Μετάβαση στο περιεχόμενο

Stable Audio 3 Trainer

Ενσωμάτωση

id μοντέλου 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"

Αρχεία όπως το παράδειγμα: 3,00 $ 3.000 πιστώσεις API τα αρχεία σας μετρώνται πριν από την εκτέλεση Εκτέλεση σε αυτήν τη σελίδα

Λήψη κλειδιού API
Stability AI Εκπαίδευση 1–380 s #music#audio#sfx#lora

Εκπαιδεύει ένα LoRA στο Stable Audio 3 από ένα zip ηχητικών αποσπασμάτων με αντίστοιχες λεζάντες κειμένου

Stability AI · Αρχείο

Το πρώτο σας αποτέλεσμα θα εμφανιστεί εδώ

Δημιουργήστε ένα αίτημα παρακάτω και εκτελέστε το με το κλειδί API σας. Οι έξοδοι αντιγράφονται στην αποθήκευσή μας και διατηρούνται για πάντα ή 7 ημέρες δωρεάν.

Δημιουργία αιτήματος

Τα στοιχεία ελέγχου δημιουργούνται από το σχήμα του μοντέλου. Ο κώδικας και η τιμή ενημερώνονται καθώς τα αλλάζετε.

•απαιτείται

URL zip συνόλου δεδομένων, με κάθε ζεύγος ήχου/λεζάντας αποθηκευμένο μαζί με αντίστοιχα βασικά ονόματα: για παράδειγμα, το `clip.wav` αντιστοιχεί στο `clip.txt`. Οι λεζάντες πρέπει να χρησιμοποιούν την επέκταση `.txt`.

προεπιλογή 1000

Αριθμός βημάτων για εκπαίδευση LoRA.

Διάρκεια περικοπής/συμπλήρωσης σε δευτερόλεπτα, περιορισμένη πάντα από το εγγενές μήκος εκπαίδευσης του επιλεγμένου μοντέλου. Δώστε μήκος ή παραλείψτε το για χρήση του μεγαλύτερου αποσπάσματος που εντοπίζεται στο σύνολο δεδομένων, με την επιφύλαξη αυτού του ορίου.

προεπιλογή 1

Μέγεθος δέσμης που χρησιμοποιείται κατά την εκπαίδευση.

Για προχωρημένους model · base_precision · adapter_type · lora_checkpoint_url · learning_rate · rank · seed · pre_encode · include · exclude
model προεπιλογή medium-base

Βασικό checkpoint για fine-tuning του Stable Audio 3.

base_precision προεπιλογή bf16

Ακρίβεια που χρησιμοποιείται από τα παγωμένα βασικά βάρη· οι παράμετροι LoRA παραμένουν fp32.

προεπιλογή dora-rows

Οικογένεια προσαρμογέα που χρησιμοποιείται για εκπαίδευση LoRA.

Προαιρετικό URL ενός checkpoint LoRA `.safetensors` από το οποίο θα συνεχιστεί η εκπαίδευση.

προεπιλογή 0.0001

Ρυθμός μάθησης που εφαρμόζει το AdamW στις παραμέτρους LoRA.

προεπιλογή 16

Rank του προσαρμογέα LoRA.

προεπιλογή 42

Seed τυχαιοποίησης.

Υποσυμβολοσειρές ονομάτων μονάδων που περιορίζουν πού προστίθεται το LoRA: το λαμβάνουν μόνο οι μονάδες που ταιριάζουν.

Υποσυμβολοσειρές ονομάτων που χρησιμοποιούνται για εξαίρεση μονάδων που ταιριάζουν.

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

Εκτέλεση αυτού του αιτήματος

Το κλειδί σας παραμένει σε αυτό το πρόγραμμα περιήγησης: αποστέλλεται μόνο στο Doitong API και αποθηκεύεται (localStorage) μόνο αν ενεργοποιήσετε την επιλογή «Να απομνημονεύεται». Λήψη κλειδιού API

Σχετικά με το Stable Audio 3 Trainer

Κάνει μικρορύθμιση ενός βασικού σημείου ελέγχου (medium-base, small-music-base ή small-sfx-base) σε zip `audio_data_url`, όπου κάθε αρχείο ήχου έχει μια ομώνυμη λεζάντα `.txt`. Μπορείτε να ρυθμίσετε τα `number_of_steps` (έως 20000), `learning_rate`, `rank` (1 έως 256), `adapter_type` και `batch_size` ή να συνεχίσετε από σημείο ελέγχου `.safetensors`. Επιστρέφει βάρη LoRA και αρχείο config.

Παράμετροι

ΌνομαΤύπος ΠροεπιλογήΕπιτρεπόμενο Περιγραφή
audio_data_urlαπαιτείται
Τύποςstring
URL zip συνόλου δεδομένων, με κάθε ζεύγος ήχου/λεζάντας αποθηκευμένο μαζί με αντίστοιχα βασικά ονόματα: για παράδειγμα, το `clip.wav` αντιστοιχεί στο `clip.txt`. Οι λεζάντες πρέπει να χρησιμοποιούν την επέκταση `.txt`.
modelπροαιρετικό
Τύποςenum
Προεπιλογήmedium-base
medium-basesmall-music-basesmall-sfx-base
Βασικό checkpoint για fine-tuning του Stable Audio 3.
number_of_stepsπροαιρετικό
Τύποςinteger
Προεπιλογή1000
1 – 20.000
Αριθμός βημάτων για εκπαίδευση LoRA.
learning_rateπροαιρετικό
Τύποςnumber
Προεπιλογή0.0001
≤ 0,01> 0
Ρυθμός μάθησης που εφαρμόζει το AdamW στις παραμέτρους LoRA.
rankπροαιρετικό
Τύποςinteger
Προεπιλογή16
1 – 256
Rank του προσαρμογέα LoRA.
adapter_typeπροαιρετικό
Τύποςenum
Προεπιλογήdora-rows
loradoradora-rowsdora-colsboralora-xsdora-rows-xsdora-cols-xsbora-xs
Οικογένεια προσαρμογέα που χρησιμοποιείται για εκπαίδευση LoRA.
durationπροαιρετικό
Τύποςnumber | null
1 – 380
Διάρκεια περικοπής/συμπλήρωσης σε δευτερόλεπτα, περιορισμένη πάντα από το εγγενές μήκος εκπαίδευσης του επιλεγμένου μοντέλου. Δώστε μήκος ή παραλείψτε το για χρήση του μεγαλύτερου αποσπάσματος που εντοπίζεται στο σύνολο δεδομένων, με την επιφύλαξη αυτού του ορίου.
batch_sizeπροαιρετικό
Τύποςinteger
Προεπιλογή1
1 – 8
Μέγεθος δέσμης που χρησιμοποιείται κατά την εκπαίδευση.
seedπροαιρετικό
Τύποςinteger
Προεπιλογή42
0 – 2.147.483.647
Seed τυχαιοποίησης.
base_precisionπροαιρετικό
Τύποςenum
Προεπιλογήbf16
bf16bfloat16fp16float16
Ακρίβεια που χρησιμοποιείται από τα παγωμένα βασικά βάρη· οι παράμετροι LoRA παραμένουν fp32.
includeπροαιρετικό
Τύποςstring[]
Υποσυμβολοσειρές ονομάτων μονάδων που περιορίζουν πού προστίθεται το LoRA: το λαμβάνουν μόνο οι μονάδες που ταιριάζουν.
excludeπροαιρετικό
Τύποςstring[]
Υποσυμβολοσειρές ονομάτων που χρησιμοποιούνται για εξαίρεση μονάδων που ταιριάζουν.
lora_checkpoint_urlπροαιρετικό
Τύποςstring | null
Προαιρετικό URL ενός checkpoint LoRA `.safetensors` από το οποίο θα συνεχιστεί η εκπαίδευση.
pre_encodeπροαιρετικό
Τύποςboolean
Προεπιλογήfalse
Προκωδικοποίηση του αρχείου ήχου σε SAME latents πριν από την εκπαίδευση του LoRA.
απαιτείται

Έξοδος

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"
  }
}
Τα αρχεία σας, η επιλογή σαςΚάθε outputs[].url είναι ένα αντίγραφο στην αποθήκευσή μας: διατηρείται για πάντα (χρέωση ανά GB-μήνα) ή 7 ημέρες δωρεάν, σύμφωνα με τη ρύθμιση του λογαριασμού σας ή ?storage=.
Ίδια μορφή σε κάθε μοντέλοtype, url, content_type, width, height και duration, τόσο για εικόνες όσο και για βίντεο και ήχο. Το output είναι το αντικείμενο αποτελέσματος του ίδιου του μοντέλου.
Πεδία εξόδου
lora_file
object {url, content_type, file_name, file_size}Βάρη LoRA που εκπαιδεύτηκαν για το Stable Audio 3.
config_file
object {url, content_type, file_name, file_size}Μεταδεδομένα JSON που περιγράφουν την εκτέλεση εκπαίδευσης και το συμβατό μοντέλο για inference.

Για πράκτορες AI: αυτή η σελίδα σε Markdown βρίσκεται στη διεύθυνση https://doitong.com/el/developers/models/stable-audio-3-trainer.md. Όλα τα μοντέλα και οι οδηγοί: https://doitong.com/developers/llms.txt