কনটেন্টে যান

ACE Step Audio To Audio

ইন্টিগ্রেট করুন

মডেল id ace-step/audio-to-audio
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/ace-step/audio-to-audio?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "original_tags": "lofi, hiphop, drum and bass, trap, chill",
    "tags": "lofi, hiphop, drum and bass, trap, chill"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

উদাহরণের মতো ফাইল: ০.০০২$ ২ API ক্রেডিট চালানোর আগে আপনার ফাইল মাপা হয় এই পেজে চালান

API কী পান
ACE Studio টেক্সট থেকে মিউজিক #audio-to-audio#audio-edit

মূল ও নতুন ট্যাগের নির্দেশনায় বিদ্যমান ট্র্যাক রিমিক্স করে বা এর লিরিক বদলায়

ACE Studio · অডিও

আপনার প্রথম ফলাফল এখানে আসবে

নিচে একটি রিকোয়েস্ট তৈরি করে আপনার API কী দিয়ে চালান। আউটপুট আমাদের স্টোরেজে কপি করা হয়, চিরকাল বা বিনামূল্যে ৭ দিন পর্যন্ত রাখা হয়।

একটি অনুরোধ তৈরি করুন

মডেল স্কিমা থেকে কন্ট্রোল তৈরি করা হয়। এগুলো পরিবর্তন করলে কোড ও মূল্য আপডেট হয়।

•আবশ্যক audio_url
একটি ফাইল ড্রপ করুন, অথবা

আউটপেইন্টিংয়ের জন্য অডিও ফাইলের URL।

•আবশ্যক

অডিও ফাইলের সঙ্গে মূলত যুক্ত ট্যাগ।

•আবশ্যক

কমা দিয়ে পৃথক করা জঁর হিসেবে দেওয়া অডিও স্টাইল ট্যাগ; এগুলো দেওয়ার বিকল্প পদ্ধতি হিসেবে `prompt` ব্যবহার করা যায়।

অ্যাডভান্সড original_lyrics · lyrics · edit_mode · scheduler · guidance_type · number_of_steps · granularity_scale · guidance_interval · guidance_interval_decay · guidance_scale · minimum_guidance_scale · tag_guidance_scale · lyric_guidance_scale · seed · original_seed
ডিফল্ট

অডিও ফাইলের সঙ্গে মূলত যুক্ত লিরিক্স।

ডিফল্ট

গাওয়া লিরিক্স, যেখানে [verse], [chorus] এবং [bridge]-এর মতো কন্ট্রোল ব্যবহার করে গানের অংশগুলো সাজানো হয়। গাওয়া লিরিক্স ছাড়া অডিওর ক্ষেত্রে এই ইনপুট বাদ দিন অথবা শুধু [inst] বা [instrumental] দিন।

edit_mode ডিফল্ট remix

সম্পাদনা মোড: শুধু লিরিক্স পরিবর্তন করা অথবা অডিও রিমিক্স করা।

scheduler ডিফল্ট euler

জেনারেশনের সময় ব্যবহৃত শিডিউলার।

guidance_type ডিফল্ট apg

জেনারেশনের সময় ব্যবহৃত CFG-এর ধরন।

ডিফল্ট 27

অডিও জেনারেশনের সময় ব্যবহৃত ধাপের সংখ্যা।

ডিফল্ট 10

জেনারেশনের সময় প্রয়োগ করা গ্র্যানুলারিটি স্কেল। এটি বাড়ালে আর্টিফ্যাক্ট কমতে পারে।

ডিফল্ট 0.5

গাইডেন্স পাওয়া জেনারেশন শিডিউলের অংশ: 0.5 নির্বাচন করলে এটি 0.25 * infer_steps থেকে 0.75 * infer_steps পর্যন্ত ধাপে সীমাবদ্ধ থাকে, ফলে শুরু ও শেষের অংশ গাইডেন্স ছাড়া থাকে।

ডিফল্ট 0

জেনারেশন ইন্টারভালের মধ্যে গাইডেন্স ডিকেই: 0.0 দিলে ডিকেই নিষ্ক্রিয় থাকে; অন্যথায়, ওই ইন্টারভালজুড়ে স্কেল guidance_scale থেকে min_guidance_scale-এ কমে।

