, // 随机种子来源，0表示CPU，1表示GPU
"seed": -1, // 随机种子值，-1表示随机
"imgCount": 1, // 1到4
"restoreFaces": 0, // 面部修复，0关闭，1开启

  // 图像相关参数
  "sourceImage": "https://liblibai-online.liblib.cloud/img/081e9f07d9bd4c2ba090efde163518f9/7c1cc38e-522c-43fe-aca9-07d5420d743e.png",
  "resizeMode": 0, // 缩放模式， 0 拉伸，1 裁剪，2 填充 
  "resizedWidth": 1024, // 图像缩放后的宽度
  "resizedHeight": 1536, // 图像缩放后的高度
  "mode": 4, // 0图生图，4局部重绘
  "denoisingStrength": 0.75, // 重绘幅度
  
  // Lora添加，最多5个
  "additionalNetwork": [
      {
          "modelId": "31360f2f031b4ff6b589412a52713fcf", //LoRA的模型版本uuid
          "weight": 0.3 // LoRA权重
      },
      {
          "modelId": "365e700254dd40bbb90d5e78c152ec7f", //LoRA的模型版本uuid
          "weight": 0.6 // LoRA权重
      }
  ],
  
  // 局部重绘相关参数
  "inpaintParam": { 
      "maskImage": "https://liblibai-online.liblib.cloud/img/081e9f07d9bd4c2ba090efde163518f9/323fc358-618b-4c7d-b431-7d890209e5a5.png", // 蒙版地址
      "maskBlur": 4, // 蒙版模糊度
      "maskPadding": 32, //蒙版边缘预留像素，也称蒙版扩展量 
      "maskMode": 0, // 蒙版模式    
      "inpaintArea": 0, //重绘区域, 0重绘全图，1仅重绘蒙版区域
      "inpaintingFill": 1 //蒙版内容的填充模式
  },

  // controlNet，最多4组
  "controlNet": [
      {
          "unitOrder": 1, // 执行顺序
          "sourceImage": "https://liblibai-online.liblib.cloud/img/081e9f07d9bd4c2ba090efde163518f9/7c1cc38e-522c-43fe-aca9-07d5420d743e.png",
          "width": 1024, // 参考图宽度
          "height": 1536, // 参考图高度
          "preprocessor": 3, // 预处理器枚举值
          "annotationParameters": { // 预处理器参数， 不同预处理器不同，此处仅为示意
              "depthLeres": { // 3 预处理器 对应的参数
                  "preprocessorResolution": 1024,
                  "removeNear": 0,
                  "removeBackground": 0
              }
          },
          "model": "6349e9dae8814084bd9c1585d335c24c", // controlnet的模型
          "controlWeight": 1, // 控制权重
          "startingControlStep": 0, //开始控制步数
          "endingControlStep": 1, // 结束控制步数
          "pixelPerfect": 1, // 完美像素
          "controlMode": 0, // 控制模式 ，0 均衡，1 更注重提示词，2 更注重controlnet，
          "resizeMode": 1, // 缩放模式， 0 拉伸，1 裁剪，2 填充
          "maskImage": "" // 蒙版图
      }
  ]

}
}
3.1.3.2 返回值示例
{
"code": 0,
"msg": "",
"data": {
"generateUuid": "8dcbfa2997444899b71357ccb7db378b"
}
}

3.1.4 查询生图结果

接口：POST /api/generate/webui/status
headers：
header
value
备注
Content-Type
application/json
请求body：
参数
类型
是否必需
备注
generateUuid
string
是
生图任务uuid，发起生图任务时返回该字段
返回值：
参数
类型
备注
generateUuid
string
生图任务uuid，使用该uuid查询生图进度
generateStatus
int
生图状态见下方3.3.1节
percentCompleted
float
生图进度，0到1之间的浮点数，(暂未实现生图进度)
generateMsg
string
生图信息，提供附加信息，如生图失败信息
pointsCost
int
本次生图任务消耗积分数
accountBalance
int
账户剩余积分数
images
[]object
图片列表，只提供审核通过的图片
images.0.imageUrl
string
图片地址，可直接访问，地址有时效性：7天
images.0.seed
int
随机种子值
images.0.auditStatus
int
审核状态见下方2.5.2节
示例：
{
"code": 0,
"msg": "",
"data": {
"generateUuid": "8dcbfa2997444899b71357ccb7db378b",
"generateStatus": 1,
"percentCompleted": 0,
"generateMsg": "",
"pointsCost": 10,// 本次任务消耗积分数
"accountBalance": 1356402,// 账户剩余积分数
"images": [
{
"imageUrl": "",
"seed": 12345,
"auditStatus": 3
}
]
}
}
3.2 参数说明
3.2.1 文生图基础参数
变量名
格式
备注
数值范围
必填
示例
checkPointId

String
模型uuid

从全网可商用模型和自有模型中选择，详见文档3.1.1
是
{
"templateUuid": "e10adc3949ba59abbe56e057f20f883e", // 参数模板ID
"generateParams": {
// 基础参数
"checkPointId": "0ea388c7eb854be3ba3c6f65aac6bfd3", // 底模 modelVersionUUID
"vaeId": "",
"prompt": "Asian portrait,A young woman wearing a green baseball cap,covering one eye with her hand", // 选填
"negativePrompt": "ng_deepnegative_v1_75t,(badhandv4:1.2),EasyNegative,(worst quality:2),nsfw", //选填
"clipSkip": 2, // 1到12，正整数值
"sampler": 15, // 采样方法
"steps": 20, // 采样步数
"cfgScale": 7, // 提示词引导系数
"width": 768, // 宽
"height": 1024, // 高
"imgCount": 1, // 图片数量
"randnSource": 0, // 随机种子生成器 0 cpu，1 Gpu
"seed": -1, // 随机种子值，-1表示随机
"restoreFaces": 0, // 面部修复，0关闭，1开启

    // Lora添加，最多5个
    "additionalNetwork": [],

    // 高分辨率修复
    "hiResFixInfo": {},   
   
    // controlNet，最多4组
    "controlNet": []
}

}

additionalNetwork
list[object]

LoRA组合及权重设置
LoRA的基础算法类型需要与checkpoint一致
参考additionalNetwork的参数配置

否

vaeId
String
VAE的模型uuid

从提供的VAE列表中选择
可为空，空值表示取checkpoint的VAE
否

prompt

string
正向提示词，文本

不超过2000字符
纯英文文本
是

negativePrompt
string
负向提示词，文本

不超过2000字符
纯英文文本不超过2000字符
是

clipSkip
int
Clip跳过层
1 ~ 12。默认值2
是

sampler
int
采样器枚举值
从采样方法列表中选择
是

steps
int
采样步数
1 ~ 60
是

cfgScale
double
cfg_scale
1.0 ~ 15.0
是

width
int
初始宽度

范围：128 ~ 1536
基础算法1.5 建议区间：512~768
基础算法XL 建议区间：768~1344
基础算法F.1 建议区间：768~2048
是

height
int
初始高度

范围：128 ~ 1536
基础算法1.5 建议区间：512~768
基础算法XL 建议区间：768~1344
基础算法F.1 建议区间：768~2048
是

imgCount
int
单次生图张数
1 ~ 4
是

randnSource
int
随机种子生成来源
0: CPU，1: GPU。默认值0
是

seed
Long
随机种子

范围：-1 ~ 9999999999
-1表示随机
是

restoreFaces
int
面部修复
0：关闭，1：开启。默认值0
是

hiResFixInfo
Object
高分辨率修复
参考高分辨率修复的相关参数
否

controlNet

list[Object]
模型加载的ControlNet组合及各自参数
参考controlnet参数配置

否

3.2.2 additionalNetwork
变量名
格式
备注
数值范围
必填
示例
modelId
String
LoRA的模型uuid
从全网可商用模型和自有模型中选择，详见文档3.1.1
否
// Lora添加，最多5个
"additionalNetwork": [
{
"modelId": "31360f2f031b4ff6b589412a52713fcf", //LoRA的模型版本uuid
"weight": 0.3 // LoRA权重
},
{
"modelId": "365e700254dd40bbb90d5e78c152ec7f", //LoRA的模型版本uuid
"weight": 0.6 // LoRA权重
}
],
weight
double
LoRA权重
-4.00 ~ +4.00，默认0.8
否

3.2.3 高分辨率修复 hiResFixInfo
变量名
格式
备注
数值范围
必填
示例
hiresSteps
int
高清修复采样步数
1 ~ 30
否
// 高分辨率修复
"hiResFixInfo": {
"hiresSteps": 20, // 高分辨率修复的重绘步数
"hiresDenoisingStrength": 0.75, // 高分辨率修复的重绘幅度
"upscaler": 10, // 放大算法模型枚举
"resizedWidth": 1024, // 放大后的宽度
"resizedHeight": 1536 // 放大后的高度
},
hiresDenoisingStrength
double
高清修复去噪强度

0 ~ 1，精确到百分位

否

upscaler
int
放大算法枚举
从提供的放大算法模型枚举中选择
否

resizedWidth
int
缩放宽度
128 ~ 2048
否

resizedHeight
int
缩放高度
128 ~ 2048
否

3.2.4 图生图基础参数
变量名
格式
备注
数值范围
必填
示例
templateUuid
String
预设模版uuid
从提供的预设参数模版中选择
是
{
"templateUuid": "e10adc3949ba59abbe56e057f20f883e", // 预设参数模板ID
"generateParams": {
// 基础参数
"checkPointId": "0ea388c7eb854be3ba3c6f65aac6bfd3", //底模
"vaeId": "", // vae模型，可为空
"prompt": "1 girl wear glasses", //正向提示词
"negativePrompt": "ng_deepnegative_v1_75t,(badhandv4:1.2),EasyNegative,(worst quality:2),nsfw", //负向提示词
"clipSkip": 2, // Clip跳过层
"sampler": 15, //采样方法
"steps": 20, // 采样步数
"cfgScale": 7, // 提示词引导系数
"randnSource": 0, // 随机种子来源，0表示CPU，1表示GPU
"seed": -1, // 随机种子值，-1表示随机
"imgCount": 1, // 1到4
"restoreFaces": 0, // 面部修复，0关闭，1开启

    // 图像相关参数
    "sourceImage": "https://liblibai-online.liblib.cloud/img/081e9f07d9bd4c2ba090efde163518f9/7c1cc38e-522c-43fe-aca9-07d5420d743e.png",
    "resizeMode": 0, // 缩放模式， 0 拉伸，1 裁剪，2 填充 
    "resizedWidth": 1024, // 图像缩放后的宽度
    "resizedHeight": 1536, // 图像缩放后的高度
    "mode": 0, // 0图生图，4蒙版重绘
    "denoisingStrength": 0.75, // 重绘幅度
    
    // 蒙版重绘相关参数
    "inpaintParam": {},

    // Lora添加，最多5个
    "additionalNetwork": [],
    
    // Controlnet，最多4组
    "controlNet": []
}

}

checkPointId

String
模型uuid
从全网可商用模型和自有模型中选择，详见文档3.1.1

是

additionalNetwork
list[object]
LoRA模型的附加组合及各自参数
参考additionalNetwork的参数配置

否

vaeId
String
VAE的模型uuid
从提供的VAE列表中选择
否

prompt
string
正向提示词，文本

不超过2000字符
纯英文文本
是

negativePrompt
string
负向提示词，文本

不超过2000字符
纯英文文本
是

clipSkip
int
Clip跳过层
1 ~ 12
是

sampler
int
采样器枚举值
从采样方法列表中选择
是

steps
int
采样步数
1 ~ 60
是

cfgScale
double
cfg_scale
1.0 ~ 15.0
是

randnSource
int

类型

0: CPU
1: GPU
是

seed
int
随机种子

范围：-1 ~ 9999999999
-1表示随机
是

imgCount
int
单次生图张数
1 ~ 4
是

restoreFaces
int
面部修复
0：关闭，1：开启。默认值0
是

sourceImage

string
参考图地址
可公网访问的完整URL

是

resizeMode

int
缩放模式

0：just_resize
1：crop_and_resize
2：resize_and_fill
是

resizedWidth
int
调整后的图片宽度
128 ~ 2048
是

resizedHeight
int
调整后的图片高度
128 ~ 2048
是

mode

int
生图模式

0：img2img，图生图
4：inpaint upload mask，蒙版重绘
是

denoisingStrength

double
去噪强度（图生图重绘幅度）
0 ~ 1。默认值0.75
是

inpaintParam
Object
蒙版重绘相关参数
参考蒙版重绘相关参数配置
mode=4时必填

controlNet

list[Object]
模型加载的ControlNet组合及各自参数
参考controlnet参数配置

否

3.2.5 蒙版重绘相关参数
变量名
格式
备注
数值范围
必填
示例
maskImage

string
蒙版文件地址，只用文件名png

蒙版图URL
要求：白色蒙版，黑色底色
mode=4时必填

// 蒙版重绘相关参数
"inpaintParam": {
"maskImage": "", // 蒙版地址
"maskBlur": 4, // 蒙版模糊度
"maskPadding": 32, //蒙版边缘预留像素，也称蒙版扩展量
"maskMode": 0, // 蒙版模式
"inpaintArea": 0, //重绘区域, 0重绘全图，1仅重绘蒙版区域
"inpaintingFill": 1 //蒙版内容的填充模式
},

maskBlur
int
蒙版模糊度
0 ~ 64，默认为4

mode=4时必填

maskPadding

int
蒙版边缘预留像素，也称蒙版扩展量
0 ~ 256，默认32

mode=4时必填

maskMode

int
蒙版模式

0：Inpaint_masked，重绘蒙版区域
1：Inpaint_not_masked，重绘非蒙版区域
mode=4时必填

inpaintArea
int

重绘区域

0：whole_picture，重绘全图
1：only_masked，仅重绘蒙版区域
mode=4时必填

inpaintingFill

int

蒙版内容的填充模式

0：fill，填充
1：original，原图
2：latent_noise，潜空间噪声
3：latent_nothing，空白潜空间
mode=4时必填

3.2.6 Controlnet相关参数
① Controlnet基础参数
变量名
格式
备注
数值范围
必填
示例
unitOrder
int
Controlnet单元顺序
1 ~ 4
是
// controlNet，最多4组
"controlNet": [
{
"unitOrder": 1, // 执行顺序
"sourceImage": "",
"width": 1024, // 参考图宽度
"height": 1536, // 参考图高度
"preprocessor": 3, // 预处理器枚举值
"annotationParameters": { // 预处理器参数，不同预处理器不同，此处仅为示意
"depthLeres": { // 3 预处理器对应的参数
"preprocessorResolution": 1024,
"removeNear": 0,
"removeBackground": 0
}
},
"model": "6349e9dae8814084bd9c1585d335c24c", // controlnet的模型
"controlWeight": 1, // 控制权重
"startingControlStep": 0, //开始控制步数
"endingControlStep": 1, // 结束控制步数
"pixelPerfect": 1, // 完美像素
"controlMode": 0, // 控制模式，0 均衡，1 更注重提示词，2 更注重controlnet，
"resizeMode": 1, // 缩放模式， 0 拉伸，1 裁剪，2 填充
"maskImage": "" // 蒙版图
}
]

sourceImage
string
图片地址
可公网访问的完整url
是

width
int
参考图宽度
不超过4096
是

height
int
参考图高度
不超过4096
是

preprocessor
int
预处理器枚举值
从Controlnet预处理器列表中选择
是

annotationParameters

object

预处理参数
参考预处理器参数配置
是

model
string
Controlnet模型uuid
从提供的controlnet模型列表中选择
是

controlWeight
double
controlnet权重
0 ~ 2，默认值1
是

startingControlStep

double
controlnet生效起始step，输入的值实际是表示占采样步数的百分比
0 ~ 1，默认值0

是

endingControlStep
double
controlnet生效终止step，输入的值实际是表示占采样步数的百分比
0 ~ 1，默认值1
是

pixelPerfect
int
完美像素模式
0是关闭，1是开启。默认值1
是

controlMode
int
控制模式

0：balanced，均衡
1：prompt_important，更注重提示词
2：controlnet_important，更注重controlnet
是

resizeMode

int
缩放模式

0：just_resize，直接缩放
1：crop_and_resize，裁剪并缩放
2：resize_and_fill，缩放并填充
是

maskImage
string
mask图片地址

蒙版图url，务必与参考图尺寸一致
要求：白色蒙版，黑色底色
否

② ControlNet预处理器
适用方向
Controlnet 类型
预处理器
预处理器名称映射
预处理器枚举值
预处理结果示意
预处理器参数
示例
建议搭配的Controlnet model
线稿类
Canny（硬边缘）

Canny（硬边缘）

canny
1

[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
lowThreshold
变量名称：低阈值
数据格式：int
数值范围：1 ~ 255
默认值：100
highThreshold
变量名称：高阈值
数据格式：int
数值范围：1 ~ 255
默认值：200
"preprocessor":1,
"annotationParameters": {
"canny": {
"preprocessorResolution": 512,
"lowThreshold": 100,
"highThreshold": 200
}
}

基础算法 1.5：control_v11p_sd15_canny
基础算法 XL：xinsir_controlnet-canny-sdxl_V2
基础算法 F.1：InstantX-FLUX.1-dev-Controlnet-Union-Pro

SoftEdge（软边缘）
hed
hed
5
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":5,
"annotationParameters": {
"hed": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11p_sd15_softedge
基础算法 XL：mistoLine_rank256
基础算法 F.1：InstantX-FLUX.1-dev-Controlnet-Union-Pro

hed_safe
hedSafe
6
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":6,
"annotationParameters": {
"hedSafe": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11p_sd15_softedge
基础算法 XL：mistoLine_rank256
基础算法 F.1: InstantX-FLUX.1-dev-Controlnet-Union-Pro

pidinet
pidinet
17
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":17,
"annotationParameters": {
"pidinet": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11p_sd15_softedge
基础算法 XL：mistoLine_rank256
基础算法 F.1：InstantX-FLUX.1-dev-Controlnet-Union-Pro

pidinet_safe
pidinetSafe
18
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":18,
"annotationParameters": {
"pidinetSafe": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11p_sd15_softedge
基础算法 XL：mistoLine_rank256
基础算法 F.1：InstantX-FLUX.1-dev-Controlnet-Union-Pro

softedge_teed
softedgeTeed
58
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
safeSteps
变量名称：离散程度
数据格式：int
数值范围：0 ~ 64
默认值：2
"preprocessor":58,
"annotationParameters": {
"softedgeTeed": {
"preprocessorResolution": 512,
"safeSteps": 2
}
}

基础算法 1.5：control_v11p_sd15_softedge
基础算法 XL：controlnet-sd-xl-1.0-softedge-dexined
基础算法 F.1：F.1_mistoline_dev_v1

softedge_anyline

softedgeAnyline
65
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
safeSteps
变量名称：离散程度
数据格式：int
数值范围：0 ~ 64
默认值：2
"preprocessor":65,
"annotationParameters": {
"softedgeAnyline": {
"preprocessorResolution": 512,
"safeSteps": 2
}
}

基础算法 1.5：control_v11p_sd15_softedge
基础算法 XL：mistoLine_rank256, controlnet-sd-xl-1.0-softedge-dexined
基础算法 F.1：F.1_mistoline_dev_v1

MLSD（直线）
mlsd (M-LSD 直线线条检测)
mlsd

8
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
valueThreshold
变量名称：值阈值
数据格式：double
数值范围：0.01 ~ 2.00
默认值：0.1
distanceThreshold
变量名称：距离阈值
数据格式：double
数值范围：0.01 ~ 20.00
默认值：0.1
"preprocessor":8,
"annotationParameters": {
"mlsd": {
"preprocessorResolution": 512,
"valueThreshold": 0.1,
"distanceThreshold": 0.1
}
}

基础算法 1.5：control_v11p_sd15_mlsd
基础算法 XL：暂无模型
基础算法 F.1：暂无模型

Scribble/Sketch（涂鸦/草图）
scribble_pidinet(涂鸦- 手绘)
scribblePidinet

20
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":20,
"annotationParameters": {
"scribblePidinet": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11p_sd15_scribble
基础算法 XL：xinsir_anime_painter
基础算法 F.1：InstantX-FLUX.1-dev-Controlnet-Union-Pro

scribble_xdog (涂鸦- 强化边缘)

scribbleXdog
21
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
XDoGThreshold
变量名称：二值化阈值
数据格式：int
数值范围：1 ~ 64
默认值：32
"preprocessor":21,
"annotationParameters": {
"scribbleXdog": {
"preprocessorResolution": 512,
"XDoGThreshold": 32
}
}

基础算法 1.5：control_v11p_sd15_scribble
基础算法 XL：xinsir_anime_painter
基础算法 F.1：InstantX-FLUX.1-dev-Controlnet-Union-Pro

scribble_hed(涂鸦 -合成)

scribbleHed

22
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":22,
"annotationParameters": {
"scribbleHed": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11p_sd15_scribble
基础算法 XL：xinsir_anime_painter
基础算法 F.1：InstantX-FLUX.1-dev-Controlnet-Union-Pro

Lineart（线稿）

lineart_realistic (写实线稿提取)

lineartRealistic
29
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":29,
"annotationParameters": {
"lineartRealistic": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11p_sd15_lineart
基础算法 XL：xinsir_anime_painter
基础算法 F.1：InstantX-FLUX.1-dev-Controlnet-Union-Pro

lineart standard (标准线稿提取 -白底黑线反色)
lineartStandard
32
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":32,
"annotationParameters": {
"lineartStandard": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11p_sd15_lineart
基础算法 XL：xinsir_anime_painter
基础算法 F.1：InstantX-FLUX.1-dev-Controlnet-Union-Pro

lineart coarse (粗略线稿提取)
lineartCoarse
30
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":30,
"annotationParameters": {
"lineartCoarse": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11p_sd15_lineart
基础算法 XL：xinsir_anime_painter
基础算法 F.1：InstantX-FLUX.1-dev-Controlnet-Union-Pro

lineart_anime (动漫线稿提取)

lineartAnime
31
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":31,
"annotationParameters": {
"lineartAnime": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11p_sd15s2_lineart_anime
基础算法 XL：xinsir_anime_painter
基础算法 F.1：InstantX-FLUX.1-dev-Controlnet-Union-Pro

lineart_anime_denoise(动漫线稿提取-去噪)

lineartAnimeDenoise
36
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":36,
"annotationParameters": {
"lineartAnimeDenoise": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11p_sd15s2_lineart_anime
基础算法 XL：xinsir_anime_painter
基础算法 F.1：InstantX-FLUX.1-dev-Controlnet-Union-Pro
空间关系类

Depth（深度图）
depth_midas

depthMidas
2

[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":2,
"annotationParameters": {
"depthMidas": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11f1p_sd15_depth
基础算法 XL：xinsir_controlnet_depth_sdxl_1.0
基础算法 F.1：InstantX-FLUX.1-dev-Controlnet-Union-Pro

depth_leres (LeRes 深度图估算)

depthLeres
3
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
removeNear
变量名称：删除前景
数据格式：double
数值范围：0.0 ~ 100.0
默认值：0
removeBackground
变量名称：删除背景
数据格式：double
数值范围：0.0 ~ 100.0
默认值：0
"preprocessor":3,
"annotationParameters": {
"depthLeres": {
"preprocessorResolution": 512,
"removeNear": 0,
"removeBackground": 0
}
}

基础算法 1.5：control_v11f1p_sd15_depth
基础算法 XL：xinsir_controlnet_depth_sdxl_1.0
基础算法 F.1：InstantX-FLUX.1-dev-Controlnet-Union-Pro

depth_leres++

depthLeresPlus
4
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
removeNear
变量名称：删除前景
数据格式：double
数值范围：0.0 ~ 100.0
默认值：0
removeBackground
变量名称：删除背景
数据格式：double
数值范围：0.0 ~ 100.0
默认值：0
"preprocessor":4,
"annotationParameters": {
"depthLeresPlus": {
"preprocessorResolution": 512,
"removeNear": 0,
"removeBackground": 0
}
}

基础算法 1.5：control_v11f1p_sd15_depth
基础算法 XL：xinsir_controlnet_depth_sdxl_1.0
基础算法 F.1：InstantX-FLUX.1-dev-Controlnet-Union-Pro

depth_zoe (ZoE 深度图估算)
depthZoe
25
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":25,
"annotationParameters": {
"depthZoe": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11f1p_sd15_depth
基础算法 XL：xinsir_controlnet_depth_sdxl_1.0
基础算法 F.1：InstantX-FLUX.1-dev-Controlnet-Union-Pro

depth_hand_refiner

depthHandRefiner
57
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":57,
"annotationParameters": {
"depthHandRefiner": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_sd15_inpaint_depth_hand_fp16
基础算法 XL：xinsir_controlnet_depth_sdxl_1.0
基础算法 F.1：InstantX-FLUX.1-dev-Controlnet-Union-Pro

depth_anything
depthAnything
64

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":64,
"annotationParameters": {
"depthAnything": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11f1p_sd15_depth
基础算法 XL：xinsir_controlnet_depth_sdxl_1.0
基础算法 F.1：InstantX-FLUX.1-dev-Controlnet-Union-Pro

Segment（语义分割）
segmentation

segmentation
23
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":23,
"annotationParameters": {
"segmentation": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11p_sd15_seg
基础算法 XL：暂无模型
基础算法 F.1：暂无模型

oneformer_coco

oneformerCoco
27
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":27,
"annotationParameters": {
"oneformerCoco": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11p_sd15_seg
基础算法 XL：暂无模型
基础算法 F.1：暂无模型

oneformer_ade20k

oneformerAde20k
28
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":28,
"annotationParameters": {
"oneformerAde20k": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11p_sd15_seg
基础算法 XL：暂无模型
基础算法 F.1：暂无模型

anime_face_segment

animeFaceSegment
54
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":54,
"annotationParameters": {
"animeFaceSegment": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11p_sd15_seg
基础算法 XL：暂无模型
基础算法 F.1：暂无模型

Normal（正态）
normal_map
normalMap
9
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
backgroundThreshold
变量名称：背景阈值
数据格式：double
数值范围：0 ~ 1.0
默认值：0.4
"preprocessor":9,
"annotationParameters": {
"normalMap": {
"preprocessorResolution": 512,
"backgroundThreshold": 0.4
}
}

基础算法 1.5：control_v11p_sd15_normalbae
基础算法 XL：暂无模型
基础算法 F.1：Flux.1-dev-Controlnet-Surface-Normal

normal bae (Bae 法线贴图提取)
normalBae
26
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":26,
"annotationParameters": {
"normalBae": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11p_sd15_normalbae
基础算法 XL：暂无模型
基础算法 F.1：Flux.1-dev-Controlnet-Surface-Normal
姿态类

OpenPose（姿态）
mediapipe_face

mediapipeFace
7

[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
maxFaces
变量名称：最大数量
数据格式：int
数值范围：1 ~ 10
默认值：1
minConfidence
变量名称：最小置信度
数据格式：double
数值范围：0.01 ~ 1
默认值：0.5
"preprocessor":7,
"annotationParameters": {
"mediapipeFace": {
"preprocessorResolution": 512,
"maxFaces": 1,
"minConfidence": 0.5
}
}

基础算法 1.5：control_v2p_sd15_mediapipe_face
基础算法 XL：暂无模型
基础算法 F.1：F.1-ControlNet-Pose-V1

openpose (OpenPose 姿态)
openpose
10
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":10,
"annotationParameters": {
"openpose": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11p_sd15_openpose
基础算法 XL：xinsir_controlnet-openpose-sdxl-1.0
基础算法 F.1：F.1-ControlNet-Pose-V1

openpose hand (OpenPose 姿态及手部)
openposeHand
11
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":11,
"annotationParameters": {
"openposeHand": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11p_sd15_openpose
基础算法 XL：xinsir_controlnet-openpose-sdxl-1.0
基础算法 F.1：F.1-ControlNet-Pose-V1

openpose face (OpenPose 姿态及脸部)
openposeFace
12
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":12,
"annotationParameters": {
"openposeFace": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11p_sd15_openpose
基础算法 XL：xinsir_controlnet-openpose-sdxl-1.0
基础算法 F.1：F.1-ControlNet-Pose-V1

openpose_faceonly (OpenPose 仅脸部)
openposeFaceonly
13
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":13,
"annotationParameters": {
"openposeFaceonly": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11p_sd15_openpose
基础算法 XL：xinsir_controlnet-openpose-sdxl-1.0
基础算法 F.1：F.1-ControlNet-Pose-V1

openpose_full (OpenPose 姿态、手部及脸部)

openposeFull
14
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":14,
"annotationParameters": {
"openposeFull": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11p_sd15_openpose
基础算法 XL：xinsir_controlnet-openpose-sdxl-1.0
基础算法 F.1：F.1-ControlNet-Pose-V1

dw_openpose_full

dwOpenposeFull
45
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":45,
"annotationParameters": {
"dwOpenposeFull": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11p_sd15_openpose
基础算法 XL：xinsir_controlnet-openpose-sdxl-1.0
基础算法 F.1：F.1-ControlNet-Pose-V1

animal_openpose
animalOpenpose
53
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":53,
"annotationParameters": {
"animalOpenpose": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_sd15_animal_openpose_fp16
基础算法 XL：暂无模型
基础算法 F.1：暂无模型

densepose

densepose
55
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":55,
"annotationParameters": {
"densepose": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11p_sd15_densepose_fp16
基础算法 XL：controlnet-densepose-sdxl
基础算法 F.1：暂无模型

densepose_parula

denseposeParula
56
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":56,
"annotationParameters": {
"denseposeParula": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11p_sd15_densepose_fp16
基础算法 XL：controlnet-densepose-sdxl
基础算法 F.1：暂无模型
画面参考
Tile/Blur（分块/模糊）
tile_resample(分块重采样)

tileResample
34
/

downSamplingRate
变量名称：下采样率
数据格式：double
数值范围：1.00 ~ 8.00
默认值：1
"preprocessor":34,
"annotationParameters": {
"tileResample": {
"downSamplingRate": 1
}
}

基础算法 1.5：control_v11f1e_sd15_tile
基础算法 XL：xinsir_controlnet_tile_sdxl_1.0
基础算法 F.1：Flux.1-dev-Controlnet-Upscaler

tile_colorfix
tileColorfix
43
/

variation
变量名称：变化率
数据格式：int
数值范围：3 ~ 32
默认值：8
"preprocessor":43,
"annotationParameters": {
"tileColorfix": {
"variation": 8
}
}

基础算法 1.5：control_v11f1e_sd15_tile
基础算法 XL：xinsir_controlnet_tile_sdxl_1.0
基础算法 F.1：Flux.1-dev-Controlnet-Upscaler

tile_colorfix+sharp
tileColorfixSharp
44
/

variation
变量名称：变化率
数据格式：int
数值范围：3 ~ 32
默认值：8
sharpness
变量名称：锐度
数据格式：double
数值范围：0 ~ 2.00
默认值：1
"preprocessor":44,
"annotationParameters": {
"tileColorfixSharp": {
"variation": 8,
"sharpness": 1
}
}

基础算法 1.5：control_v11f1e_sd15_tile
基础算法 XL：xinsir_controlnet_tile_sdxl_1.0
基础算法 F.1：Flux.1-dev-Controlnet-Upscaler

blur_gaussian

blurGaussian
52
/

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
sigma
变量名称：离散程度
数据格式：int
数值范围：0 ~ 64
默认值：9
"preprocessor":52,
"annotationParameters": {
"blurGaussian": {
"preprocessorResolution": 512,
"sigma": 9
}
}

基础算法 1.5：暂无模型
基础算法 XL：kohya_controllllite_xl_blur
基础算法 F.1：Flux.1-dev-Controlnet-Upscaler

Reference（参考）
reference_only
referenceOnly
37
/

styleFidelity
变量名称：风格忠实度
数据格式：double
数值范围：0 ~ 1.0
默认值：0.5
"preprocessor":37,
"annotationParameters": {
"referenceOnly": {
"styleFidelity": 0.5
}
}

基础算法 1.5：None
基础算法 XL：暂无模型
基础算法 F.1：暂无模型

reference_adain
referenceAdain
38
/

styleFidelity
变量名称：风格忠实度
数据格式：double
数值范围：0 ~ 1.0
默认值：0.5
"preprocessor":38,
"annotationParameters": {
"referenceAdain": {
"styleFidelity": 0.5
}
}

基础算法 1.5：None
基础算法 XL：暂无模型
基础算法 F.1：暂无模型

reference_adain+attn

referenceAdainAttn
39
/

styleFidelity
变量名称：风格忠实度
数据格式：double
数值范围：0 ~ 1.0
默认值：0.5
"preprocessor":39,
"annotationParameters": {
"referenceAdainAttn": {
"styleFidelity": 0.5
}
}

