رفتن به محتوا

ACE Step Prompt To Audio

یکپارچه‌سازی

شناسه مدل ace-step/prompt-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/prompt-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"

این درخواست: ⁨‎$۰٫۰۱۲⁩ ۱۲ اعتبار API اجرای آن در این صفحه

دریافت کلید API
ACE Studio متن به موسیقی ۵–۲۴۰ ثانیه #text-to-audio#text-to-music

پرامپت متنی ساده را به آهنگ تبدیل می‌کند، تگ‌ها و متن ترانه را خودش استخراج می‌کند و امکان انتخاب حالت بی‌کلام را دارد

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

دستورهای سبک که برچسب‌ها و متن ترانه از آن‌ها برای شکل‌دهی به صوت نهایی تولید می‌شوند.

پیش‌فرض 60

مدت صوت تولیدشده، برحسب ثانیه.

پیشرفته 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 · instrumental
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.

POST /run/ace-step/prompt-to-audio?wait=20 قیمت → ⁨‎$۰٫۰۱۲⁩
# 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/prompt-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"

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 Prompt To Audio

فقط به یک `prompt` برای توصیف موسیقی نیاز دارد. برچسب‌ها و متن ترانه به‌طور خودکار از آن تولید می‌شوند و پرچم `instrumental` آواز را حذف می‌کند. `duration` از 5 تا 240 ثانیه و مقدار پیش‌فرض آن 60 است. گزینه‌های پیشرفته شامل `number_of_steps`، `scheduler`، `guidance_type` و `seed` هستند.

پارامترها

نامنوع پیش‌فرضمجاز توضیحات
promptالزامی
نوعstring
دستورهای سبک که برچسب‌ها و متن ترانه از آن‌ها برای شکل‌دهی به صوت نهایی تولید می‌شوند.
instrumentalاختیاری
نوعboolean
پیش‌فرضfalse
مشخص می‌کند صوت تولیدشده نسخه‌ای بی‌کلام است یا خیر.
durationاختیاری
نوعnumber
پیش‌فرض60
۵ – ۲۴۰
مدت صوت تولیدشده، برحسب ثانیه.
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

خروجی

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ace-step/prompt-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": 12,
    "usd": "0.012",
    "charged": 12,
    "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,
    "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/prompt-to-audio.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt