Μετάβαση στο περιεχόμενο

Stable Audio 3 Medium Base Text to Audio

Ενσωμάτωση

id μοντέλου stable-audio-3/medium/base/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/base/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"

Αυτό το αίτημα: 0,048 $ 48 πιστώσεις API Εκτέλεση σε αυτήν τη σελίδα

Λήψη κλειδιού API
Stability AI Ήχος 1–380 s #music#audio#stereo

Text-to-audio Medium από βασικό σημείο ελέγχου για ροές μικρορύθμισης, κλιπ έως 380 δευτερόλεπτα

Stability AI · Ήχος

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

Κείμενο που προσδιορίζει το επιθυμητό περιεχόμενο ήχου.

προεπιλογή 30

Μήκος ήχου σε δευτερόλεπτα, με μέγιστο 380 δευτερόλεπτα για το medium-model (περίπου 6 λεπτά 20 δευτερόλεπτα).

Για προχωρημένους negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · seed · enable_prompt_expansion · enable_safety_checker
προεπιλογή

Κείμενο που προσδιορίζει ανεπιθύμητες ιδιότητες στην έξοδο.

output_format προεπιλογή mp3

Μορφή container που χρησιμοποιείται για τον παραγόμενο ήχο.

προεπιλογή 192k

Bitrate ήχου εξόδου, το οποίο αγνοείται με wav ή flac επειδή είναι χωρίς απώλειες. Για συμπιεσμένες μορφές όπως mp3, aac ή opus, δώστε τιμή με τη μορφή '192k' ή '320k'.

προεπιλογή 50

Επιλέξτε πόσα βήματα δειγματοληψίας θα εκτελεστούν· περίπου 50 προσφέρουν καλή ποιότητα με βασικά (μη distilled) checkpoints.

προεπιλογή 7

Ισχύς classifier-free guidance, για την οποία συνιστάται αρχικά περίπου 7.0 στα βασικά checkpoints· η αύξησή της κάνει την παραγωγή να ακολουθεί πιο πιστά το prompt.

Seed τυχαίας γεννήτριας για επαναλήψιμα αποτελέσματα· αν παραλειφθεί, επιλέγεται τυχαίο seed.

POST /run/stable-audio-3/medium/base/text-to-audio?wait=20 προσφορά → 0,048 $
# 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/base/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"

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 Medium Base Text to Audio

Παράγει ήχο από κείμενο `prompt`, με προαιρετικό `negative_prompt` για απομάκρυνση από ανεπιθύμητες ιδιότητες. Το `duration` κυμαίνεται από 1 έως 380 δευτερόλεπτα. Ως μη αποσταγμένο βασικό σημείο ελέγχου έχει προεπιλογή 50 βημάτων δειγματοληψίας και κλίμακα καθοδήγησης 7, ενώ γίνεται δεκτή καθοδήγηση έως 25. Οι μορφές εξόδου περιλαμβάνουν mp3, wav, flac, ogg, opus, m4a και aac.

Παράμετροι

ΌνομαΤύπος ΠροεπιλογήΕπιτρεπόμενο Περιγραφή
negative_promptπροαιρετικό
Τύποςstring
Προεπιλογή
Κείμενο που προσδιορίζει ανεπιθύμητες ιδιότητες στην έξοδο.
durationπροαιρετικό
Τύποςnumber
Προεπιλογή30
1 – 380
Μήκος ήχου σε δευτερόλεπτα, με μέγιστο 380 δευτερόλεπτα για το medium-model (περίπου 6 λεπτά 20 δευτερόλεπτα).
num_inference_stepsπροαιρετικό
Τύποςinteger
Προεπιλογή50
1 – 100
Επιλέξτε πόσα βήματα δειγματοληψίας θα εκτελεστούν· περίπου 50 προσφέρουν καλή ποιότητα με βασικά (μη distilled) checkpoints.
guidance_scaleπροαιρετικό
Τύποςnumber
Προεπιλογή7
0 – 25
Ισχύς classifier-free guidance, για την οποία συνιστάται αρχικά περίπου 7.0 στα βασικά checkpoints· η αύξησή της κάνει την παραγωγή να ακολουθεί πιο πιστά το prompt.
seedπροαιρετικό
Τύποςinteger | null
Seed τυχαίας γεννήτριας για επαναλήψιμα αποτελέσματα· αν παραλειφθεί, επιλέγεται τυχαίο seed.
enable_prompt_expansionπροαιρετικό
Τύποςboolean
Προεπιλογήfalse
Επέκταση prompt με LLM όταν είναι ενεργοποιημένη, προσθέτοντας λεπτομέρειες και βελτιώνοντας την ποιότητα αποτελέσματος.
enable_safety_checkerπροαιρετικό
Τύποςboolean
Προεπιλογήtrue
Έλεγχος ασφάλειας για περιεχόμενο NSFW.
output_formatπροαιρετικό
Τύποςenum
Προεπιλογήmp3
mp3wavflacoggopusm4aaac
Μορφή container που χρησιμοποιείται για τον παραγόμενο ήχο.
bitrateπροαιρετικό
Τύποςstring
Προεπιλογή192k
Bitrate ήχου εξόδου, το οποίο αγνοείται με wav ή flac επειδή είναι χωρίς απώλειες. Για συμπιεσμένες μορφές όπως mp3, aac ή opus, δώστε τιμή με τη μορφή '192k' ή '320k'.
promptαπαιτείται
Τύποςstring
Κείμενο που προσδιορίζει το επιθυμητό περιεχόμενο ήχου.
απαιτείται

Έξοδος

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "stable-audio-3/medium/base/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": 48,
    "usd": "0.048",
    "charged": 48,
    "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"
  }
}
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
audio
object {url, content_type, file_name, file_size}Απόσπασμα ήχου που παράγεται από την παραγωγή.
seed
integerSeed που ελέγχει την τυχαιότητα κατά την παραγωγή.
prompt
stringPrompt που χρησιμοποιήθηκε για την παραγωγή της εξόδου.

Περισσότερα μοντέλα: Ήχος

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