基础算法 1.5：None
基础算法 XL：暂无模型
基础算法 F.1：暂无模型
风格迁移
IP-Adapter
ip-adapter_clip_sd15
ipAdapterClipSd15
48
/

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":48,
"annotationParameters": {
"ipAdapterClipSd15": {
"preprocessorResolution": 512
}
}

基础算法 1.5：ip-adapter_sd15
基础算法 XL：不可搭配
基础算法 F.1：暂无模型

ip-adapter_clip_sdxl

ipAdapterClipSdxl
49
/

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":49,
"annotationParameters": {
"ipAdapterClipSdxl": {
"preprocessorResolution": 512
}
}

基础算法 1.5：不可搭配
基础算法 XL：ip-adapter_xl, ip-adapter_sdxl_vit-h
基础算法 F.1：暂无模型

ip-adapter_clip_sdxl_plus_vith
ipAdapterClipSdxlPlusVith
61
/
/
"preprocessor":61,
"annotationParameters": {
"ipAdapterClipSdxlPlusVith": {}
}

基础算法 1.5：不可搭配
基础算法 XL：ip-adapter-plus_sdxl_vit-h
基础算法 F.1：暂无模型

ip-adapter-siglip
ipAdapterSiglip
66
/

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":66,
"annotationParameters": {
"ipAdapterSiglip": {
"preprocessorResolution": 512
}
}

基础算法 1.5：不可搭配
基础算法 XL：不可搭配
基础算法 F.1: InstantX-F.1-dev-IP-Adapter

T2I-Adapter
clip_vision
clipVision
15
/

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":15,
"annotationParameters": {
"clipVision": {
"preprocessorResolution": 512
}
}

基础算法 1.5：t2iadapter_style_sd14v1
基础算法 XL：暂无模型
基础算法 F.1：暂无模型

color
color
16
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":16,
"annotationParameters": {
"color": {
"preprocessorResolution": 512
}
}

基础算法 1.5：t2iadapter_color_sd14v1
基础算法 XL：暂无模型
基础算法 F.1：暂无模型

pidinet_sketch
pidinetSketch
19
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":19,
"annotationParameters": {
"pidinetSketch": {
"preprocessorResolution": 512
}
}

基础算法 1.5：t2iadapter_sketch_sd15v2
基础算法 XL：暂无模型
基础算法 F.1：暂无模型

Shuffle (随机洗牌)
shuffle (随机洗牌)
shuffle
33
[图片]

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":33,
"annotationParameters": {
"shuffle": {
"preprocessorResolution": 512
}
}

基础算法 1.5：control_v11e_sd15_shuffle
基础算法 XL：暂无模型
基础算法 F.1：暂无模型
上色
Recolor（重上色）
recolor_luminance
recolorLuminance
50
[图片]

gammaCorrection
变量名称：伽马修正
数据格式：double
数值范围：0.1 ~ 2.0
默认值：1
"preprocessor":50,
"annotationParameters": {
"recolorLuminance": {
"gammaCorrection": 1
}
}

基础算法 1.5：ioclab_sd15_recolor
基础算法 XL：sai_xl_recolor_256lora
基础算法 F.1：暂无模型

recolor_intensity
recolorIntensity

51
[图片]

gammaCorrection
变量名称：伽马修正
数据格式：double
数值范围：0.1 ~ 2.0
默认值：1
"preprocessor":51,
"annotationParameters": {
"recolorIntensity": {
"gammaCorrection": 1
}
}

基础算法 1.5：ioclab_sd15_recolor
基础算法 XL：sai_xl_recolor_256lora
基础算法 F.1：暂无模型
局部重绘
Inpaint（局部重绘）
inpaint_global_harmonious
inpaintGlobalHarmonious
40
/
/
"preprocessor":40,
"annotationParameters": {
"inpaintGlobalHarmonious": {}
}
基础算法 1.5：segmentation_mask_brushnet_ckpt
基础算法 XL：segmentation_mask_brushnet_ckpt_sdxl_v1
基础算法 F.1：F.1-dev-Controlnet-Inpainting-Beta

inpaint_only
inpaintOnly
41
/
/
"preprocessor":41,
"annotationParameters": {
"inpaintOnly": {}
}

基础算法 1.5：segmentation_mask_brushnet_ckpt
基础算法 XL：segmentation_mask_brushnet_ckpt_sdxl_v1
基础算法 F.1：F.1-dev-Controlnet-Inpainting-Beta

inpaint_only+lama
inpaintOnlyLama
42
/
/
"preprocessor":42,
"annotationParameters": {
"inpaintOnlyLama": {}
}

基础算法 1.5：segmentation_mask_brushnet_ckpt
基础算法 XL：segmentation_mask_brushnet_ckpt_sdxl_v1
基础算法 F.1：F.1-dev-Controlnet-Inpainting-Beta

换脸
IP-Adapter
ip-adapter_face_id
ipAdapterFaceId
62
/
/
"preprocessor":62,
"annotationParameters": {
"ipAdapterFaceId": {}
}

基础算法 1.5：ip-adapter_face_id
基础算法 XL：ip-adapter-faceid_sdxl
基础算法 F.1：暂无模型

ip-adapter_face_id_plus
ipAdapterFaceIdPlus
63
/
/
"preprocessor":63,
"annotationParameters": {
"ipAdapterFaceIdPlus": {}
}

基础算法 1.5：ip-adapter-faceid-plusv2_sd15
基础算法 XL：ip-adapter-faceid-plusv2_sdxl
基础算法 F.1：暂无模型

Instant ID
instant_id_face_keypoints
instantIdFaceKeypoints
59
/

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":59,
"annotationParameters": {
"instantIdFaceKeypoints": {
"preprocessorResolution": 512
}
}

基础算法 1.5：暂无模型
基础算法 XL：control_instant_id_sdxl
基础算法 F.1：暂无模型

instant_id_face_embedding

instantIdFaceEmbedding
60
/

preprocessorResolution
变量名称：预处理器分辨率
数据格式：int
数值范围：64 ~ 2048
默认值：512
"preprocessor":60,
"annotationParameters": {
"instantIdFaceEmbedding": {
"preprocessorResolution": 512
}
}

基础算法 1.5：暂无模型
基础算法 XL：ip-adapter_instant_id_sdxl
基础算法 F.1：暂无模型
其他
/
None
none
0
/
/
"preprocessor":0,
"annotationParameters": {
"none": {}
}
仅在参考图是处理后的线稿、深度图、骨骼图时使用

/
invert (白底黑线反色)
invert
35
/
/
"preprocessor":35,
"annotationParameters": {
"invert": {}
}
仅在参考图是白色线条，黑色背景，且要应用线稿模型时使用

③ ControlNet模型列表
适用方向
Controlnet 类型
模型名称
基础算法类型
模型版本UUID
线稿类
Canny（硬边缘）
control_v11p_sd15_canny
基础算法 1.5
7d917ec7e55c5805db737d3b493c91ce

t2iadapter_canny_sd14v1
基础算法 1.5
a2c41c4e97944f3aa71f913bdc45b1ca

t2iadapter_canny_sd15v2
基础算法 1.5
c04144bcf017232483181cd8607097c2

diffusers_xl_canny_full
基础算法 XL
56de5edadb6f2891aff05ff078dc0470

diffusers_xl_canny_mid
基础算法 XL
efb97e9d8c237573298c3a5a7869b89c

diffusers_xl_canny_small
基础算法 XL
dccde738064e9748f93b48ec5868968e

kohya_controllllite_xl_canny
基础算法 XL
5242e3d18cc18689bd8af11dd2d675c1

kohya_controllllite_xl_canny_anime
基础算法 XL
4f3e1cfe79f87496ec69a37826c3afeb

sai_xl_canny_128lora
基础算法 XL
63c7f2c6c354336513831aa522d7e0f4

sai_xl_canny_256lora
基础算法 XL
5bf551f53651764cad56363e17900d87

t2i-adapter_diffusers_xl_canny
基础算法 XL
618390ab2957a422612cb2ba92a2788f

t2i-adapter_xl_canny
基础算法 XL
7cd56501c336c1edba78430355c9d081

xinsir_controlnet-canny-sdxl_V2
基础算法 XL
b6806516962f4e1599a93ac4483c3d23

XLabs-flux-canny-controlnet_v3
基础算法 F.1
017997cd6ba44c4dbe8f60e0a26cd0df

InstantX-FLUX.1-dev-Controlnet-Union-Pro
基础算法 F.1
13c1e1b96ba64f9cbb2b54f89b5fe873

SoftEdge（软边缘）

control_v11p_sd15_softedge
基础算法 1.5
0929722d9047ec6498a50ff5d1081629

sargezt_xl_softedge
基础算法 XL
dda1a0c480bfab9833d9d9a1e4a71fff

controlnet-sd-xl-1.0-softedge-dexined
基础算法 XL
37bddde3d45c11ee9b5e00163e365853

mistoLine_softedge_sdxl_fp16
基础算法 XL
4f6726be104a432f8039b018c92ed4bf

mistoLine_rank256
基础算法 XL
83286d0e66a845c58f7d23442f9dedf9

XLabs-flux-hed-controlnet_v3
基础算法 F.1
6c4d620df3644514903b8189735c6ae9

F.1_mistoline_dev_v1
基础算法 F.1
3e6860a3b9444f25ae07d9c1b5d1ba9e

InstantX-FLUX.1-dev-Controlnet-Union-Pro
基础算法 F.1
13c1e1b96ba64f9cbb2b54f89b5fe873

