Ir al contenido

Stable Audio 3 Trainer

Integrar

Id del modelo 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"

Archivos como el ejemplo: 3,00 $ 3000 créditos de API tus archivos se miden antes de la ejecución Ejecutar en esta página

Obtener clave de API
Stability AI Entrenamiento 1–380 s #music#audio#sfx#lora

Entrena una LoRA en Stable Audio 3 a partir de un zip de clips de audio con subtítulos de texto coincidentes

Stability AI · Archivo

Tu primer resultado aparecerá aquí

Crea una solicitud abajo y ejecútala con tu clave de API. Las salidas se copian en nuestro almacenamiento, conservadas para siempre o 7 días gratis.

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan al modificarlos.

•obligatorio

URL del zip del conjunto de datos, con cada par de audio y subtítulo almacenado conjuntamente con nombres base coincidentes: `clip.wav` corresponde a `clip.txt`, por ejemplo. Los subtítulos deben usar la extensión `.txt`.

predeterminado 1000

Número de pasos del entrenamiento de LoRA.

Duración de recorte o relleno en segundos, limitada en todos los casos por la duración de entrenamiento nativa del modelo seleccionado. Proporciona una duración u omítela para usar el clip más largo detectado en el conjunto de datos, sujeto a ese límite.

predeterminado 1

Tamaño del lote utilizado durante el entrenamiento.

Avanzado model · base_precision · adapter_type · lora_checkpoint_url · learning_rate · rank · seed · pre_encode · include · exclude
model predeterminado medium-base

Checkpoint base para ajustar Stable Audio 3.

base_precision predeterminado bf16

Precisión utilizada por los pesos base congelados; los parámetros de LoRA permanecen en fp32.

predeterminado dora-rows

Familia del adaptador utilizada para el entrenamiento de LoRA.

URL opcional de un checkpoint de LoRA `.safetensors` desde el que reanudar.

predeterminado 0.0001

Tasa de aprendizaje aplicada por AdamW a los parámetros de LoRA.

predeterminado 16

Rango del adaptador LoRA.

predeterminado 42

Semilla para la aleatorización.

Subcadenas de nombres de módulos que restringen dónde se añade LoRA: solo lo reciben los módulos coincidentes.

Subcadenas de nombres utilizadas para excluir los módulos coincidentes.

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

Ejecutar esta solicitud

Tu clave permanece en este navegador: solo se envía a la Doitong API y se guarda (localStorage) únicamente si marcas Recordar. Obtener una clave de API

Acerca de Stable Audio 3 Trainer

Ajusta un checkpoint base (medium-base, small-music-base o small-sfx-base) con un zip de `audio_data_url` donde cada archivo de audio tiene un subtítulo `.txt` con el mismo nombre. Puedes ajustar `number_of_steps` (hasta 20000), `learning_rate`, `rank` (de 1 a 256), `adapter_type` y `batch_size`, o reanudar desde un checkpoint `.safetensors`. Devuelve los pesos de LoRA y un archivo de configuración.

Parámetros

NombreTipo PredeterminadoPermitido Descripción
audio_data_urlobligatorio
Tipostring
URL del zip del conjunto de datos, con cada par de audio y subtítulo almacenado conjuntamente con nombres base coincidentes: `clip.wav` corresponde a `clip.txt`, por ejemplo. Los subtítulos deben usar la extensión `.txt`.
modelopcional
Tipoenum
Predeterminadomedium-base
medium-basesmall-music-basesmall-sfx-base
Checkpoint base para ajustar Stable Audio 3.
number_of_stepsopcional
Tipointeger
Predeterminado1000
1 – 20.000
Número de pasos del entrenamiento de LoRA.
learning_rateopcional
Tiponumber
Predeterminado0.0001
≤ 0,01> 0
Tasa de aprendizaje aplicada por AdamW a los parámetros de LoRA.
rankopcional
Tipointeger
Predeterminado16
1 – 256
Rango del adaptador LoRA.
adapter_typeopcional
Tipoenum
Predeterminadodora-rows
loradoradora-rowsdora-colsboralora-xsdora-rows-xsdora-cols-xsbora-xs
Familia del adaptador utilizada para el entrenamiento de LoRA.
durationopcional
Tiponumber | null
1 – 380
Duración de recorte o relleno en segundos, limitada en todos los casos por la duración de entrenamiento nativa del modelo seleccionado. Proporciona una duración u omítela para usar el clip más largo detectado en el conjunto de datos, sujeto a ese límite.
batch_sizeopcional
Tipointeger
Predeterminado1
1 – 8
Tamaño del lote utilizado durante el entrenamiento.
seedopcional
Tipointeger
Predeterminado42
0 – 2.147.483.647
Semilla para la aleatorización.
base_precisionopcional
Tipoenum
Predeterminadobf16
bf16bfloat16fp16float16
Precisión utilizada por los pesos base congelados; los parámetros de LoRA permanecen en fp32.
includeopcional
Tipostring[]
Subcadenas de nombres de módulos que restringen dónde se añade LoRA: solo lo reciben los módulos coincidentes.
excludeopcional
Tipostring[]
Subcadenas de nombres utilizadas para excluir los módulos coincidentes.
lora_checkpoint_urlopcional
Tipostring | null
URL opcional de un checkpoint de LoRA `.safetensors` desde el que reanudar.
pre_encodeopcional
Tipoboolean
Predeterminadofalse
Precodificación del archivo de audio en latentes SAME antes de entrenar LoRA.
obligatorio

Salida

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"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: conservada para siempre (se cobra por GB-mes) o 7 días gratis, según la configuración de tu cuenta o ?storage=.
La misma estructura en todos los modelostype, url, content_type, width, height y duration, tanto para imágenes como para vídeo y audio. output es el objeto de resultado propio del modelo.
Campos de salida
lora_file
object {url, content_type, file_name, file_size}Pesos de LoRA entrenados para Stable Audio 3.
config_file
object {url, content_type, file_name, file_size}Metadatos JSON que describen la ejecución de entrenamiento y el modelo compatible para la inferencia.

Para agentes de IA: esta página en Markdown está en https://doitong.com/es/developers/models/stable-audio-3-trainer.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt