Ir al contenido

Stable Audio 3 Medium Base Text to Audio

Integrar

Id del modelo 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"

Esta solicitud: 0,048 $ 48 créditos de API Ejecutar en esta página

Obtener clave de API
Stability AI Audio 1–380 s #music#audio#stereo

Conversión de texto a audio de Medium con checkpoint base para flujos de ajuste fino, clips de hasta 380 segundos

Stability AI · Audio

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

Texto que especifica el contenido de audio deseado.

predeterminado 30

Duración del audio en segundos, con un máximo de 380 segundos para el modelo medium (aproximadamente 6 minutos 20 segundos).

Avanzado negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · seed · enable_prompt_expansion · enable_safety_checker
predeterminado

Texto que especifica cualidades no deseadas en la salida.

output_format predeterminado mp3

Formato del contenedor utilizado para el audio resultante.

predeterminado 192k

Tasa de bits del audio de salida, ignorada al usar wav o flac porque no tienen pérdida. Para formatos comprimidos como mp3, aac u opus, proporciona un valor con el formato '192k' o '320k'.

predeterminado 50

Elige cuántos pasos de muestreo ejecutar; se recomiendan aproximadamente 50 para obtener buena calidad al usar checkpoints base (no destilados).

predeterminado 7

Intensidad de orientación sin clasificador, para la que se recomienda inicialmente aproximadamente 7.0 en checkpoints base; aumentarla hace que la generación se ajuste más al prompt.

Semilla del generador aleatorio para obtener resultados repetibles; omitirla selecciona una semilla aleatoria.

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

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 Medium Base Text to Audio

Genera audio a partir de un `prompt` de texto, con un `negative_prompt` opcional para evitar características no deseadas. `duration` va de 1 a 380 segundos. Como checkpoint base no destilado, usa de forma predeterminada 50 pasos de muestreo y una escala de guía de 7, y acepta una guía de hasta 25. Los formatos de salida incluyen mp3, wav, flac, ogg, opus, m4a y aac.

Parámetros

NombreTipo PredeterminadoPermitido Descripción
negative_promptopcional
Tipostring
Predeterminado
Texto que especifica cualidades no deseadas en la salida.
durationopcional
Tiponumber
Predeterminado30
1 – 380
Duración del audio en segundos, con un máximo de 380 segundos para el modelo medium (aproximadamente 6 minutos 20 segundos).
num_inference_stepsopcional
Tipointeger
Predeterminado50
1 – 100
Elige cuántos pasos de muestreo ejecutar; se recomiendan aproximadamente 50 para obtener buena calidad al usar checkpoints base (no destilados).
guidance_scaleopcional
Tiponumber
Predeterminado7
0 – 25
Intensidad de orientación sin clasificador, para la que se recomienda inicialmente aproximadamente 7.0 en checkpoints base; aumentarla hace que la generación se ajuste más al prompt.
seedopcional
Tipointeger | null
Semilla del generador aleatorio para obtener resultados repetibles; omitirla selecciona una semilla aleatoria.
enable_prompt_expansionopcional
Tipoboolean
Predeterminadofalse
Expansión del prompt mediante un LLM cuando está activada, que añade detalles y mejora la calidad del resultado.
enable_safety_checkeropcional
Tipoboolean
Predeterminadotrue
Comprobación de seguridad para contenido NSFW.
output_formatopcional
Tipoenum
Predeterminadomp3
mp3wavflacoggopusm4aaac
Formato del contenedor utilizado para el audio resultante.
bitrateopcional
Tipostring
Predeterminado192k
Tasa de bits del audio de salida, ignorada al usar wav o flac porque no tienen pérdida. Para formatos comprimidos como mp3, aac u opus, proporciona un valor con el formato '192k' o '320k'.
promptobligatorio
Tipostring
Texto que especifica el contenido de audio deseado.
obligatorio

Salida

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"
  }
}
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
audio
object {url, content_type, file_name, file_size}Clip de audio producido por la generación.
seed
integerSemilla que controló la aleatoriedad durante la generación.
prompt
stringPrompt utilizado para generar la salida.

Más modelos: Audio

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