Lumaktaw sa nilalaman

Stable Audio 3 Trainer

I-integrate

ID ng 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"

Mga file na katulad ng halimbawa: $3.00 3,000 kredito ng API sinusukat ang iyong mga file bago patakbuhin Patakbuhin ito sa page na ito

Kumuha ng API key
Stability AI Pagsasanay 1–380 s #music#audio#sfx#lora

Nagtetrain ng LoRA sa Stable Audio 3 mula sa zip ng mga audio clip na may katugmang teksto caption

Stability AI · file

Dito mapupunta ang iyong unang resulta

Bumuo ng kahilingan sa ibaba at patakbuhin ito gamit ang iyong API key. Kinokopya ang mga output sa aming storage, na pinananatili nang walang hanggan o 7 araw nang libre.

Bumuo ng kahilingan

Ang mga control ay binubuo mula sa schema ng modelo. Nagbabago ang code at presyo habang ina-adjust mo ang mga ito.

•kinakailangan

Dataset zip URL, kung saan magkakasamang nakaimbak ang bawat audio/caption pair sa ilalim ng magkatugmang basename: halimbawa, ang `clip.wav` ay kapareha ng `clip.txt`. Dapat gamitin ng mga caption ang `.txt` extension.

default na 1000

Bilang ng step para sa LoRA training.

Tagal ng crop/pad sa segundo, na sa lahat ng pagkakataon ay nililimitahan ng native training length ng napiling modelo. Magbigay ng haba o huwag itong isama upang gamitin ang pinakamahabang clip na nakita sa dataset, alinsunod sa cap na iyon.

default na 1

Batch size na ginagamit habang nagta-training.

advanced model · base_precision · adapter_type · lora_checkpoint_url · learning_rate · rank · seed · pre_encode · include · exclude
model default na medium-base

Base checkpoint para sa fine-tuning ng Stable Audio 3.

base_precision default na bf16

Precision na ginagamit ng frozen base weights; nananatiling fp32 ang mga LoRA parameter.

default na dora-rows

Pamilya ng adapter na ginagamit para sa LoRA training.

Opsyonal na URL ng `.safetensors` LoRA checkpoint kung saan ipagpapatuloy ang training.

default na 0.0001

Learning rate na inilalapat ng AdamW sa mga LoRA parameter.

default na 16

Rank ng LoRA adapter.

default na 42

Seed para sa randomization.

Mga substring ng module name na naglilimita kung saan idinaragdag ang LoRA: ang mga tumutugmang module lamang ang tatanggap nito.

Mga substring ng pangalan na ginagamit upang ibukod ang mga tumutugmang module.

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

Patakbuhin ang kahilingang ito

Nananatili ang iyong key sa browser na ito: ipinapadala lamang ito sa Doitong API at sine-save (localStorage) lamang kung pipiliin mo ang Tandaan. Kumuha ng API key

Tungkol sa Stable Audio 3 Trainer

Fine-tune ng base checkpoint (medium-base, small-music-base o small-sfx-base) sa isang `audio_data_url` zip kung saan ang bawat audio file ay may caption na `.txt` na kapareho ang pangalan. Maaaring i-adjust ang `number_of_steps` (hanggang 20000), `learning_rate`, `rank` (1 hanggang 256), `adapter_type` at `batch_size`, o ipagpatuloy mula sa `.safetensors` checkpoint. Nagbabalik ng LoRA weights at config file.

Mga parameter

PangalanUri defaultPinapayagan Paglalarawan
audio_data_urlkinakailangan
Uristring
Dataset zip URL, kung saan magkakasamang nakaimbak ang bawat audio/caption pair sa ilalim ng magkatugmang basename: halimbawa, ang `clip.wav` ay kapareha ng `clip.txt`. Dapat gamitin ng mga caption ang `.txt` extension.
modelopsyonal
Urienum
defaultmedium-base
medium-basesmall-music-basesmall-sfx-base
Base checkpoint para sa fine-tuning ng Stable Audio 3.
number_of_stepsopsyonal
Uriinteger
default1000
1 – 20,000
Bilang ng step para sa LoRA training.
learning_rateopsyonal
Urinumber
default0.0001
≤ 0.01> 0
Learning rate na inilalapat ng AdamW sa mga LoRA parameter.
rankopsyonal
Uriinteger
default16
1 – 256
Rank ng LoRA adapter.
adapter_typeopsyonal
Urienum
defaultdora-rows
loradoradora-rowsdora-colsboralora-xsdora-rows-xsdora-cols-xsbora-xs
Pamilya ng adapter na ginagamit para sa LoRA training.
durationopsyonal
Urinumber | null
1 – 380
Tagal ng crop/pad sa segundo, na sa lahat ng pagkakataon ay nililimitahan ng native training length ng napiling modelo. Magbigay ng haba o huwag itong isama upang gamitin ang pinakamahabang clip na nakita sa dataset, alinsunod sa cap na iyon.
batch_sizeopsyonal
Uriinteger
default1
1 – 8
Batch size na ginagamit habang nagta-training.
seedopsyonal
Uriinteger
default42
0 – 2,147,483,647
Seed para sa randomization.
base_precisionopsyonal
Urienum
defaultbf16
bf16bfloat16fp16float16
Precision na ginagamit ng frozen base weights; nananatiling fp32 ang mga LoRA parameter.
includeopsyonal
Uristring[]
Mga substring ng module name na naglilimita kung saan idinaragdag ang LoRA: ang mga tumutugmang module lamang ang tatanggap nito.
excludeopsyonal
Uristring[]
Mga substring ng pangalan na ginagamit upang ibukod ang mga tumutugmang module.
lora_checkpoint_urlopsyonal
Uristring | null
Opsyonal na URL ng `.safetensors` LoRA checkpoint kung saan ipagpapatuloy ang training.
pre_encodeopsyonal
Uriboolean
defaultfalse
Paunang pag-encode ng audio archive sa SAME latents bago ang LoRA training.
kinakailangan

Output

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"
  }
}
Ikaw ang pumipili para sa iyong mga fileAng bawat outputs[].url ay kopya sa aming storage: pinananatili nang walang hanggan (sinisingil bawat GB-month) o 7 araw nang libre, ayon sa setting ng iyong account o ?storage=.
Parehong shape sa bawat modelotype, url, content_type, width, height at duration, para sa mga larawan, video at audio. Ang output ay sariling result object ng modelo.
Mga field ng output
lora_file
object {url, content_type, file_name, file_size}Mga LoRA weight na na-train para sa Stable Audio 3.
config_file
object {url, content_type, file_name, file_size}JSON metadata na naglalarawan sa training run at katugmang modelo para sa inference.

Para sa mga AI agent: nasa Markdown ang pahinang ito sa https://doitong.com/fil/developers/models/stable-audio-3-trainer.md. Lahat ng modelo at gabay: https://doitong.com/developers/llms.txt