رفتن به محتوا

ACE Step Audio Inpaint

یکپارچه‌سازی

شناسه مدل ace-step/audio-inpaint
# 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/ace-step/audio-inpaint?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "tags": "lofi, hiphop, drum and bass, trap, chill"
  }'

# 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"

فایل‌هایی مانند نمونه: ⁨‎$۰٫۰۰۲⁩ ۲ اعتبار API فایل‌های شما پیش از اجرا اندازه‌گیری می‌شوند اجرای آن در این صفحه

دریافت کلید API
ACE Studio متن به موسیقی #audio-to-audio#audio-inpaint#audio-repaint

بازه زمانی انتخاب‌شده از یک فایل صوتی موجود را با استفاده از برچسب‌ها و متن ترانهٔ جدید بازتولید می‌کند

ACE Studio · صوت

اولین نتیجه شما اینجا قرار می‌گیرد

درخواست را در زیر بسازید و با کلید API خود اجرا کنید. خروجی‌ها در فضای ذخیره‌سازی ما کپی می‌شوند و برای همیشه یا به‌مدت ۷ روز رایگان نگه‌داری می‌شوند.

ساخت درخواست

کنترل‌ها از شِمای مدل تولید می‌شوند. با تغییر آن‌ها، کد و قیمت به‌روزرسانی می‌شوند.

•الزامی audio_url
یک فایل بیندازید، یا

نشانی اینترنتی فایل صوتی برای inpainting.

•الزامی

برچسب‌های سبک صوتی که به‌صورت ژانرهای جداشده با ویرگول ارائه می‌شوند؛ `prompt` نیز روش جایگزینی برای ارائه آن‌هاست.

پیشرفته lyrics · start_time_relative_to · end_time_relative_to · scheduler · guidance_type · start_time · end_time · variance · number_of_steps · granularity_scale · guidance_interval · guidance_interval_decay · guidance_scale · minimum_guidance_scale · tag_guidance_scale · lyric_guidance_scale · seed
پیش‌فرض

متن ترانه، با بخش‌های آهنگ که با کنترل‌هایی مانند [verse]، [chorus] و [bridge] سازمان‌دهی می‌شوند. برای صوت بدون متن خوانده‌شده، این ورودی را حذف کنید یا فقط [inst] یا [instrumental] را ارائه دهید.

start_time_relative_to پیش‌فرض start

نقطه مرجع زمان شروع: ابتدای صوت یا انتهای آن.

end_time_relative_to پیش‌فرض start

نقطه مرجع زمان پایان: ابتدای صوت یا انتهای آن.

scheduler پیش‌فرض euler

زمان‌بندی استفاده‌شده هنگام تولید.

guidance_type پیش‌فرض apg

نوع CFG استفاده‌شده هنگام تولید.

پیش‌فرض 0

زمان شروع inpainting، برحسب ثانیه.

پیش‌فرض 30

زمان پایان inpainting، برحسب ثانیه.

پیش‌فرض 0.5

واریانس inpainting میزان تنوع احتمالی نتایج را کنترل می‌کند؛ افزایش آن ممکن است تنوع بیشتری ایجاد کند.

پیش‌فرض 27

تعداد گام‌های استفاده‌شده هنگام تولید صوت.

پیش‌فرض 10

مقیاس دانه‌بندی اعمال‌شده هنگام تولید. افزایش آن ممکن است مصنوعات را کاهش دهد.

پیش‌فرض 0.5

بخشی از زمان‌بندی تولید که راهنمایی دریافت می‌کند: انتخاب 0.5 آن را به گام‌های 0.25 * infer_steps تا 0.75 * infer_steps محدود می‌کند و ابتدا و انتها را بدون راهنمایی باقی می‌گذارد.

پیش‌فرض 0

کاهش راهنمایی در بازه تولید: مقدار 0.0 کاهش را غیرفعال نگه می‌دارد؛ در غیر این صورت، مقیاس در این بازه از guidance_scale به min_guidance_scale کاهش می‌یابد.

پیش‌فرض 15

مقیاس راهنمایی اعمال‌شده هنگام تولید.

پیش‌فرض 3

کمترین مقیاس راهنمایی پس از کاهش هنگام تولید.

پیش‌فرض 5

مقیاس راهنمایی برچسب‌ها که هنگام تولید اعمال می‌شود.

پیش‌فرض 1.5

مقیاس راهنمایی متن ترانه که هنگام تولید اعمال می‌شود.

Seed برای تولید تکرارپذیر که مگر اینکه مقداری ارائه کنید، به‌صورت تصادفی انتخاب می‌شود.

POST /run/ace-step/audio-inpaint?wait=20 قیمت → ⁨‎$۰٫۰۰۲⁩
# 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/ace-step/audio-inpaint?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "tags": "lofi, hiphop, drum and bass, trap, chill"
  }'

# 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"

اجرای این درخواست

کلید شما در این مرورگر باقی می‌ماند: فقط به Doitong API ارسال می‌شود و فقط در صورت فعال‌کردن گزینه «یادآوری»، در localStorage ذخیره می‌شود. دریافت کلید API

درباره ACE Step Audio Inpaint

یک `audio_url` می‌گیرد و فقط بخش بین `start_time` و `end_time` را بازنویسی می‌کند؛ هر دو برحسب ثانیه از 0 تا 240 اندازه‌گیری می‌شوند. هر زمان را می‌توان نسبت به ابتدا یا انتهای کلیپ تنظیم کرد. `tags` و `lyrics` جدید بخش جایگزین‌شده را هدایت می‌کنند و `variance` میزان تنوع نتیجه را کنترل می‌کند. تنظیمات معمول راهنمایی و گام نیز در دسترس هستند.

پارامترها

نام استاندارد یا نام بومی را ارسال کنید، نه هر دو. نام‌های استاندارد

نامنوع پیش‌فرضمجاز توضیحات
audio_urlالزامی audio
نوعurl · audio
نشانی اینترنتی فایل صوتی برای inpainting.
start_time_relative_toاختیاری
نوعenum
پیش‌فرضstart
startend
نقطه مرجع زمان شروع: ابتدای صوت یا انتهای آن.
start_timeاختیاری
نوعnumber
پیش‌فرض0
۰ – ۲۴۰
زمان شروع inpainting، برحسب ثانیه.
end_time_relative_toاختیاری
نوعenum
پیش‌فرضstart
startend
نقطه مرجع زمان پایان: ابتدای صوت یا انتهای آن.
end_timeاختیاری
نوعnumber
پیش‌فرض30
۰ – ۲۴۰
زمان پایان inpainting، برحسب ثانیه.
tagsالزامی
نوعstring
برچسب‌های سبک صوتی که به‌صورت ژانرهای جداشده با ویرگول ارائه می‌شوند؛ `prompt` نیز روش جایگزینی برای ارائه آن‌هاست.
lyricsاختیاری
نوعstring
پیش‌فرض
متن ترانه، با بخش‌های آهنگ که با کنترل‌هایی مانند [verse]، [chorus] و [bridge] سازمان‌دهی می‌شوند. برای صوت بدون متن خوانده‌شده، این ورودی را حذف کنید یا فقط [inst] یا [instrumental] را ارائه دهید.
varianceاختیاری
نوعnumber
پیش‌فرض0.5
۰ – ۱
واریانس inpainting میزان تنوع احتمالی نتایج را کنترل می‌کند؛ افزایش آن ممکن است تنوع بیشتری ایجاد کند.
number_of_stepsاختیاری
نوعinteger
پیش‌فرض27
۳ – ۶۰
تعداد گام‌های استفاده‌شده هنگام تولید صوت.
seedاختیاری
نوعinteger | null
Seed برای تولید تکرارپذیر که مگر اینکه مقداری ارائه کنید، به‌صورت تصادفی انتخاب می‌شود.
schedulerاختیاری
نوعenum
پیش‌فرضeuler
eulerheun
زمان‌بندی استفاده‌شده هنگام تولید.
guidance_typeاختیاری
نوعenum
پیش‌فرضapg
cfgapgcfg_star
نوع CFG استفاده‌شده هنگام تولید.
granularity_scaleاختیاری
نوعinteger
پیش‌فرض10
−۱۰۰ – ۱۰۰
مقیاس دانه‌بندی اعمال‌شده هنگام تولید. افزایش آن ممکن است مصنوعات را کاهش دهد.
guidance_intervalاختیاری
نوعnumber
پیش‌فرض0.5
۰ – ۱
بخشی از زمان‌بندی تولید که راهنمایی دریافت می‌کند: انتخاب 0.5 آن را به گام‌های 0.25 * infer_steps تا 0.75 * infer_steps محدود می‌کند و ابتدا و انتها را بدون راهنمایی باقی می‌گذارد.
guidance_interval_decayاختیاری
نوعnumber
پیش‌فرض0
۰ – ۱
کاهش راهنمایی در بازه تولید: مقدار 0.0 کاهش را غیرفعال نگه می‌دارد؛ در غیر این صورت، مقیاس در این بازه از guidance_scale به min_guidance_scale کاهش می‌یابد.
guidance_scaleاختیاری
نوعnumber
پیش‌فرض15
۰ – ۲۰۰
مقیاس راهنمایی اعمال‌شده هنگام تولید.
minimum_guidance_scaleاختیاری
نوعnumber
پیش‌فرض3
۰ – ۲۰۰
کمترین مقیاس راهنمایی پس از کاهش هنگام تولید.
tag_guidance_scaleاختیاری
نوعnumber
پیش‌فرض5
۰ – ۱۰
مقیاس راهنمایی برچسب‌ها که هنگام تولید اعمال می‌شود.
lyric_guidance_scaleاختیاری
نوعnumber
پیش‌فرض1.5
۰ – ۱۰
مقیاس راهنمایی متن ترانه که هنگام تولید اعمال می‌شود.
الزامی نام استاندارد، همچنین پذیرفته می‌شود

پارامترهای فایل یک URL عمومی https://، یک URI از نوع data: تا سقف 10 MB، یا file_url یک فایل بارگذاری‌شده را می‌پذیرند. فایل‌ها

خروجی

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ace-step/audio-inpaint",
  "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": 2,
    "usd": "0.002",
    "charged": 2,
    "refunded": 0
  },
  "input": {
    "tags": "lofi, hiphop, drum and bass, trap, chill",
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "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,
    "tags": "lofi, hiphop, drum and bass, trap, chill",
    "lyrics": "[inst]"
  },
  "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"
  }
}
فایل‌های شما، انتخاب شماهر outputs[].url کپی‌ای در فضای ذخیره‌سازی ماست: برای همیشه (با هزینه به‌ازای هر GB-ماه) یا به‌مدت ۷ روز رایگان، بر اساس تنظیم حساب شما یا ?storage=.
ساختار یکسان در همه مدل‌هاtype، url، content_type، width، height و duration برای تصاویر، ویدیو و صدا یکسان هستند. output شیء نتیجه اختصاصی مدل است.
فیلدهای خروجی
audio
object {url, content_type, file_name, file_size}فایل صوتی تولیدشده.
seed
integerSeed تصادفی استفاده‌شده هنگام تولید.
tags
stringبرچسب‌های ژانر اعمال‌شده هنگام تولید.
lyrics
stringمتن ترانه اعمال‌شده هنگام تولید.

مدل‌های بیشتر: متن به موسیقی

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/ace-step/audio-inpaint.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt