رفتن به محتوا

ACE Step Audio To Audio

یکپارچه‌سازی

شناسه مدل ace-step/audio-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/ace-step/audio-to-audio?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",
    "original_tags": "lofi, hiphop, drum and bass, trap, chill",
    "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-edit

یک قطعهٔ موجود را ریمیکس می‌کند یا متن ترانهٔ آن را با هدایت برچسب‌های قدیمی و جدید تغییر می‌دهد

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 outpainting.

•الزامی

برچسب‌های مرتبط اولیه با فایل صوتی.

•الزامی

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

پیشرفته original_lyrics · lyrics · edit_mode · scheduler · guidance_type · number_of_steps · granularity_scale · guidance_interval · guidance_interval_decay · guidance_scale · minimum_guidance_scale · tag_guidance_scale · lyric_guidance_scale · seed · original_seed
پیش‌فرض

متن ترانه مرتبط اولیه با فایل صوتی.

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.

edit_mode پیش‌فرض remix

حالت ویرایش: فقط متن ترانه را تغییر دهید یا صوت را remix کنید.

scheduler پیش‌فرض euler

زمان‌بندی استفاده‌شده هنگام تولید.

guidance_type پیش‌فرض apg

نوع CFG استفاده‌شده هنگام تولید.

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.

Seed مرتبط اولیه با فایل صوتی.

POST /run/ace-step/audio-to-audio?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-to-audio?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",
    "original_tags": "lofi, hiphop, drum and bass, trap, chill",
    "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 To Audio

کار را با یک `audio_url` به‌همراه `original_tags` آغاز می‌کند و برای تغییر سبک، `tags` جدید را اعمال می‌کند. `edit_mode` یا remix است که صدای کلی را تغییر می‌دهد، یا lyrics که فقط بخش خوانده‌شده را ویرایش می‌کند. می‌توانید `original_lyrics` و `lyrics` جدید و در صورت اطلاع `original_seed` را ارائه کنید. پارامترهای گام و راهنمایی مانند سایر مدل‌های این خانواده 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 outpainting.
edit_modeاختیاری
نوعenum
پیش‌فرضremix
lyricsremix
حالت ویرایش: فقط متن ترانه را تغییر دهید یا صوت را remix کنید.
original_tagsالزامی
نوعstring
برچسب‌های مرتبط اولیه با فایل صوتی.
original_lyricsاختیاری
نوعstring
پیش‌فرض
متن ترانه مرتبط اولیه با فایل صوتی.
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.
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.
original_seedاختیاری
نوعinteger | null
Seed مرتبط اولیه با فایل صوتی.
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-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": 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",
    "original_tags": "lofi, hiphop, drum and bass, trap, chill"
  },
  "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-to-audio.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt