Passer au contenu

Stable Audio 3 · Medium · Text to Audio

Intégrer

Identifiant du modèle stable-audio-3/medium/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/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"

Cette requête: 0,038 $ 38 crédits API L’exécuter sur cette page

Obtenir une clé API
Stability AI audio 1–380 s #music#audio#stereo

Conversion texte-audio Medium distillée avec 8 étapes par défaut pour une exécution rapide, clips jusqu’à 380 secondes

Stability AI · audio

Votre premier résultat apparaîtra ici

Construisez une requête ci-dessous et exécutez-la avec votre clé API. Les sorties sont copiées dans notre stockage, conservées indéfiniment ou 7 jours gratuitement.

Créer une requête

Les contrôles sont générés à partir du schéma du modèle. Le code et le prix se mettent à jour lorsque vous les modifiez.

•requis

Texte spécifiant le contenu audio souhaité.

par défaut 30

Durée audio en secondes, avec un maximum de 380 secondes pour le modèle medium (environ 6 minutes 20 secondes).

Avancé negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · seed · enable_prompt_expansion · enable_safety_checker
par défaut

Texte spécifiant les qualités indésirables dans la sortie.

output_format par défaut mp3

Format de conteneur utilisé pour l’audio obtenu.

par défaut 192k

Débit audio de sortie, ignoré avec wav ou flac car ces formats sont sans perte. Pour les formats compressés tels que mp3, aac ou opus, fournissez une valeur sous la forme '192k' ou '320k'.

par défaut 8

Nombre d’itérations d’échantillonnage, fixé par défaut à 8, car les points de contrôle distillés et post-entraînés offrent déjà une bonne qualité à cette valeur ; des itérations supplémentaires apportent peu de bénéfices.

par défaut 1

Force du guidage sans classifieur, uniquement pour les points de contrôle de base ; les points de contrôle distillés ne sont pas concernés. Pour les points de contrôle applicables, l’augmenter renforce l’adhésion au prompt.

Graine du générateur aléatoire pour obtenir des résultats reproductibles ; l’omettre sélectionne une graine aléatoire.

POST /run/stable-audio-3/medium/text-to-audio?wait=20 devis → 0,038 $
# 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/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"

Exécuter cette requête

Votre clé reste dans ce navigateur : elle est envoyée uniquement à la Doitong API et enregistrée dans localStorage uniquement si vous cochez Mémoriser. Obtenir une clé API

À propos de Stable Audio 3 · Medium · Text to Audio

Crée de l’audio à partir d’un `prompt` texte, éventuellement avec un `negative_prompt`. Cette variante post-entraînée utilise par défaut 8 étapes d’échantillonnage et bénéficie peu d’un nombre supérieur, tandis que l’échelle de guidage est par défaut de 1, car elle n’a d’effet que sur les points de contrôle de base. `duration` va de 1 à 380 secondes. Choisissez une sortie mp3, wav, flac, ogg, opus, m4a ou aac.

Paramètres

NomType Par défautAutorisé Description
negative_promptfacultatif
Typestring
Par défaut
Texte spécifiant les qualités indésirables dans la sortie.
durationfacultatif
Typenumber
Par défaut30
1 – 380
Durée audio en secondes, avec un maximum de 380 secondes pour le modèle medium (environ 6 minutes 20 secondes).
num_inference_stepsfacultatif
Typeinteger
Par défaut8
1 – 100
Nombre d’itérations d’échantillonnage, fixé par défaut à 8, car les points de contrôle distillés et post-entraînés offrent déjà une bonne qualité à cette valeur ; des itérations supplémentaires apportent peu de bénéfices.
guidance_scalefacultatif
Typenumber
Par défaut1
0 – 25
Force du guidage sans classifieur, uniquement pour les points de contrôle de base ; les points de contrôle distillés ne sont pas concernés. Pour les points de contrôle applicables, l’augmenter renforce l’adhésion au prompt.
seedfacultatif
Typeinteger | null
Graine du générateur aléatoire pour obtenir des résultats reproductibles ; l’omettre sélectionne une graine aléatoire.
enable_prompt_expansionfacultatif
Typeboolean
Par défautfalse
Extension du prompt par un LLM lorsqu’elle est activée, ajoutant des détails et améliorant la qualité du résultat.
enable_safety_checkerfacultatif
Typeboolean
Par défauttrue
Vérification de sécurité du contenu NSFW.
output_formatfacultatif
Typeenum
Par défautmp3
mp3wavflacoggopusm4aaac
Format de conteneur utilisé pour l’audio obtenu.
bitratefacultatif
Typestring
Par défaut192k
Débit audio de sortie, ignoré avec wav ou flac car ces formats sont sans perte. Pour les formats compressés tels que mp3, aac ou opus, fournissez une valeur sous la forme '192k' ou '320k'.
promptrequis
Typestring
Texte spécifiant le contenu audio souhaité.
requis

Sortie

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "stable-audio-3/medium/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": 38,
    "usd": "0.038",
    "charged": 38,
    "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"
  }
}
Vos fichiers, votre choixChaque outputs[].url est une copie dans notre stockage : conservée indéfiniment (facturation au Go-mois) ou 7 jours gratuitement, selon le réglage de votre compte ou ?storage=.
Même structure pour chaque modèletype, url, content_type, width, height et duration, pour les images, vidéos et fichiers audio. output est le propre objet de résultat du modèle.
Champs de sortie
audio
object {url, content_type, file_name, file_size}Clip audio produit par la génération.
seed
integerGraine contrôlant l’aléatoire pendant la génération.
prompt
stringPrompt utilisé pour générer la sortie.

Plus de modèles : audio

Pour les agents IA : cette page au format Markdown est disponible à https://doitong.com/fr/developers/models/stable-audio-3/medium/text-to-audio.md. Tous les modèles et guides : https://doitong.com/developers/llms.txt