ডিফল্ট 15

জেনারেশনের সময় প্রয়োগ করা গাইডেন্সের স্কেল।

ডিফল্ট 3

জেনারেশনের সময় ডিকেইয়ের পর গাইডেন্স স্কেলের সর্বনিম্ন মান।

ডিফল্ট 5

জেনারেশনের সময় প্রয়োগ করা ট্যাগ গাইডেন্সের স্কেল।

ডিফল্ট 1.5

জেনারেশনের সময় প্রয়োগ করা লিরিক গাইডেন্সের স্কেল।

পুনরুৎপাদনযোগ্য জেনারেশনের জন্য সিড; মান না দিলে এটি এলোমেলোভাবে নির্ধারিত হয়।

অডিও ফাইলের সঙ্গে মূলত যুক্ত সিড।

POST /run/ace-step/audio-to-audio?wait=20 মূল্য → ০.০০২$
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/ace-step/audio-to-audio?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "original_tags": "lofi, hiphop, drum and bass, trap, chill",
    "tags": "lofi, hiphop, drum and bass, trap, chill"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

এই অনুরোধ চালান

আপনার key এই ব্রাউজারেই থাকে: এটি শুধু Doitong API-তে পাঠানো হয় এবং Remember টিক দিলে কেবল localStorage-এ সংরক্ষিত হয়। একটি API কী পান

ACE Step Audio To Audio সম্পর্কে

`audio_url` ও তার `original_tags` থেকে শুরু করে নতুন `tags` প্রয়োগ করে স্টাইল পরিবর্তন করে। `edit_mode` হয় remix, যা সামগ্রিক শব্দ পরিবর্তন করে, অথবা lyrics, যা কেবল গাওয়া অংশ সম্পাদনা করে। `original_lyrics` ও নতুন `lyrics`, এবং জানা থাকলে `original_seed` দেওয়া যায়। ধাপ ও গাইডেন্স প্যারামিটারগুলো এই ফ্যামিলির অন্যান্য মডেলের মতোই।

প্যারামিটার

ক্যানোনিকাল নাম অথবা নেটিভ নাম—দুটো একসঙ্গে নয়—পাঠান। ক্যানোনিকাল নামগুলো

নামধরন ডিফল্টঅনুমোদিত বিবরণ
audio_urlআবশ্যক audio
ধরনurl · audio
আউটপেইন্টিংয়ের জন্য অডিও ফাইলের URL।
edit_modeঐচ্ছিক
ধরনenum
ডিফল্টremix
lyricsremix
সম্পাদনা মোড: শুধু লিরিক্স পরিবর্তন করা অথবা অডিও রিমিক্স করা।
original_tagsআবশ্যক
ধরনstring
অডিও ফাইলের সঙ্গে মূলত যুক্ত ট্যাগ।
original_lyricsঐচ্ছিক
ধরনstring
ডিফল্ট
অডিও ফাইলের সঙ্গে মূলত যুক্ত লিরিক্স।
tagsআবশ্যক
ধরনstring
কমা দিয়ে পৃথক করা জঁর হিসেবে দেওয়া অডিও স্টাইল ট্যাগ; এগুলো দেওয়ার বিকল্প পদ্ধতি হিসেবে `prompt` ব্যবহার করা যায়।
lyricsঐচ্ছিক
ধরনstring
ডিফল্ট
গাওয়া লিরিক্স, যেখানে [verse], [chorus] এবং [bridge]-এর মতো কন্ট্রোল ব্যবহার করে গানের অংশগুলো সাজানো হয়। গাওয়া লিরিক্স ছাড়া অডিওর ক্ষেত্রে এই ইনপুট বাদ দিন অথবা শুধু [inst] বা [instrumental] দিন।
number_of_stepsঐচ্ছিক
ধরনinteger
ডিফল্ট27
৩ – ৬০
অডিও জেনারেশনের সময় ব্যবহৃত ধাপের সংখ্যা।
seedঐচ্ছিক
ধরনinteger | null
পুনরুৎপাদনযোগ্য জেনারেশনের জন্য সিড; মান না দিলে এটি এলোমেলোভাবে নির্ধারিত হয়।
schedulerঐচ্ছিক
ধরনenum
ডিফল্টeuler
eulerheun
জেনারেশনের সময় ব্যবহৃত শিডিউলার।
guidance_typeঐচ্ছিক
ধরনenum
ডিফল্টapg
cfgapgcfg_star
জেনারেশনের সময় ব্যবহৃত CFG-এর ধরন।
granularity_scaleঐচ্ছিক
ধরনinteger
ডিফল্ট10
-১০০ – ১০০
জেনারেশনের সময় প্রয়োগ করা গ্র্যানুলারিটি স্কেল। এটি বাড়ালে আর্টিফ্যাক্ট কমতে পারে।
guidance_intervalঐচ্ছিক
ধরনnumber
ডিফল্ট0.5
০ – ১
গাইডেন্স পাওয়া জেনারেশন শিডিউলের অংশ: 0.5 নির্বাচন করলে এটি 0.25 * infer_steps থেকে 0.75 * infer_steps পর্যন্ত ধাপে সীমাবদ্ধ থাকে, ফলে শুরু ও শেষের অংশ গাইডেন্স ছাড়া থাকে।
guidance_interval_decayঐচ্ছিক
ধরনnumber
ডিফল্ট0
০ – ১
জেনারেশন ইন্টারভালের মধ্যে গাইডেন্স ডিকেই: 0.0 দিলে ডিকেই নিষ্ক্রিয় থাকে; অন্যথায়, ওই ইন্টারভালজুড়ে স্কেল guidance_scale থেকে min_guidance_scale-এ কমে।
guidance_scaleঐচ্ছিক
ধরনnumber
ডিফল্ট15
০ – ২০০
জেনারেশনের সময় প্রয়োগ করা গাইডেন্সের স্কেল।
minimum_guidance_scaleঐচ্ছিক
ধরনnumber
ডিফল্ট3
০ – ২০০
জেনারেশনের সময় ডিকেইয়ের পর গাইডেন্স স্কেলের সর্বনিম্ন মান।
tag_guidance_scaleঐচ্ছিক
ধরনnumber
ডিফল্ট5
০ – ১০
জেনারেশনের সময় প্রয়োগ করা ট্যাগ গাইডেন্সের স্কেল।
lyric_guidance_scaleঐচ্ছিক
ধরনnumber
ডিফল্ট1.5
০ – ১০
জেনারেশনের সময় প্রয়োগ করা লিরিক গাইডেন্সের স্কেল।
original_seedঐচ্ছিক
ধরনinteger | null
অডিও ফাইলের সঙ্গে মূলত যুক্ত সিড।
আবশ্যক ক্যানোনিকাল নাম, এটিও গ্রহণযোগ্য

