Neidio i'r cynnwys

Stable Audio 3 · Medium · Text to Audio

Integreiddio

ID y model 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"

Y cais hwn: $0.038 38 o gredydau API Ei redeg ar y dudalen hon

Cael allwedd API
Stability AI Sain 1–380 s #music#audio#stereo

Testun-i-sain Medium distylliedig gyda rhagosodiad cyflym o 8 cam, clipiau hyd at 380 eiliad

Stability AI · Sain

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

Testun sy'n pennu cynnwys sain dymunol.

rhagosodedig 30

Hyd sain mewn eiliadau, gyda'r model canolig yn uchafswm o 380 eiliad (tua 6 munud 20 eiliad).

Uwch negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · seed · enable_prompt_expansion · enable_safety_checker
rhagosodedig

Testun sy'n pennu rhinweddau annymunol yn yr allbwn.

output_format rhagosodedig mp3

Fformat cynhwysydd a ddefnyddir ar gyfer y sain sy'n deillio.

rhagosodedig 192k

Bitrate sain allbwn, wedi'i anwybyddu wrth ddefnyddio wav neu flac oherwydd eu bod yn ddi-golled. Ar gyfer fformatau cywasgedig fel mp3, aac neu opus, darparwch werth ar ffurf '192k' neu '320k'.

rhagosodedig 8

Cyfrif iteriadau samplu, gyda 8 yn rhagosodedig oherwydd bod pwyntiau gwirio distylliedig, wedi'u hyfforddi ar ôl hynny, eisoes yn cyflawni ansawdd da yno; ychydig o fudd a gaiff ei gynnig gan iteriadau ychwanegol.

rhagosodedig 1

Cryfder canllawiau di-ddosbarth ar gyfer pwyntiau gwirio sylfaen yn unig; nid yw pwyntiau gwirio distylliedig yn cael eu heffeithio. Ar bwyntiau gwirio perthnasol, mae ei gynyddu'n tynhau cydymffurfiaeth â'r anogiad.

Hadau generadur ar hap ar gyfer canlyniadau ailadroddadwy; mae ei adael allan yn dewis hadau ar hap.

POST /run/stable-audio-3/medium/text-to-audio?wait=20 dyfynbris → $0.038
# 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"

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 · Medium · Text to Audio

Yn creu sain o `prompt` testun, gyda `negative_prompt` dewisol. Mae’r amrywiad hwn a hyfforddwyd wedi’i osod i 8 cam samplu fel rhagosodiad ac ychydig o fudd a geir o ragor, tra bod graddfa arweiniad yn rhagosodedig i 1 gan mai dim ond ar checkpointiau sylfaenol y mae’n cael effaith. Mae `duration` yn rhedeg o 1 i 380 eiliad. Dewiswch allbwn mp3, wav, flac, ogg, opus, m4a neu aac.

Paramedrau

EnwMath RhagosodedigCaniateir Disgrifiad
negative_promptdewisol
Mathstring
Rhagosodedig
Testun sy'n pennu rhinweddau annymunol yn yr allbwn.
durationdewisol
Mathnumber
Rhagosodedig30
1 – 380
Hyd sain mewn eiliadau, gyda'r model canolig yn uchafswm o 380 eiliad (tua 6 munud 20 eiliad).
num_inference_stepsdewisol
Mathinteger
Rhagosodedig8
1 – 100
Cyfrif iteriadau samplu, gyda 8 yn rhagosodedig oherwydd bod pwyntiau gwirio distylliedig, wedi'u hyfforddi ar ôl hynny, eisoes yn cyflawni ansawdd da yno; ychydig o fudd a gaiff ei gynnig gan iteriadau ychwanegol.
guidance_scaledewisol
Mathnumber
Rhagosodedig1
0 – 25
Cryfder canllawiau di-ddosbarth ar gyfer pwyntiau gwirio sylfaen yn unig; nid yw pwyntiau gwirio distylliedig yn cael eu heffeithio. Ar bwyntiau gwirio perthnasol, mae ei gynyddu'n tynhau cydymffurfiaeth â'r anogiad.
seeddewisol
Mathinteger | null
Hadau generadur ar hap ar gyfer canlyniadau ailadroddadwy; mae ei adael allan yn dewis hadau ar hap.
enable_prompt_expansiondewisol
Mathboolean
Rhagosodedigfalse
Ehangu anogiad gan ddefnyddio LLM pan gaiff ei alluogi, gan ychwanegu manylion a gwella ansawdd y canlyniad.
enable_safety_checkerdewisol
Mathboolean
Rhagosodedigtrue
Gwirio diogelwch ar gyfer cynnwys NSFW.
output_formatdewisol
Mathenum
Rhagosodedigmp3
mp3wavflacoggopusm4aaac
Fformat cynhwysydd a ddefnyddir ar gyfer y sain sy'n deillio.
bitratedewisol
Mathstring
Rhagosodedig192k
Bitrate sain allbwn, wedi'i anwybyddu wrth ddefnyddio wav neu flac oherwydd eu bod yn ddi-golled. Ar gyfer fformatau cywasgedig fel mp3, aac neu opus, darparwch werth ar ffurf '192k' neu '320k'.
promptgofynnol
Mathstring
Testun sy'n pennu cynnwys sain dymunol.
gofynnol

Allbwn

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"
  }
}
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
audio
object {url, content_type, file_name, file_size}Clip sain a gynhyrchwyd.
seed
integerHadau a reolodd haprwydd yn ystod cynhyrchu.
prompt
stringAnogiad a ddefnyddiwyd i gynhyrchu'r allbwn.

Mwy o fodelau: Sain

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