Neidio i'r cynnwys

Stable Audio 3 Trainer

Integreiddio

ID y model 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"

Ffeiliau fel yr enghraifft: $3.00 3,000 o gredydau API caiff eich ffeiliau eu mesur cyn y rhediad Ei redeg ar y dudalen hon

Cael allwedd API
Stability AI Hyfforddi 1–380 s #music#audio#sfx#lora

Yn hyfforddi LoRA ar Stable Audio 3 o archif zip o glipiau sain gyda chapsiynau testun cyfatebol

Stability AI · Ffeil

Mae eich canlyniad cyntaf yn mynd yma

Adeiladwch gais isod a'i redeg gyda'ch allwedd API. Mae allbynnau'n cael eu copïo i'n storio, wedi'u cadw am byth neu am 7 diwrnod am ddim.

Adeiladu cais

Cynhyrchir rheolyddion o sgema'r model. Mae'r cod a'r pris yn diweddaru wrth i chi eu newid.

•gofynnol

URL zip y set ddata, gyda phob pâr sain/capsiwn wedi'i storio gyda'i gilydd o dan enwau sylfaen cyfatebol: mae `clip.wav` yn paru â `clip.txt`, er enghraifft. Rhaid i gapsiynau ddefnyddio'r estyniad `.txt`.

rhagosodedig 1000

Cyfrif camau ar gyfer hyfforddi LoRA.

Hyd cnwd/pad mewn eiliadau, wedi'i gyfyngu ym mhob achos gan hyd hyfforddi brodorol y model a ddewiswyd. Darparwch hyd neu hepgorwch ef i ddefnyddio'r clip hiraf a ganfuwyd yn y set ddata, yn amodol ar y terfyn hwnnw.

rhagosodedig 1

Maint swp a ddefnyddir yn ystod hyfforddi.

Uwch model · base_precision · adapter_type · lora_checkpoint_url · learning_rate · rank · seed · pre_encode · include · exclude
model rhagosodedig medium-base

Pwynt gwirio sylfaenol ar gyfer mireinio Stable Audio 3.

base_precision rhagosodedig bf16

Manylder a ddefnyddir gan bwysoliadau sylfaen wedi'u rhewi; mae paramedrau LoRA yn parhau'n fp32.

rhagosodedig dora-rows

Teulu addasydd a ddefnyddir ar gyfer hyfforddi LoRA.

URL dewisol o bwynt gwirio LoRA `.safetensors` i ailddechrau ohono.

rhagosodedig 0.0001

Cyfradd ddysgu a gymhwysir gan AdamW i baramedrau LoRA.

rhagosodedig 16

Rheng addasydd LoRA.

rhagosodedig 42

Hadau ar gyfer hapnodi.

Is-linynnau enwau modiwlau sy'n cyfyngu ar ble y caiff LoRA ei ychwanegu: dim ond modiwlau cyfatebol sy'n ei dderbyn.

Is-linynnau enwau a ddefnyddir i eithrio modiwlau cyfatebol.

POST /run/stable-audio-3-trainer?wait=20 dyfynbris → $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"

Rhedeg y cais hwn

Mae'ch allwedd yn aros yn y porwr hwn: caiff ei hanfon at Doitong API yn unig a'i chadw (localStorage) dim ond os ticiwch Cofio. Cael allwedd API

Ynglŷn â Stable Audio 3 Trainer

Yn mireinio pwynt gwirio sylfaen (medium-base, small-music-base neu small-sfx-base) ar zip `audio_data_url` lle mae gan bob ffeil sain gapsiwn `.txt` â'r un enw. Gallwch addasu `number_of_steps` (hyd at 20000), `learning_rate`, `rank` (1 i 256), `adapter_type` a `batch_size`, neu barhau o bwynt gwirio `.safetensors`. Yn dychwelyd pwysoliadau LoRA a ffeil ffurfweddiad.

Paramedrau

EnwMath RhagosodedigCaniateir Disgrifiad
audio_data_urlgofynnol
Mathstring
URL zip y set ddata, gyda phob pâr sain/capsiwn wedi'i storio gyda'i gilydd o dan enwau sylfaen cyfatebol: mae `clip.wav` yn paru â `clip.txt`, er enghraifft. Rhaid i gapsiynau ddefnyddio'r estyniad `.txt`.
modeldewisol
Mathenum
Rhagosodedigmedium-base
medium-basesmall-music-basesmall-sfx-base
Pwynt gwirio sylfaenol ar gyfer mireinio Stable Audio 3.
number_of_stepsdewisol
Mathinteger
Rhagosodedig1000
1 – 20,000
Cyfrif camau ar gyfer hyfforddi LoRA.
learning_ratedewisol
Mathnumber
Rhagosodedig0.0001
≤ 0.01> 0
Cyfradd ddysgu a gymhwysir gan AdamW i baramedrau LoRA.
rankdewisol
Mathinteger
Rhagosodedig16
1 – 256
Rheng addasydd LoRA.
adapter_typedewisol
Mathenum
Rhagosodedigdora-rows
loradoradora-rowsdora-colsboralora-xsdora-rows-xsdora-cols-xsbora-xs
Teulu addasydd a ddefnyddir ar gyfer hyfforddi LoRA.
durationdewisol
Mathnumber | null
1 – 380
Hyd cnwd/pad mewn eiliadau, wedi'i gyfyngu ym mhob achos gan hyd hyfforddi brodorol y model a ddewiswyd. Darparwch hyd neu hepgorwch ef i ddefnyddio'r clip hiraf a ganfuwyd yn y set ddata, yn amodol ar y terfyn hwnnw.
batch_sizedewisol
Mathinteger
Rhagosodedig1
1 – 8
Maint swp a ddefnyddir yn ystod hyfforddi.
seeddewisol
Mathinteger
Rhagosodedig42
0 – 2,147,483,647
Hadau ar gyfer hapnodi.
base_precisiondewisol
Mathenum
Rhagosodedigbf16
bf16bfloat16fp16float16
Manylder a ddefnyddir gan bwysoliadau sylfaen wedi'u rhewi; mae paramedrau LoRA yn parhau'n fp32.
includedewisol
Mathstring[]
Is-linynnau enwau modiwlau sy'n cyfyngu ar ble y caiff LoRA ei ychwanegu: dim ond modiwlau cyfatebol sy'n ei dderbyn.
excludedewisol
Mathstring[]
Is-linynnau enwau a ddefnyddir i eithrio modiwlau cyfatebol.
lora_checkpoint_urldewisol
Mathstring | null
URL dewisol o bwynt gwirio LoRA `.safetensors` i ailddechrau ohono.
pre_encodedewisol
Mathboolean
Rhagosodedigfalse
Rhag-amgodio'r archif sain yn latentiadau SAME cyn hyfforddi'r LoRA.
gofynnol

Allbwn

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"
  }
}
Eich ffeiliau, eich dewisMae pob outputs[].url yn gopi ar ein storio: wedi'i gadw am byth (telir fesul GB-mis) neu am 7 diwrnod am ddim, yn ôl gosodiad eich cyfrif neu ?storage=.
Yr un siâp ar bob modeltype, url, content_type, width, height a duration, ar gyfer delweddau, fideo a sain fel ei gilydd. Gwrthrych canlyniad y model ei hun yw output.
Meysydd yr allbwn
lora_file
object {url, content_type, file_name, file_size}Pwysoliadau LoRA a hyfforddwyd ar gyfer Stable Audio 3.
config_file
object {url, content_type, file_name, file_size}Metadata JSON sy'n disgrifio'r rhediad hyfforddi a'r model cydnaws ar gyfer casgliad.

Ar gyfer asiantau AI: mae'r dudalen hon fel Markdown ar gael yn https://doitong.com/cy/developers/models/stable-audio-3-trainer.md. Pob model a chanllaw: https://doitong.com/developers/llms.txt