Gå til indhold

Stable Audio 3 Trainer

Integrer

Model-id 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"

Filer som eksemplet: 3,00 $ 3.000 API-kreditter dine filer måles før kørslen Kør den på denne side

Hent API-nøgle
Stability AI Træning 1–380 s #music#audio#sfx#lora

Træner en LoRA på Stable Audio 3 fra en zip-fil med lydklip og matchende tekstbeskrivelser

Stability AI · Fil

Dit første resultat kommer her

Opret en anmodning nedenfor, og kør den med din API-nøgle. Output kopieres til vores lagring, gemt for altid eller 7 dage gratis.

Opret en anmodning

Kontrollerne genereres fra modellens skema. Koden og prisen opdateres, når du ændrer dem.

•påkrævet

URL til dataset-zip, hvor hvert lyd-/billedtekstpar er gemt sammen under matchende basenavne: `clip.wav` parres f.eks. med `clip.txt`. Billedtekster skal bruge filtypen `.txt`.

standard 1000

Antal trin i LoRA-træningen.

Varighed for beskæring/polstring i sekunder, i alle tilfælde begrænset af den valgte models oprindelige træningslængde. Angiv en længde, eller udelad den for at bruge det længste klip, der registreres i datasættet, underlagt denne grænse.

standard 1

Batchstørrelse, der bruges under træningen.

Avanceret model · base_precision · adapter_type · lora_checkpoint_url · learning_rate · rank · seed · pre_encode · include · exclude
model standard medium-base

Basiskontrolpunkt til finjustering af Stable Audio 3.

base_precision standard bf16

Præcision, der bruges af de frosne basisvægte; LoRA-parametre forbliver fp32.

standard dora-rows

Adapterfamilie, der bruges til LoRA-træning.

Valgfri URL til et `.safetensors` LoRA-kontrolpunkt, som træningen skal genoptages fra.

standard 0.0001

Læringsrate, som AdamW anvender på LoRA-parametre.

standard 16

Rang for LoRA-adapteren.

standard 42

Seed til randomisering.

Modulnavne-substrenge, der begrænser, hvor LoRA tilføjes: kun matchende moduler modtager den.

Navnesubstrenge, der bruges til at udelukke matchende moduler.

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

Kør denne anmodning

Din nøgle forbliver i denne browser: Den sendes kun til Doitong API og gemmes kun i localStorage, hvis du markerer Husk. Hent en API-nøgle

Om Stable Audio 3 Trainer

Finjusterer et grund-checkpoint (medium-base, small-music-base eller small-sfx-base) på en `audio_data_url`-zip, hvor hver lydfil har en `.txt`-beskrivelse med samme navn. Du kan justere `number_of_steps` (op til 20000), `learning_rate`, `rank` (1 til 256), `adapter_type` og `batch_size` eller fortsætte fra et `.safetensors`-checkpoint. Returnerer LoRA-vægte og en konfigurationsfil.

Parametre

NavnType StandardTilladt Beskrivelse
audio_data_urlpåkrævet
Typestring
URL til dataset-zip, hvor hvert lyd-/billedtekstpar er gemt sammen under matchende basenavne: `clip.wav` parres f.eks. med `clip.txt`. Billedtekster skal bruge filtypen `.txt`.
modelvalgfri
Typeenum
Standardmedium-base
medium-basesmall-music-basesmall-sfx-base
Basiskontrolpunkt til finjustering af Stable Audio 3.
number_of_stepsvalgfri
Typeinteger
Standard1000
1 – 20.000
Antal trin i LoRA-træningen.
learning_ratevalgfri
Typenumber
Standard0.0001
≤ 0,01> 0
Læringsrate, som AdamW anvender på LoRA-parametre.
rankvalgfri
Typeinteger
Standard16
1 – 256
Rang for LoRA-adapteren.
adapter_typevalgfri
Typeenum
Standarddora-rows
loradoradora-rowsdora-colsboralora-xsdora-rows-xsdora-cols-xsbora-xs
Adapterfamilie, der bruges til LoRA-træning.
durationvalgfri
Typenumber | null
1 – 380
Varighed for beskæring/polstring i sekunder, i alle tilfælde begrænset af den valgte models oprindelige træningslængde. Angiv en længde, eller udelad den for at bruge det længste klip, der registreres i datasættet, underlagt denne grænse.
batch_sizevalgfri
Typeinteger
Standard1
1 – 8
Batchstørrelse, der bruges under træningen.
seedvalgfri
Typeinteger
Standard42
0 – 2.147.483.647
Seed til randomisering.
base_precisionvalgfri
Typeenum
Standardbf16
bf16bfloat16fp16float16
Præcision, der bruges af de frosne basisvægte; LoRA-parametre forbliver fp32.
includevalgfri
Typestring[]
Modulnavne-substrenge, der begrænser, hvor LoRA tilføjes: kun matchende moduler modtager den.
excludevalgfri
Typestring[]
Navnesubstrenge, der bruges til at udelukke matchende moduler.
lora_checkpoint_urlvalgfri
Typestring | null
Valgfri URL til et `.safetensors` LoRA-kontrolpunkt, som træningen skal genoptages fra.
pre_encodevalgfri
Typeboolean
Standardfalse
Forudkodning af lydarkivet til SAME-latenter før LoRA-træningen.
påkrævet

Output

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"
  }
}
Dine filer, dit valgHver outputs[].url er en kopi på vores lagring: gemt for altid (betales pr. GB-måned) eller 7 dage gratis, afhængigt af din kontoindstilling eller ?storage=.
Samme struktur for alle modellertype, url, content_type, width, height og duration for billeder, video og lyd. output er modellens eget resultatobjekt.
Outputfelter
lora_file
object {url, content_type, file_name, file_size}LoRA-vægte trænet til Stable Audio 3.
config_file
object {url, content_type, file_name, file_size}JSON-metadata, der beskriver træningskørslen og den kompatible model til inferens.

Til AI-agenter: Denne side som Markdown findes på https://doitong.com/da/developers/models/stable-audio-3-trainer.md. Alle modeller og vejledninger: https://doitong.com/developers/llms.txt