কনটেন্টে যান

Stable Audio 3 · Medium · Text to Audio

ইন্টিগ্রেট করুন

মডেল id stable-audio-3/medium/text-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/stable-audio-3/medium/text-to-audio?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

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

এই অনুরোধ: ০.০৩৮$ ৩৮ API ক্রেডিট এই পেজে চালান

API কী পান
Stability AI অডিও ১–৩৮০ s #music#audio#stereo

দ্রুত ডিফল্ট 8 ধাপসহ ডিস্টিলড Medium text-to-audio, সর্বোচ্চ 380 সেকেন্ডের ক্লিপ

Stability AI · 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

পছন্দসই অডিও বিষয়বস্তু নির্দিষ্ট করা টেক্সট।

ডিফল্ট 30

সেকেন্ডে অডিওর দৈর্ঘ্য; medium মডেলের সর্বোচ্চ 380 সেকেন্ড (প্রায় 6 মিনিট 20 সেকেন্ড)।

অ্যাডভান্সড negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · seed · enable_prompt_expansion · enable_safety_checker
ডিফল্ট

আউটপুটে অনাকাঙ্ক্ষিত গুণাবলি নির্দিষ্ট করা টেক্সট।

output_format ডিফল্ট mp3

ফলস্বরূপ অডিওতে ব্যবহৃত কনটেইনার ফরম্যাট।

ডিফল্ট 192k

আউটপুট অডিওর বিটরেট; wav বা flac ব্যবহারে উপেক্ষা করা হয়, কারণ এগুলো লসলেস। mp3, aac বা opus-এর মতো সংকুচিত ফরম্যাটে '192k' বা '320k' আকারে একটি মান সরবরাহ করুন।

ডিফল্ট 8

স্যাম্পলিং পুনরাবৃত্তির সংখ্যা, ডিফল্ট 8; কারণ ডিস্টিলড, পোস্ট-ট্রেন করা চেকপয়েন্টগুলো সেখানেই ইতিমধ্যে ভালো মান অর্জন করে। অতিরিক্ত পুনরাবৃত্তিতে সামান্যই সুবিধা হয়।

ডিফল্ট 1

শুধু বেস চেকপয়েন্টের জন্য ক্লাসিফায়ার-ফ্রি গাইডেন্স শক্তি; ডিস্টিলড চেকপয়েন্টে এর প্রভাব নেই। প্রযোজ্য চেকপয়েন্টে এটি বাড়ালে প্রম্পট অনুসরণ আরও কঠোর হয়।

পুনরাবৃত্তিযোগ্য ফলাফলের জন্য র‍্যান্ডম জেনারেটর সিড; বাদ দিলে একটি র‍্যান্ডম সিড নির্বাচন করা হয়।

POST /run/stable-audio-3/medium/text-to-audio?wait=20 মূল্য → ০.০৩৮$
# 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/stable-audio-3/medium/text-to-audio?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.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

Stable Audio 3 · Medium · Text to Audio সম্পর্কে

একটি টেক্সট `prompt` থেকে অডিও তৈরি করে, যেখানে ঐচ্ছিকভাবে `negative_prompt` ব্যবহার করা যায়। এই post-trained ভ্যারিয়েন্টে ডিফল্ট 8টি স্যাম্পলিং ধাপ এবং বেশি ধাপে সামান্যই উন্নতি হয়; গাইডেন্স স্কেলের ডিফল্ট 1, কারণ এটি কেবল বেস চেকপয়েন্টে প্রভাব ফেলে। `duration` 1 থেকে 380 সেকেন্ড পর্যন্ত। mp3, wav, flac, ogg, opus, m4a বা aac আউটপুট বেছে নেওয়া যায়।

প্যারামিটার

নামধরন ডিফল্টঅনুমোদিত বিবরণ
negative_promptঐচ্ছিক
ধরনstring
ডিফল্ট
আউটপুটে অনাকাঙ্ক্ষিত গুণাবলি নির্দিষ্ট করা টেক্সট।
durationঐচ্ছিক
ধরনnumber
ডিফল্ট30
১ – ৩৮০
সেকেন্ডে অডিওর দৈর্ঘ্য; medium মডেলের সর্বোচ্চ 380 সেকেন্ড (প্রায় 6 মিনিট 20 সেকেন্ড)।
num_inference_stepsঐচ্ছিক
ধরনinteger
ডিফল্ট8
১ – ১০০
স্যাম্পলিং পুনরাবৃত্তির সংখ্যা, ডিফল্ট 8; কারণ ডিস্টিলড, পোস্ট-ট্রেন করা চেকপয়েন্টগুলো সেখানেই ইতিমধ্যে ভালো মান অর্জন করে। অতিরিক্ত পুনরাবৃত্তিতে সামান্যই সুবিধা হয়।
guidance_scaleঐচ্ছিক
ধরনnumber
ডিফল্ট1
০ – ২৫
শুধু বেস চেকপয়েন্টের জন্য ক্লাসিফায়ার-ফ্রি গাইডেন্স শক্তি; ডিস্টিলড চেকপয়েন্টে এর প্রভাব নেই। প্রযোজ্য চেকপয়েন্টে এটি বাড়ালে প্রম্পট অনুসরণ আরও কঠোর হয়।
seedঐচ্ছিক
ধরনinteger | null
পুনরাবৃত্তিযোগ্য ফলাফলের জন্য র‍্যান্ডম জেনারেটর সিড; বাদ দিলে একটি র‍্যান্ডম সিড নির্বাচন করা হয়।
enable_prompt_expansionঐচ্ছিক
ধরনboolean
ডিফল্টfalse
সক্রিয় থাকলে LLM ব্যবহার করে প্রম্পট সম্প্রসারণ, যা বিস্তারিত যোগ করে এবং ফলাফলের মান উন্নত করে।
enable_safety_checkerঐচ্ছিক
ধরনboolean
ডিফল্টtrue
NSFW বিষয়বস্তুর নিরাপত্তা যাচাই।
output_formatঐচ্ছিক
ধরনenum
ডিফল্টmp3
mp3wavflacoggopusm4aaac
ফলস্বরূপ অডিওতে ব্যবহৃত কনটেইনার ফরম্যাট।
bitrateঐচ্ছিক
ধরনstring
ডিফল্ট192k
আউটপুট অডিওর বিটরেট; wav বা flac ব্যবহারে উপেক্ষা করা হয়, কারণ এগুলো লসলেস। mp3, aac বা opus-এর মতো সংকুচিত ফরম্যাটে '192k' বা '320k' আকারে একটি মান সরবরাহ করুন।
promptআবশ্যক
ধরনstring
পছন্দসই অডিও বিষয়বস্তু নির্দিষ্ট করা টেক্সট।
আবশ্যক

আউটপুট

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "stable-audio-3/medium/text-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": 38,
    "usd": "0.038",
    "charged": 38,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  },
  "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,
    "prompt": "string"
  },
  "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 ক্লিপ।
seed
integerজেনারেশনের সময় এলোমেলোতা নিয়ন্ত্রণ করা সিড।
prompt
stringআউটপুট জেনারেট করতে ব্যবহৃত প্রম্পট।

আরও মডেল: অডিও

AI এজেন্টদের জন্য: এই পৃষ্ঠাটি Markdown হিসেবে এখানে আছে https://doitong.com/bn/developers/models/stable-audio-3/medium/text-to-audio.md. সব মডেল ও গাইড: https://doitong.com/developers/llms.txt