Přejít na obsah

Stable Audio 3 Trainer

Integrace

ID modelu stable-audio-3-trainer
# 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-trainer?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio_data_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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"

Soubory jako v příkladu: 3,00 $ 3 000 kreditů API vaše soubory se před spuštěním změří Spustit na této stránce

Získat API klíč
Stability AI Trénování 1–380 s #music#audio#sfx#lora

Trénuje LoRA pro Stable Audio 3 ze zipu zvukových klipů s odpovídajícími textovými popisky

Stability AI · Soubor

Zde se zobrazí váš první výsledek

Níže sestavte požadavek a spusťte ho pomocí svého API klíče. Výstupy se kopírují do našeho úložiště a uchovávají se navždy nebo 7 dne zdarma.

Sestavit požadavek

Ovládací prvky se generují ze schématu modelu. Kód a cena se aktualizují podle provedených změn.

•povinné

URL adresa zip archivu datasetu, kde je každý pár zvuku/popisu uložen společně pod odpovídajícími základními názvy: například `clip.wav` odpovídá `clip.txt`. Popisy musí používat příponu `.txt`.

výchozí 1000

Počet kroků trénování LoRA.

Délka oříznutí/vyplnění v sekundách, ve všech případech omezená nativní délkou trénování vybraného modelu. Zadejte délku nebo ji vynechte pro použití nejdelšího klipu nalezeného v datasetu, s ohledem na tento limit.

výchozí 1

Velikost dávky použitá během trénování.

Pokročilé model · base_precision · adapter_type · lora_checkpoint_url · learning_rate · rank · seed · pre_encode · include · exclude
model výchozí medium-base

Základní checkpoint pro doladění Stable Audio 3.

base_precision výchozí bf16

Přesnost použitá pro zmrazené základní váhy; parametry LoRA zůstávají fp32.

výchozí dora-rows

Rodina adaptéru použitá pro trénování LoRA.

Volitelná URL adresa checkpointu LoRA `.safetensors`, ze kterého se má pokračovat.

výchozí 0.0001

Rychlost učení použitá algoritmem AdamW pro parametry LoRA.

výchozí 16

Rank adaptéru LoRA.

výchozí 42

Seed pro náhodné generování.

Podřetězce názvů modulů omezující místa přidání LoRA: obdrží ji pouze odpovídající moduly.

Podřetězce názvů použité k vyloučení odpovídajících modulů.

POST /run/stable-audio-3-trainer?wait=20 cena → 3,00 $
# 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-trainer?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio_data_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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"

Spustit tento požadavek

Váš klíč zůstává v tomto prohlížeči: odesílá se pouze do Doitong API a uloží se do localStorage jen tehdy, když zaškrtnete možnost Zapamatovat. Získat klíč API

O modelu Stable Audio 3 Trainer

Doladí základní checkpoint (medium-base, small-music-base nebo small-sfx-base) na zipu `audio_data_url`, kde má každý zvukový soubor stejně pojmenovaný popisek `.txt`. Lze upravit `number_of_steps` (až 20000), `learning_rate`, `rank` (1 až 256), `adapter_type` a `batch_size`, případně pokračovat z checkpointu `.safetensors`. Vrací váhy LoRA a konfigurační soubor.

Parametry

NázevTyp VýchozíPovolené Popis
audio_data_urlpovinné
Typstring
URL adresa zip archivu datasetu, kde je každý pár zvuku/popisu uložen společně pod odpovídajícími základními názvy: například `clip.wav` odpovídá `clip.txt`. Popisy musí používat příponu `.txt`.
modelvolitelné
Typenum
Výchozímedium-base
medium-basesmall-music-basesmall-sfx-base
Základní checkpoint pro doladění Stable Audio 3.
number_of_stepsvolitelné
Typinteger
Výchozí1000
1 – 20 000
Počet kroků trénování LoRA.
learning_ratevolitelné
Typnumber
Výchozí0.0001
≤ 0,01> 0
Rychlost učení použitá algoritmem AdamW pro parametry LoRA.
rankvolitelné
Typinteger
Výchozí16
1 – 256
Rank adaptéru LoRA.
adapter_typevolitelné
Typenum
Výchozídora-rows
loradoradora-rowsdora-colsboralora-xsdora-rows-xsdora-cols-xsbora-xs
Rodina adaptéru použitá pro trénování LoRA.
durationvolitelné
Typnumber | null
1 – 380
Délka oříznutí/vyplnění v sekundách, ve všech případech omezená nativní délkou trénování vybraného modelu. Zadejte délku nebo ji vynechte pro použití nejdelšího klipu nalezeného v datasetu, s ohledem na tento limit.
batch_sizevolitelné
Typinteger
Výchozí1
1 – 8
Velikost dávky použitá během trénování.
seedvolitelné
Typinteger
Výchozí42
0 – 2 147 483 647
Seed pro náhodné generování.
base_precisionvolitelné
Typenum
Výchozíbf16
bf16bfloat16fp16float16
Přesnost použitá pro zmrazené základní váhy; parametry LoRA zůstávají fp32.
includevolitelné
Typstring[]
Podřetězce názvů modulů omezující místa přidání LoRA: obdrží ji pouze odpovídající moduly.
excludevolitelné
Typstring[]
Podřetězce názvů použité k vyloučení odpovídajících modulů.
lora_checkpoint_urlvolitelné
Typstring | null
Volitelná URL adresa checkpointu LoRA `.safetensors`, ze kterého se má pokračovat.
pre_encodevolitelné
Typboolean
Výchozífalse
Předběžné zakódování archivu zvuků do latentních reprezentací SAME před trénováním LoRA.
povinné

Výstup

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "stable-audio-3-trainer",
  "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": 3000,
    "usd": "3.00",
    "charged": 3000,
    "refunded": 0
  },
  "input": {
    "audio_data_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "lora_file": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    },
    "config_file": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "file",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_size": 1843200,
      "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"
  }
}
Vaše soubory, vaše volbaKaždý outputs[].url je kopie v našem úložišti: uchovávaná navždy (zpoplatněná za GB-měsíc) nebo 7 dne zdarma podle nastavení účtu nebo ?storage=.
Stejná struktura u každého modelutype, url, content_type, width, height a duration pro obrázky, video i zvuk. output je vlastní objekt výsledku modelu.
Pole výstupu
lora_file
object {url, content_type, file_name, file_size}Váhy LoRA natrénované pro Stable Audio 3.
config_file
object {url, content_type, file_name, file_size}Metadata JSON popisující trénovací běh a kompatibilní model pro inferenci.

Pro AI agenty: tato stránka je ve formátu Markdown na adrese https://doitong.com/cs/developers/models/stable-audio-3-trainer.md. Všechny modely a návody: https://doitong.com/developers/llms.txt