MLSD（直线）
control_v11p_sd15_mlsd
基础算法 1.5
7168cece6a0d491375aa1753ff3bdc21

Scribble/Sketch（涂鸦/草图）
control_v11p_sd15_scribble
基础算法 1.5
fe57911f7ba1b84eb27f1e1ecead3367

kohya_controllllite_xl_scribble_anime
基础算法 XL
4a399a87f1ffbc26d065a38765d30d24

xinsir_controlnet-scribble-sdxl-1.0
基础算法 XL
888cf8985bd6442cba1f2d975b6eb022

xinsir_anime_painter
基础算法 XL
f936bf22cb8e4dcfa6b0f3b96cdd8eb7

Lineart（线稿）

control_v11p_sd15_lineart
基础算法 1.5
b06dfbd1a61c35e933d9f8caa8a0e031

control_v11p_sd15s2_lineart_anime
基础算法 1.5
c263e039c57b8a958ee0a936039af654

t2i-adapter_diffusers_xl_lineart
基础算法 XL
a0f01da42bf48b0ba02c86b6c26b5699
空间关系类

Depth（深度图）

control_v11f1p_sd15_depth
基础算法 1.5
cf63d214734760dcdc108b1bd094921b

t2iadapter_depth_sd15v2
基础算法 1.5
f08a4a889b56d4099e8a947503cabc14

t2iadapter_depth_sd14v1
基础算法 1.5
8b74bf9ea84f592c069b523d9bef9dab

t2iadapter_zoedepth_sd15v1
基础算法 1.5
fc8b79f97eeceda388b43df12509c311

control_sd15_inpaint_depth_hand_fp16
基础算法 1.5
3497061cd45c11ee9b5e00163e365853

t2i-adapter_diffusers_xl_depth_zoe
基础算法 XL
a35993a2d1cde4a6c800364a68731c67

sai_xl_depth_128lora
基础算法 XL
3156f3428afc7122c66b2b950f09d4cd

t2i-adapter_diffusers_xl_depth_midas
基础算法 XL
c22ec6a7a24eed6b91889ae1a1e94b2e

diffusers_xl_depth_mid
基础算法 XL
740d6d428e70d4b40888efa4d9eb642a

xinsir_controlnet_depth_sdxl_1.0
基础算法 XL
6349e9dae8814084bd9c1585d335c24c

sai_xl_depth_256lora
基础算法 XL
08d0fbb72d7fab601218df26978a46e0

sargezt_xl_depth
基础算法 XL
feb9ee5779bf2eb3fdd669f2e3e6b1aa

sargezt_xl_depth_zeed
基础算法 XL
4216d4b49a6b559d76d181908f866eb8

kohya_controllllite_xl_depth_anime
基础算法 XL
dea707d52e3a8f243da5579579cb3a3d

kohya_controllllite_xl_depth
基础算法 XL
693d7182db5293c0087524580111fd96

sargezt_xl_depth_faid_vidit
基础算法 XL
1c6d32d0fb004cf1becc2b526fd83690

diffusers_xl_depth_small
基础算法 XL
6a786af31a13776100e9c6a90f99aebf

diffusers_xl_depth_full
基础算法 XL
04dcab4b18c7b821e96660d6c19de50b

XLabs-flux-depth-controlnet_v3
基础算法 F.1
0cc4e6b8206b44cdab51e30fb8b9c328

InstantX-FLUX.1-dev-Controlnet-Union-Pro
基础算法 F.1
13c1e1b96ba64f9cbb2b54f89b5fe873

Flux.1-dev-Controlnet-Depth
基础算法 F.1
64dd7a6c714f4512a4500f6a01b016b7

Segment（语义分割）
control_v11p_sd15_seg
基础算法 1.5
94571f4bb5136464afc1540a92ae3ee8

Normal（正态）
control_v11p_sd15_normalbae
基础算法 1.5
9a85fdca18a8b58b2fb2ff13ab339be4

Flux.1-dev-Controlnet-Surface-Normal
基础算法 F.1
e51fdccdf3b8417aab246bde40b5f360
姿态类

OpenPose（姿态）

control_v11p_sd15_openpose
基础算法 1.5
b46dd34ef9c2fe189446599d62516cbf

t2iadapter_openpose_sd14v1
基础算法 1.5
5a8b19a8809e00be4e17517e8ab174ad

control_v11p_sd15_densepose_fp16
基础算法 1.5
3b4e0830d45c11ee9b5e00163e365853

control_sd15_animal_openpose_fp16
基础算法 1.5
329f0073d45c11ee9b5e00163e365853

control_v2p_sd15_mediapipe_face
基础算法 1.5
73de0752a7a8431ba21637cda6723c95

kohya_controllllite_xl_openpose_anime_v2
基础算法 XL
4cbbd2483088ef5f0d41bfef0d7141fb

kohya_controllllite_xl_openpose_anime
基础算法 XL
abb5d55cf94c504f6f8c64abc0b1483f

thibaud_xl_openpose_256lora
基础算法 XL
4dd1f4df2a9d3a9db8aeaa9480196d02

t2i-adapter_xl_openpose
基础算法 XL
9deac5a5c60abfd03261bd174ddba47d

t2i-adapter_diffusers_xl_openpose
基础算法 XL
9cd43e1856040c2436f00802d5b54ee5

thibaud_xl_openpose
基础算法 XL
2fe4f992a81c5ccbdf8e9851c8c96ff2

controlnet-densepose-sdxl
基础算法 XL
3ae77dfdd45c11ee9b5e00163e365853

xinsir_controlnet-openpose-sdxl-1.0
基础算法 XL
23ef8ab803d64288afdb7106b8967a55

F.1-ControlNet-Pose-V1
基础算法 F.1
7c6d889cb9c04b78858d8fece80f9f85
画面参考
Tile/Blur（分块/模糊）
control_v11f1e_sd15_tile
基础算法 1.5
37e42c6bdb6fab4c24a662100f20f722

kohya_controllllite_xl_blur_anime
基础算法 XL
46a34a643f6855e9b3861515712df5d9

xinsir_controlnet_tile_sdxl_1.0
基础算法 XL
0f47ef6d4f4b40afab8b290c98baac0e

kohya_controllllite_xl_blur_anime_beta
基础算法 XL
44199bb6dcf4f65e09a4e5e57ebdf9b4

kohya_controllllite_xl_blur
基础算法 XL
aac5fe593565f0673673731d54ecfab8

TTPLanet_SDXL_Controlnet_Tile_Realistic_v1
基础算法 XL
13bfaf39f9214c658507a92cd15fd02d

TTPLanet_SDXL_Controlnet_Tile_Realistic_v2
基础算法 XL
163d505651a64d6bac9a907b213dc8b0

Flux.1-dev-Controlnet-Upscaler
基础算法 F.1
a696b5bdadc740119fd76505b33d6898

Reference（参考）
None
基础算法 1.5
/
风格迁移
IP-Adapter

ip-adapter_sd15
基础算法 1.5
18801062fe4289dd0a984e69de9f9e7c

ip-adapter_sd15_plus
基础算法 1.5
ad4bd9b4b05c4ac8faf7f81d9fdcadc8

ip-adapter_sd15_light
基础算法 1.5
3a1ddfd0d45c11ee9b5e00163e365853

ip-adapter_sd15_vit-G
基础算法 1.5
36f3d2a0d45c11ee9b5e00163e365853

ip-adapter_xl
基础算法 XL
8ea2538fdd7dcdea52b2da6b5151f875

ip-adapter-plus_sdxl_vit-h
基础算法 XL
38ee73f1d45c11ee9b5e00163e365853

ip-adapter_sdxl_vit-h
基础算法 XL
375866e3d45c11ee9b5e00163e365853

InstantX-F.1-dev-IP-Adapter
基础算法 F.1
c6ed70879cf011ef96d600163e37ec70

F.1-redux-dev
基础算法 F.1
8ddf6f3ba8a111efbb1700163e031cf1

T2I-Adapter
t2iadapter_canny_sd15v2
基础算法 1.5
c04144bcf017232483181cd8607097c2

t2iadapter_depth_sd15v2
基础算法 1.5
f08a4a889b56d4099e8a947503cabc14

t2iadapter_canny_sd14v1
基础算法 1.5
a2c41c4e97944f3aa71f913bdc45b1ca

t2iadapter_color_sd14v1
基础算法 1.5
8e581a4e7c986950d71f1102accad5d0

t2iadapter_depth_sd14v1
基础算法 1.5
8b74bf9ea84f592c069b523d9bef9dab

t2iadapter_keypose_sd14v1
基础算法 1.5
181d8d213381458cb6e326760637d4b4

t2iadapter_openpose_sd14v1
基础算法 1.5
5a8b19a8809e00be4e17517e8ab174ad

t2iadapter_seg_sd14v1
基础算法 1.5
3c680cc8edfbc4479423549e01f21897

t2iadapter_sketch_sd14v1
基础算法 1.5
0d19dd02091ec2d01f3cdd99a4f4b442

t2iadapter_sketch_sd15v2
基础算法 1.5
bd6c5dbb73c2c2e538850c23ab2dcbf5

t2iadapter_style_sd14v1
基础算法 1.5
e33777a1f374eccd9464623c56a82c91

t2iadapter_zoedepth_sd15v1
基础算法 1.5
fc8b79f97eeceda388b43df12509c311

Shuffle (随机洗牌)
control_v11e_sd15_shuffle
基础算法 1.5
9efba1cc2d469bf4be8fc135689bc8a0
上色
Recolor（重上色）
ioclab_sd15_recolor
基础算法 1.5
e0db5b9e227eac932c71498cf7e03a78

sai_xl_recolor_128lora
基础算法 XL
af92235f1de682ceac136c06450c9a51

sai_xl_recolor_256lora
基础算法 XL
03051a3606b4974ec02fc55b079757e7
局部重绘

Inpaint（局部重绘）

control_v11p_sd15_inpaint
基础算法 1.5
ebeada0aa92959b4e905ab6980d5d203

segmentation_mask_brushnet_ckpt
基础算法 1.5
14aa553bf6534a419a9a465eba900f3a

random_mask_brushnet_cpkt
基础算法 1.5
de44488f84a74e02a1fac604d790698c

segmentation_mask_brushnet_ckpt_sdxl_v1
基础算法 XL
a311363995dd4f2fa42ee3fc9582d920

random_mask_brushnet_ckpt_sdxl
基础算法 XL
3161fc68c59847b0ad826a9fb18c857f

F.1-dev-Controlnet-Inpainting-Alpha
基础算法 F.1
012d2f780c0b44dba829bb223207e608
换脸
IP-Adapter

ip-adapter_face_id
基础算法 1.5
368e6a37d45c11ee9b5e00163e365853

ip-adapter-faceid-portrait_sd15
基础算法 1.5
330504bcd45c11ee9b5e00163e365853

ip-adapter-faceid-plusv2_sd15
基础算法 1.5
34fb8ef6d45c11ee9b5e00163e365853

ip-adapter-faceid-plus_sd15
基础算法 1.5
362a215ad45c11ee9b5e00163e365853

ip-adapter-faceid-portrait-v11_sd15
基础算法 1.5
35c50016d45c11ee9b5e00163e365853

ip-adapter-faceid_sdxl
基础算法 XL
38879e1ad45c11ee9b5e00163e365853

ip-adapter-faceid-plusv2_sdxl
基础算法 XL
3953f672d45c11ee9b5e00163e365853

ip-adapter-plus-face_sdxl_vit-h
基础算法 XL
336955e4d45c11ee9b5e00163e365853

Instant ID
ip-adapter_instant_id_sdxl
基础算法 XL
3a8267c7d45c11ee9b5e00163e365853

control_instant_id_sdxl
基础算法 XL
3560664ad45c11ee9b5e00163e365853
其他
光影
control_v1u_sd15_illumination
基础算法 1.5
3109072a5cf6403faba6162003b8f483

control_v1p_sd15_brightness
基础算法 1.5
39b8eac0d45c11ee9b5e00163e365853

二维码
control_v1p_sd15_qrcode_monster
基础算法 1.5
1fa6070c35626e760b1473926852cbbc

3.3 生图状态
3.3.1 生图状态（generateStatus）
状态枚举值
描述
备注
1
等待执行

2
执行中

3
已生图

4
审核中

5
成功

6
失败

3.3.2 审核状态（auditStatus）
状态枚举值
描述
备注
1
待审核

2
审核中

3
审核通过

4
审核拦截

5
审核失败

3.4 参数模版预设
完整版的生图参数可以满足基础算法F.1、基础算法XL、基础算法1.5下的各类生图任务，但需要非常理解这些参数的含义。
因此除了完整参数的模版以外，我们还提供了一些封装后的参数预设，您可以只提供必要的生图参数，极大简化了配置成本，欢迎体验~
3.4.1 模版选择（templateUuid）
适用方向
模板名称
模板UUID
备注
F.1文生图
F.1文生图 - 自定义完整参数
6f7c4652458d4802969f8d089cf5b91f

