Μετάβαση στο περιεχόμενο

Stable Audio 3 · Medium · Text to Audio

Ενσωμάτωση

id μοντέλου 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"

Αυτό το αίτημα: 0,038 $ 38 πιστώσεις API Εκτέλεση σε αυτήν τη σελίδα

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

Αποσταγμένο Medium από κείμενο σε ήχο με γρήγορη προεπιλογή 8 βημάτων, 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 8

Αριθμός επαναλήψεων δειγματοληψίας, με προεπιλογή 8, επειδή τα distilled, post-trained checkpoints επιτυγχάνουν ήδη καλή ποιότητα εκεί· οι πρόσθετες επαναλήψεις προσφέρουν μικρό όφελος.

προεπιλογή 1

Ισχύς classifier-free guidance μόνο για βασικά checkpoints· τα distilled checkpoints δεν επηρεάζονται. Στα κατάλληλα checkpoints, η αύξησή της ενισχύει την προσήλωση στο prompt.

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

POST /run/stable-audio-3/medium/text-to-audio?wait=20 προσφορά → 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"

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 · Text to Audio

Δημιουργεί ήχο από κείμενο `prompt`, προαιρετικά με `negative_prompt`. Αυτή η εκδοχή μετά την εκπαίδευση έχει προεπιλογή 8 βημάτων δειγματοληψίας και επωφελείται ελάχιστα από περισσότερα, ενώ η κλίμακα καθοδήγησης έχει προεπιλογή 1 επειδή επηρεάζει μόνο βασικά σημεία ελέγχου. Το `duration` κυμαίνεται από 1 έως 380 δευτερόλεπτα. Επιλέξτε έξοδο mp3, wav, flac, ogg, opus, m4a ή 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
Προεπιλογή8
1 – 100
Αριθμός επαναλήψεων δειγματοληψίας, με προεπιλογή 8, επειδή τα distilled, post-trained checkpoints επιτυγχάνουν ήδη καλή ποιότητα εκεί· οι πρόσθετες επαναλήψεις προσφέρουν μικρό όφελος.
guidance_scaleπροαιρετικό
Τύποςnumber
Προεπιλογή1
0 – 25
Ισχύς classifier-free guidance μόνο για βασικά checkpoints· τα distilled checkpoints δεν επηρεάζονται. Στα κατάλληλα checkpoints, η αύξησή της ενισχύει την προσήλωση στο 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/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"
  }
}
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/text-to-audio.md. Όλα τα μοντέλα και οι οδηγοί: https://doitong.com/developers/llms.txt