ফাইল প্যারামিটার হিসেবে একটি পাবলিক https:// URL, 10 MB পর্যন্ত একটি data: URI, অথবা আপলোডের file_url গ্রহণ করা হয়। ফাইল

আউটপুট

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ace-step/audio-to-audio",
  "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": 2,
    "usd": "0.002",
    "charged": 2,
    "refunded": 0
  },
  "input": {
    "tags": "lofi, hiphop, drum and bass, trap, chill",
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "original_tags": "lofi, hiphop, drum and bass, trap, chill"
  },
  "output": {
    "audio": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_name": "0-output.mp3",
      "file_size": 1843200
    },
    "seed": 42,
    "tags": "lofi, hiphop, drum and bass, trap, chill",
    "lyrics": "[inst]"
  },
  "outputs": [
    {
      "type": "audio",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_size": 1843200,
      "duration": 12,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
আপনার ফাইল, আপনার পছন্দপ্রতিটি outputs[].url আমাদের স্টোরেজে একটি কপি: চিরকাল রাখা হয় (প্রতি GB-মাস অনুযায়ী অর্থপ্রদত্ত) অথবা অ্যাকাউন্ট সেটিংস বা ?storage= অনুযায়ী বিনামূল্যে ৭ দিন পর্যন্ত।
প্রতিটি মডেলে একই গঠনছবি, ভিডিও এবং অডিও—সব ক্ষেত্রেই type, url, content_type, width, height এবং duration। output হলো মডেলের নিজস্ব ফলাফল অবজেক্ট।
আউটপুটের ফিল্ড
audio
object {url, content_type, file_name, file_size}জেনারেশনের মাধ্যমে তৈরি অডিও ফাইল।
seed
integerজেনারেশনের সময় ব্যবহৃত এলোমেলো সিড।
tags
stringজেনারেশনের সময় প্রয়োগ করা জঁর ট্যাগ।
lyrics
stringজেনারেশনের সময় প্রয়োগ করা লিরিক্স।

আরও মডেল: টেক্সট থেকে মিউজিক

AI এজেন্টদের জন্য: এই পৃষ্ঠাটি Markdown হিসেবে এখানে আছে https://doitong.com/bn/developers/models/ace-step/audio-to-audio.md. সব মডেল ও গাইড: https://doitong.com/developers/llms.txt