Checkpoint默认为官方模型
可用模型范围：基础算法F.1
支持additional network
F.1图生图
F.1图生图 - 自定义完整参数
63b72710c9574457ba303d9d9b8df8bd
Checkpoint默认为官方模型
可用模型范围：基础算法F.1
支持additional network
1.5和XL文生图

1.5和XL文生图 - 自定义完整参数

e10adc3949ba59abbe56e057f20f883e

可用模型范围：基础算法1.5，基础算法XL
支持additional network，高分辨率修复和controlnet
可通过自由拼接参数实现各类的文生图诉求
1.5和XL图生图
1.5和XL图生图 - 自定义完整参数
9c7d531dc75f476aa833b3d452b8f7ad
可用模型范围：基础算法1.5，基础算法XL
支持additional network和controlnet
可通过自由拼接参数实现各类的图生图和蒙版重绘诉求
局部重绘
Controlnet局部重绘
b689de89e8c9407a874acd415b3aa126
提取自文生图完整参数
支持additional network和controlnet
不支持高分辨率修复（hiresfix）
局部重绘

图生图局部重绘
74509e1b072a4c45a7f1843a963c8462

提取自图生图完整参数
支持additionalNetwork
不支持Controlnet
人物换脸
InstantID人像换脸
7d888009f81d4252a7c458c874cd017f
仅用于人像换脸
注意人像参考图中的人物面部特征务必清晰
3.4.2 模版传参示例
以下提供了调用各类模版时的传参示例，方便您理解不同模版的使用方式。
注：如果要使用如下参数示例生图，请把其中的注释删掉后再使用。
F.1文生图 - 自定义完整参数示例
接口：POST /api/generate/webui/text2img
https://liblibai.feishu.cn/sync/UklAdrkqos0NNubQ42jcymktnSe
F.1图生图 - 自定义完整参数示例
接口：POST /api/generate/webui/img2img
https://liblibai.feishu.cn/sync/YasbdeCAasWRaibd0tkc0ZU4nkd
1.5和XL文生图 - 自定义完整参数示例
接口：POST /api/generate/webui/text2img
https://liblibai.feishu.cn/sync/VrLRdFII0sSVtJbpj8NccFOqnYb
1.5和XL图生图 - 自定义完整参数示例
接口：POST /api/generate/webui/img2img
https://liblibai.feishu.cn/sync/R6HUdfvpEsAHnvbF7i0cf76XnSf
1.5和XL文生图 - 最简版参数示例
接口：POST /api/generate/webui/text2img
https://liblibai.feishu.cn/sync/FDSPd57O2seBDwbfJOzcpvvCntg
1.5和XL图生图 - 最简版参数示例
接口：POST /api/generate/webui/img2img
https://liblibai.feishu.cn/sync/JPsPdxCIvskntObd6vNc3a0knAb
图生图 - 局部重绘参数示例
接口：POST /api/generate/webui/img2img
https://liblibai.feishu.cn/sync/HH8UdbOOzsNQ8Vb3kktcKm7JnHg
Controlnet局部重绘参数示例
接口：POST /api/generate/webui/text2img
https://liblibai.feishu.cn/sync/V6jkdvktosdIrfbNiK3cgpB1nOg
InstantID人像换脸参数示例
接口：POST /api/generate/webui/text2img
https://liblibai.feishu.cn/sync/BeY5dsCs4sFOtcb2027c8X8Lnrb
F.1风格迁移参数示例

接口：POST /api/generate/webui/text2img
{
"templateUuid": "6f7c4652458d4802969f8d089cf5b91f", // 参数模板ID
"generateParams": {
// 基础参数
"prompt": "The image is a portrait of a young woman with a bouquet of flowers in her hair. She is wearing a white blouse and has a happy expression on her face. The flowers are pink and white daisies with green leaves and stems. The background is a light blue color. The overall mood of the image is dreamy and ethereal.", // 选填
"steps": 25, // 采样步数
"width": 768, // 宽
"height": 1024, // 高
"imgCount": 1, // 图片数量

  // 风格参考的相关配置
  "controlNet": [
      {
          "unitOrder": 0,
          "sourceImage": "https://liblibai-online.liblib.cloud/img/081e9f07d9bd4c2ba090efde163518f9/a9cf89f2d4bec50d81feb021dd25c505865fbc7b19a3979d76773fcf1f581dee.png",
          "width": 1024,
          "height": 1024,
          "preprocessor": 66,
          "annotationParameters": {
              "ipAdapterSiglip": {
                  "preprocessorResolution": 1024                                
              }
          },
          "model": "c6ed70879cf011ef96d600163e37ec70",
          "controlWeight": 0.75, // 控制权重推荐取0.6 ~ 0.75之间
          "startingControlStep": 0,
          "endingControlStep": 1,
          "pixelPerfect": 1,
          "controlMode": 0,
          "resizeMode": 1
      }
  ]

}
}

模型选择
为了确保API服务的生图速度快速且稳定，生图效果有保障，平台精选了各方向下的高质量模型，仅做参考。
全网可商用模型和自有模型皆可调用，详见文档3.1.1。
4.1 Checkpoint
适用方向
基础算法类型
模型名称
模型版本
模型链接
模型版本UUID
效果参考
通用
基础算法 F.1
F.1基础算法模型-哩布在线可运行

F.1-dev-fp8

https://www.liblib.art/modelinfo/488cd9d58cd4421b9e8000373d7da123
412b427ddb674b4dbab9e5abd5ae6057

[图片]
通用
基础算法 XL

Dream Tech XL | 筑梦工业XL
v6.0 - 寄语星河
https://www.liblib.art/modelinfo/5611e2f826be47f5b8c7eae45ed5434a

0ea388c7eb854be3ba3c6f65aac6bfd3

[图片]
通用
基础算法 XL

Dream Tech XL | 筑梦工业XL
v5.0 - 与光同尘
https://www.liblib.art/modelinfo/5611e2f826be47f5b8c7eae45ed5434a
a57911b5dfe64c6aa78821be99367276

[图片]
人像摄影
基础算法 XL
AWPortrait XL
1.1
https://www.liblib.art/modelinfo/f8b990b20cb943e3aa0e96f34099d794
21df5d84cca74f7a885ba672b5a80d19
[图片]
现代创意插画
基础算法 1.5

ComicTrainee丨动漫插画模型

v2.0
https://www.liblib.art/modelinfo/d6053875cca7478a8ab39522b4e7cc1a
c291e0d339f44a98a973f138e6b0b9dc
[图片]
现代创意插画
基础算法 XL
niji-动漫二次元-sdxl
2
https://www.liblib.art/modelinfo/3ecd30364b564a7cadbf4f7f7e7110cf
bd065cff3a854af2b28659ed0f6d289d
[图片]
现代创意插画
基础算法 XL
Neta Art XL 二次元角色（更新V2）
V2.0
https://www.liblib.art/modelinfo/55b06e35dd724862b3524ff00b069fe8
bfb95ad44a2c4d88963d3147de547600
[图片]
视觉海报
基础算法 XL
真境写真XL Elite KV | 电商产品摄影海报视觉设计
VisionX 万物绘
https://www.liblib.art/modelinfo/75656a71d6c3448cb621d03f67198f6b
dfe59b044783487e8fb0800fc4e8ccc3
[图片]
建筑设计
基础算法 1.5
城市设计大模型 | UrbanDesign
v7
https://www.liblib.art/modelinfo/5e1b4ea7f9554e46b2509f59269b1ea8
f40405b7404a455db689a6646a75c103
[图片]
建筑设计
基础算法 XL
比鲁斯大型建筑大模型
XL0.35_PRO
https://www.liblib.art/modelinfo/a7177a52c3e74e04a65aff5bab87d01a
d3bfdeba43bc4b5ca44e35d9fcd2f487
[图片]
4.2 LoRA
适用方向
基础算法类型
模型名称
模型版本名称
触发词
模型链接
模型版本UUID
效果参考
人像摄影
基础算法 F.1
Filmfotos_日系胶片写真

FLUX

filmfotos,film grain,reversal film photography

https://www.liblib.art/modelinfo/ec983ff3497d46ea977dbfcd1d989f67
b59f7eb734864a74ba476af3aa28c2f3

[图片]
人像摄影
基础算法F.1
极氪白白酱F.1-人像V6MAX

V6MAX
JKBB
https://www.liblib.art/modelinfo/922d83dbec8e4b4b9033851f0038ae90?from=feed&versionUuid=169505112cee468b95d5e4a5db0e5669
169505112cee468b95d5e4a5db0e5669
[图片]
电商场景
基础算法 F.1
电商-F.1- | 运营启动页
v1.0
yun
https://www.liblib.art/modelinfo/033c3ddf8c6f4baba02b2d149ca8310b
76af914cc3434937aa13aeb038aae838
[图片]
视觉海报
基础算法 F.1
UNIT-F.1-MandelaEffect-LoRA

曼德拉效应

https://www.liblib.art/modelinfo/02b89792af674243b46db46349393c02
50284151e507431facc2325cd62f73a3
[图片]
创意插画
基础算法 F.1
万物调节丨Flux 情绪插画

V1.0
Simple vector illustration
https://www.liblib.art/modelinfo/6256d14b3a5545cba79f6ca84ab04491?from=feed&versionUuid=be3909c5d7114d3b8717e966c884d3e1
be3909c5d7114d3b8717e966c884d3e1
[图片]
创意插画
基础算法 F.1
嘉嘉_国潮插画_F.1
v1.0
/
https://www.liblib.art/modelinfo/2b4cb7c1799e4f73a00535dc71af73fc
b1d4b896d69d408b815b545126a92df0

[图片]
创意插画
基础算法 F.1
风月无边illustrations
v1.0
/
https://www.liblib.art/modelinfo/b275bf18078b41b38e3dbc40d5b3fead
85a2a6bd4dd945a78f6430c9c4911cf0
[图片]
创意插画
基础算法 F.1
岩彩材质绘画
v1
mineral
https://www.liblib.art/modelinfo/dcd294b15ee0445ebb1917ec011e9f37
46d4086b1a60448dbbeea52e1218bb8b
[图片]
视觉海报
基础算法 XL
筑梦工业 | 海报美学XL
v1.0
Movie Poster Style
https://www.liblib.art/modelinfo/7bcd8a2e75bf4962baaadca9cd01e982
31360f2f031b4ff6b589412a52713fcf

[图片]
扁平插画
基础算法 XL
CJ_illustration丨商业扁平插画XL
v1.0
Illustration
https://www.liblib.art/modelinfo/d6e507424dcd4c728e587db7ddfb9c41
1fe2174f51d04fedb724b28f48d55b7a
[图片]
扁平插画
基础算法 1.5
CJ_illustration丨商业扁平插画

v1.3
Illustration
https://www.liblib.art/modelinfo/760bc28e05b2422fb5b059c18579497b
82f1db0f9fbd4c4b85137e6a4e6bba6d
[图片]
电商场景
基础算法 XL
筑梦工业 | 电商场景-银河系漫游指南XL
v1.0
Creative Showcase
https://www.liblib.art/modelinfo/efeea73d36b541ceaf31a625370d5595
098f08f604ec4c6c9b4ecf9167d39e63
[图片]
电商场景
基础算法 XL
电商-超现实主义v2
超现实主义v2
changjingA
https://www.liblib.art/modelinfo/e332caf6720143ab998235489e270de9
7ba01e531f424ca3b86b4bf00e3abd10
[图片]
电商场景
基础算法 XL
VisionX 万物绘 | 工业产品设计 | 电商产品摄影
万物绘LORA_V1
/
https://www.liblib.art/modelinfo/b8d0784d423e4c33b7402b28ee2a5b9b
de0db8bac1844d078e1782bd01a64f35
[图片]
电商产品
基础算法 XL
【摸鱼】商业写实渲染 | 电商产品场景
V1
/
https://www.liblib.art/modelinfo/b76df870c8d2437bb96c039a13539f53
b50b9cce2147400cb161d9be5d4adb6e
[图片]
电商产品
基础算法 XL
【油条】商业产品大片PRO-XL版
无限创作XL-v1
Realistic product commercial blockbuster
https://www.liblib.art/modelinfo/fbc202e8c7d242c581421c171adedcac
f1119d1dc33a46b8b460dd29ef6dabd2
[图片]
电商产品
基础算法 1.5
产品摄影，北欧极简高质感
1.0
dofas
https://www.liblib.art/modelinfo/85dd9bc4ed6d42f3b9b9a2e89c3281f6
f465b7ed06244afa96f5560a5890bad2
[图片]
logo&icon设计
基础算法 XL
字体logo材质效果-lora-XL-expert
V1.0
CZG, Fluid texture
https://www.liblib.art/modelinfo/8bdabec4b7f44b69954af770744b521b
bbc080acca124995b3dfbd26e56bb278
[图片]
毛绒风
基础算法 XL
WDR_毛绒质感ICON
1.0
a plush app icon
https://www.liblib.art/modelinfo/a442656707b14560aaebce87620e39dd
3dc63c4fe3df4147ac8a875db3621e9f
[图片]
毛毡风
基础算法 1.5
微缩毛毡风格 | Miniature Felt Style
V1.0
Microphotography,Felt style
https://www.liblib.art/modelinfo/177c72eca76248efa63ab97118ce4c93

f3134ad192a14ea6a7c361e04cb74aea
[图片]
蒸汽朋克
基础算法 XL
筑梦工业 | 蒸汽朋克XL
v1.0
SP style,Steampunk aesthetic
https://www.liblib.art/modelinfo/a306e642e11d482983aff1591f85c5d9
0ad44fc3ca564bba864c82a36f3a8f65
[图片]
经典艺术插画
基础算法 1.5
波普艺术_SD 1.5
v1.0
BoPu
https://www.liblib.art/modelinfo/94625fe77493410285701ae8c0a9162a
3b069d49839d4b38b067481ff847fbd8
[图片]
现代创意插画
基础算法 1.5
白泽MARS-治愈系插画
S1.0
/
https://www.liblib.art/modelinfo/56b1c778a22a4fba8481aa18be2c7795
1e20fa53df254ff8a0eeee26230952c3
[图片]
现代创意插画
基础算法 1.5
小清新治愈画风插画
v2.0
/
https://www.liblib.art/modelinfo/4e1d69769c3a499fbbda7bdbd5c775e1
21b92b68ea9142cba052aaee9a2f5410
[图片]
现代创意插画
基础算法 XL
HandDrawing l 卡通手绘-SDXL

v1.0
Cartoon Chinese style
https://www.liblib.art/modelinfo/5c1be02d031d4b3498d47e1e9b504edb
5aad2800df224473acbd27d92aea3f3f
[图片]
现代创意插画
基础算法 XL
筑梦工业 | 风格漫画XL
v1.0
Dream Comic Style
https://www.liblib.art/modelinfo/1993afa92c9443f0b07e84926f2cb773
7aa06b226feb46f485a6793a8d5a5184
[图片]
现代创意插画
基础算法 1.5
Dissney Fable 迪士尼风格插画丨CJ_3D
v1.0
3D
https://www.liblib.art/modelinfo/54af7361461a491ab5c0c03e5c64fb56
9719136dcf26415a8f756ba6cc0946ac
[图片]
现代创意插画
基础算法 XL
99art·治愈系绘本插画壁纸·小笔触
1.0

/
https://www.liblib.art/modelinfo/28471841ac0645e890f92fdd4efeacd5
ba5e04de8f2d4f8a8e8d6e9bfe93a9b4
[图片]
中国风插画
基础算法 XL
Muertu XL丨国风绘本插图画风加强
v1.0
guofeng
https://www.liblib.art/modelinfo/407d4f5126e24e7c84e75b7679e76516
2bc8ff1e8bc847008fd40e40efcdd096
[图片]
中国风插画
基础算法 XL
筑梦工业 | 新派国画水墨XL
v1.0
New Chinese Art Style
https://www.liblib.art/modelinfo/0f7c3c7c374344d88d802b120d548a04
c8d2fcf503d04c10af770bd48145ba30

[图片]
细节优化
基础算法 1.5
极致肤感 | 提升皮肤纹理质感
v-001
/

https://www.liblib.art/modelinfo/6e5e77d53efe414eb675409d5c834b07
6da50214cd4743d4b1ce819411594bbe
[图片]
对比度调节
基础算法 1.5
光泽调节器/Gloss_Tweaker/光沢調整器
v2.0
/

https://www.liblib.art/modelinfo/b11668631ddf4b28a3967e84b33e15f2
d8d47c33f5e34588a1595c8e9bea0d7a
[图片]
手部优化
基础算法 1.5
万物调节丨手部修复2.0
V2.0
perfect hands, delicate hands
https://www.liblib.art/modelinfo/89f67e2790314a1db744b5a1d0ad4d15
365e700254dd40bbb90d5e78c152ec7f
[图片]

4.3 Textual Inversion负向提示词
适用方向
模型名称
模型链接
Trigger word
负向提示词 - 通用型提升画面质量
坏图修复EasyNegative
https://www.liblib.art/modelinfo/458a14b2267d32c4dde4c186f4724364
easynegative,EasyNegative_EasyNegative,EasyNegative
负向提示词 - 通用型提升画面质量
坏图修复DeepNegativeV1.x
https://www.liblib.art/modelinfo/03bae325c623ca55c70db828c5e9ef6c
ng_deepnegative_v1_75t,DeepNegativeV1.x_V175T

负向提示词 - 防止手部崩坏
badhandv4-AnimeIllustDiffusion
https://www.liblib.art/modelinfo/9720584f1c3108640eab0994f9a7b678
badhandv4,badhandv4-AnimeIllustDiffusion_badhandv4
负向提示词 - 通用型提升画面质量
坏图修复veryBadImageNegative
https://www.liblib.art/modelinfo/cbaa93b1001c969c99b6b91a201686ad
verybadimagenegative_v1.3,veryBadImageNegative_veryBadImageNegative_v1.3
负向提示词 - 防止手部崩坏
坏手修复negative_hand Negative Embedding
https://www.liblib.art/modelinfo/388589a91619d4be3ce0a0d970d4318b
negative_hand
负向提示词 - 防止手部崩坏
Bad-Hands-5
https://www.liblib.art/modelinfo/eafbd93338474dcea0d7432b6229dea9
bad-hands-5,BadHandsV5
负向提示词 - 通用型提升画面质量
EasyNegativeV2
https://www.liblib.art/modelinfo/1bfae4494f3549ce8125021f3f9307ae
EasyNegativeV2
负向提示词 - 动漫类提升画面质量
坏图修复bad-picturenegativeembeddingforChilloutMix
https://www.liblib.art/modelinfo/bc840f95f5f88d8f5bd3d2598616ca56
bad-picture-chill-75v,bad-picturenegativeembeddingforChilloutMix_75VectorVersion
负向提示词 - 通用型提升画面质量
FastNegativeV2
https://www.liblib.art/modelinfo/5c10feaad1994bf2ae2ea1332bc6ac35
FastNegativeV2
负向提示词 - 动漫类提升画面质量
bad-artist-anime
https://www.liblib.art/modelinfo/f0377e81350e49a98b40a57865070de4
bad-artist-anime
负向提示词 - 通用型提升画面质量
bad_prompt Negative Embedding
https://www.liblib.art/modelinfo/a84f2a2bcc38445482d095594873e118
bad_prompt_version2,bad_prompt_version2-neg

负向提示词 - 通用型提升画面质量
美女BadDream + UnrealisticDream (Negative Embeddings)
https://www.liblib.art/modelinfo/5ca778dac416e05b0bd0e98a0f4b82db
BadDream
4.4 VAE
基础算法类型
模型版本名称
模型版本UUID
通用
Automatic
传空值
基础算法 1.5
vae-ft-mse-840000-ema-pruned.safetensors
2c1a337416e029dd65ab58784e8a4763
基础算法 1.5
klF8Anime2VAE_klF8Anime2VAE.ckpt
d4a03b32d8d59552194a9453297180c1
基础算法 1.5
color101VAE_v1.pt
d9be20ad5a7195ff0d97925e5afc7912
基础算法 1.5
cute vae.safetensors
88ae7501f5194e691a1dc32d6f7c6f1a
基础算法 1.5
ClearVAE_V2.3.safetensors
73f6e055eade7a85bda2856421d786fe
基础算法 1.5
difconsistencyRAWVAE_v10.pt
5e93d0d2a64143a9d28988e75f28cb29
基础算法 XL
sd_xl_vae_1.0
3cefd3e4af2b8effb230b960da41a980
4.5 采样方法
采样方法名称
枚举值
推荐度
Euler a
0
⭐⭐⭐⭐⭐
Euler
1
⭐⭐⭐
LMS
2
⭐⭐⭐
HEUN
3
⭐⭐⭐
DPM2
4
⭐⭐⭐
DPM2 a
5
⭐⭐⭐
DPM++ 2S a
6
⭐⭐⭐
DPM++ 2M
7
⭐⭐⭐
DPM++ SDE
8
⭐⭐⭐
DPM++ FAST
9
⭐⭐⭐
DPM++ Adaptive
10
⭐⭐⭐⭐
LMS Karras
11
⭐⭐⭐
DPM2 Karras
12
⭐⭐⭐
DPM2 a Karras
13
⭐⭐⭐
DPM++ 2S a
14
⭐⭐⭐
DPM++ 2M Karras
15
⭐⭐⭐⭐⭐
DPM++ SDE Karras
16
⭐⭐⭐⭐⭐
DDIM
17
⭐⭐⭐
PLMS
18
⭐⭐⭐
UNIPC
19
⭐⭐⭐
DPM++ 2M SDE Karras
20
⭐⭐⭐⭐⭐
DPM++ 2M SDE EXPONENTIAL
21
⭐⭐⭐⭐
DPM++ 2M SDE Heun Karras
24
⭐⭐⭐
DPM++ 2M SDE Heun Exponential
25
⭐⭐⭐
DPM++ 3M SDE Karras
27
⭐⭐⭐⭐
DPM++ 3M SDE Exponential
28
⭐⭐⭐⭐
Restart
29
⭐⭐⭐
LCM
30
⭐⭐⭐
4.6 放大算法模型
模型名称
模型枚举值
原理简介
适用方向
缺点
推荐度
Latent
0
传统放大
低分辨率图像的适度放大，对原图保留度高
Latent系列普遍细节恢复能力弱，可能出现锯齿状边缘。使用Latent放大时，建议重绘幅度 > 0.5，否则图像可能是模糊的。
⭐⭐⭐
Latent (antialiased)
1
在 Latent 的基础上增加了抗锯齿处理，适合需要平滑边缘的图像。
低分辨率图像的适度放大，对原图保留度高
Latent系列普遍细节恢复能力弱，可能出现锯齿状边缘。使用Latent放大时，建议重绘幅度 > 0.5，否则图像可能是模糊的。
⭐⭐
Latent (bicubic)
2
使用双三次插值算法，适合需要较高质量放大的图像。
低分辨率图像的适度放大，对原图保留度高
Latent系列普遍细节恢复能力弱，可能出现锯齿状边缘。使用Latent放大时，建议重绘幅度 > 0.5，否则图像可能是模糊的。
⭐⭐
Latent (bicubic antialiased)
3
结合双三次插值和抗锯齿，适合高质量且平滑的图像放大。
低分辨率图像的适度放大，对原图保留度高
Latent系列普遍细节恢复能力弱，可能出现锯齿状边缘。使用Latent放大时，建议重绘幅度 > 0.5，否则图像可能是模糊的。
⭐⭐
Latent (nearest)
4
使用最近邻插值，速度快但质量较低，适合简单图形。
低分辨率图像的适度放大，对原图保留度高
Latent系列普遍细节恢复能力弱，可能出现锯齿状边缘。使用Latent放大时，建议重绘幅度 > 0.5，否则图像可能是模糊的。
⭐⭐
Latent (nearest-exact)
5
使用精确的最近邻插值算法，适合需要保留原始像素的图像。
低分辨率图像的适度放大，对原图保留度高
Latent系列普遍细节恢复能力弱，可能出现锯齿状边缘。使用Latent放大时，建议重绘幅度 > 0.5，否则图像可能是模糊的。
⭐⭐
Lanczos
6
一种高质量的插值算法，适合需要高保真度的图像放大，尤其在细节丰富的图像中表现良好。
高细节图像（如风景、建筑）的放大，能够很好地保留图像细节和清晰度。
对原图质量要求较高，处理速度可能较慢。这种算法适用于升级分辨率较低的图像、文档或照片，以获得更高质量、更清晰的图像。对原图没有任何优化，仅仅只是放大像素
⭐⭐⭐

Nearest
7
最近邻插值，简单快速，适合低质量图像放大，通常用于图形和图标。
这种算法通常适用于对速度需求较高而不需要过多细节的场景下。适合低清晰度图像的放大。
可能会造成图像边缘模糊、细节丢失或图像瑕疵等。
⭐⭐⭐
ESRGAN_4x
8
基于增强型超分辨率生成对抗网络，适合高质量图像放大，尤其在细节和纹理复原方面表现突出。
GAN系列普遍能够有效恢复图像中的细节，适合图像细节的补充。
计算复杂度高，处理速度较慢。
⭐⭐⭐⭐
LDSR
9
基于深度学习的超分辨率算法，适合需要处理复杂细节的图像。
能够有效恢复细节和纹理，生成的图像通常质量较高。适用于对 CT、MRI 等医学图像进行重建和处理
计算复杂度高，处理速度较慢。
⭐⭐⭐
R-ESRGAN_4x+
10
改进版的 ESRGAN，适合高质量放大，特别是在图像细节和清晰度方面。
主要用于增强细节和保留更多纹理信息，对写实的图片和照片最合适，比较全能。
动漫场景会略逊一筹
⭐⭐⭐⭐⭐
R-ESRGAN_4x+ Anime6B
11
针对动漫图像优化的 R-ESRGAN，适合动漫风格的图像放大。
专门针对动漫风格优化，能保持色彩鲜艳和边缘清晰。
可能对现实图像效果不佳。
⭐⭐⭐⭐⭐
ScuNET GAN
12
ScuNET GAN 是基于生成对抗网络的超分辨率方法
适用于对比较复杂、高精度的图像超分辨率场景
在处理复杂纹理或图案时，可能影响最终图像的真实感。
⭐⭐⭐
ScuNET PSNR
13
相较于ScuNET GAN，PSNR 版本则更注重图像质量。
在自然、艺术、人像等需要保持色彩的鲜艳度和细节完整性的领域表现突出。
在处理复杂纹理或图案时，可能影响最终图像的真实感。
⭐⭐⭐
SwinIR_4x
14
基于 Swin Transformer 的超分辨率方法，适合复杂场景的图像放大。
适合低清晰度图片的增强，以及高细节图像（如风景、建筑）的放大，能够很好地保留图像细节和清晰度，适用于厚涂插画。
可能会过度增强，生成伪影，影响图像的真实感和视觉质量。
⭐⭐⭐
4x-UltraSharp
15
专注于图像锐化的超分辨率算法，适合需要增强边缘和细节的图像。
适合增强图像边缘和细节。
对原图质量要求较高，不适合低清图片的放大。
⭐⭐⭐⭐⭐
8x-NMKD-Superscale
16
该算法专注于高倍放大（8倍），可以有效提升图像分辨率。
采用深度学习技术来增强图像细节和纹理，能够处理复杂的图像内容。
高倍放大算法，适合需要极高分辨率的图像。拥有了更真实的处理细节，不仅仅只追求把人物还原得光滑好看，它还增加了很多噪点和毛孔细节，让人物看起来更加真实可信，并且因为训练集中含有大量的胶片摄影素材，因此很适合真实人像的放大。色调相对偏冷一些。

对原图质量要求较高，不适合低清图片的放大。

⭐⭐⭐⭐⭐
4x_NMKD-Siax_200k
17
该算法为4倍放大，基于特定的数据集（200k）进行训练，优化了在该数据集上的表现。
侧重于图像的细节恢复，尤其在处理低质量图像时表现良好。
适合于需要中等放大的图像，尤其是那些在特定领域（如医学图像、卫星图像）中应用。
对原图质量要求较高，不适合低清图片的放大。
⭐⭐⭐⭐
4x_NMKD-Superscale-SP_178000_G
18
同样为4倍放大，基于不同的数据集（178000）进行训练，具有不同的优化目标。
可能在特定类型的图像上表现更好，尤其是在处理特定风格或特征的图像时。
适合对图像质量有较高要求的应用，特别是在需要保持图像特征的情况下。
对原图质量要求较高，不适合低清图片的放大。

⭐⭐⭐⭐
4x-AnimeSharp
19
针对动漫图像的锐化和放大算法，适合动漫风格图像。
专门针对动漫风格优化，能保持色彩鲜艳和边缘清晰。
可能对现实图像效果不佳。
⭐⭐⭐⭐⭐
4x_foolhardy_Remacri
20
强调细节恢复的放大算法，适合需要高细节保留的图像。
强调细节恢复，能改善模糊效果。
处理时间较长，且效果依赖于原始图像质量。
⭐⭐⭐
BSRGAN
21
基于对抗学习的超分辨率方法，适合高质量图像放大。
能够有效恢复压缩图像中的细节。
对原图质量要求较高，不适合低清图片的放大。
⭐⭐⭐
DAT 2
22
主要用于图像解压和放大，适合需要处理压缩图像的场景。DAT2, DAT3和DAT4是基于不同版本的深度学习超分辨率算法，通常针对不同的应用场景和数据集进行优化。
强调细节恢复，能改善模糊效果。DAT2的放大质量是3款中最佳的。
处理时间较长，且效果依赖于原始图像质量。
⭐⭐⭐⭐⭐
DAT 3
23
主要用于图像解压和放大，适合需要处理压缩图像的场景。
强调细节恢复，能改善模糊效果。
处理时间较长，且效果依赖于原始图像质量。
⭐⭐⭐
DAT 4
24
主要用于图像解压和放大，适合需要处理压缩图像的场景。
强调细节恢复，能改善模糊效果。DAT4是3款中最快的。
处理时间较长，且效果依赖于原始图像质量。
⭐⭐⭐
4x-DeCompress
25
主要用于图像解压和放大，适合需要处理压缩图像的场景。
适合材质效果的增强
对原图质量要求较高，不适合低清图片的放大。
⭐⭐⭐⭐
4x-DeCompress Strong
26
主要用于图像解压和放大，适合需要处理压缩图像的场景。
适合材质效果的增强
对原图质量要求较高，不适合低清图片的放大。
⭐⭐⭐⭐⭐

生图示例完整demo
我们提供了以下Python脚本用于参考，演示了从发起生图任务到查询生图结果的调用流程，提供了以下接口的使用：
星流Star-3 Alpha文生图
星流Star-3 Alpha图生图
LiblibAI自定义模型文生图
LiblibAI自定义模型图生图
查询生图结果

文生图示例：（含Star-3 Alpha和自定义模型）
暂时无法在飞书文档外展示此内容
图生图示例：（含简易模式和进阶模式）
暂时无法在飞书文档外展示此内容

错误码汇总
错误码
错误信息
备注
401
签名验证失败
/
403
访问拒绝
访问拒绝场景包括：
用户没有开通API商业化权益
用户当前购买的会员等级无权限执行此操作
429
请求太多，请稍后重试
QPS超限，发起生图任务接口QPS限制1秒1次
100000
参数无效
通用参数校验失败
100010
AccessKey过期
API商业化权益已过期
100020
用户不存在
/
100021
用户积分不足
/
100030
图片地址无法访问，或大小超出限制
目前图片大小不能大于10M
100031
图片包含违规内容
图片地址无效、无法下载或图片过大
100032
图片下载失败
/
100050
生图参数未通过参数完整度校验，请检查参数配置
检查模板和checkpoint和lora的匹配关系
100051
生图任务不存在
/
100052
提示词中包含敏感内容，请修改
包括prompt、negativePrompt等提示词参数中包含敏感内容
100053
当前使用的模型不在提供的模型列表内，请检查
请从平台提供的Checkpoint、LoRA、VAE、Controlnet列表中选择
100054
当前进行中任务数量已达到并发任务上限
/
100120
参数模板不存在
传的模板uuid有问题，找不到对应模板
200000
内部服务错误
具体错误包括：
图片上传失败
LiblibAI官网系统维护
200001
模型不存在

210000
调用外部服务失败，请重试

彩蛋
一些AI生图小tips，祝大家玩得愉快～一些AI生图小tips