Léim chuig an ábhar

Stable Audio 3 Trainer

Comhtháthú

Aitheantas na samhla 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"

Comhaid cosúil leis an sampla: $3.00 3,000 gcreidmheas API déantar do chuid comhad a thomhas roimh an rith Rith ar an leathanach seo

Faigh eochair API
Stability AI Oiliúint 1–380 s #music#audio#sfx#lora

Traenálann sé LoRA ar Stable Audio 3 ó chartlann zip de ghearrthóga fuaime le fotheidil téacs chomhoiriúnacha

Stability AI · Comhad

Beidh do chéad toradh anseo

Tóg iarratas thíos agus rith é le d’eochair API. Cóipeáiltear na haschuir chuig ár stóráil, coinnithe go deo nó ar feadh 7 lá saor in aisce.

Tóg iarratas

Gintear na rialtáin ó scéim na samhla. Nuashonraítear an cód agus an praghas de réir mar a athraíonn tú iad.

•riachtanach

URL zip den tacar sonraí, agus gach péire fuaime/fotheideal stóráilte le chéile faoi bhunainmneacha meaitseála: péireálann `clip.wav` le `clip.txt`, mar shampla. Caithfidh na fotheidil an síneadh `.txt` a úsáid.

réamhshocrú 1000

Líon céimeanna d'oiliúint LoRA.

Fad barraithe/líonta i soicindí, teoranta i ngach cás ag fad dúchasach oiliúna na samhla roghnaithe. Soláthair fad nó fág ar lár é chun an ghearrthóg is faide a aimsítear sa tacar sonraí a úsáid, faoi réir na teorann sin.

réamhshocrú 1

Méid baisce a úsáidtear le linn oiliúna.

Ardleibhéal model · base_precision · adapter_type · lora_checkpoint_url · learning_rate · rank · seed · pre_encode · include · exclude
model réamhshocrú medium-base

Seicphointe bonn le haghaidh mionchoigeartaithe Stable Audio 3.

base_precision réamhshocrú bf16

Beachtas a úsáidtear do mheáchain bhunúsacha reoite; fanann paraiméadair LoRA mar fp32.

réamhshocrú dora-rows

Teaghlach an oiriúnaitheora a úsáidtear le haghaidh oiliúint LoRA.

URL roghnach de sheicphointe LoRA `.safetensors` óna ndéantar atosú.

réamhshocrú 0.0001

Ráta foghlama a chuireann AdamW i bhfeidhm ar pharaiméadair LoRA.

réamhshocrú 16

Rang an oiriúnaitheora LoRA.

réamhshocrú 42

Síol don randamú.

Fo-theaghráin ainm modúil a chuireann srian leis an áit a gcuirtear LoRA leis: ní fhaigheann ach na modúil mheaitseála é.

Fo-theaghráin ainm a úsáidtear chun modúil mheaitseála a eisiamh.

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

Rith an t-iarratas seo

Fanann d'eochair sa bhrabhsálaí seo: seoltar chuig Doitong API amháin í agus sábháiltear (localStorage) í ach amháin má chuireann tú tic le Meabhraigh. Faigh eochair API

Maidir le Stable Audio 3 Trainer

Déanann sé mionchoigeartú ar seicphointe bunúsach (medium-base, small-music-base nó small-sfx-base) ar zip `audio_data_url` ina bhfuil fotheideal `.txt` den ainm céanna ag gach comhad fuaime. Is féidir leat `number_of_steps` (suas le 20000), `learning_rate`, `rank` (1 go 256), `adapter_type` agus `batch_size` a choigeartú, nó atosú ó sheicphointe `.safetensors`. Filleann sé meáchain LoRA agus comhad cumraíochta.

Paraiméadair

AinmCineál RéamhshocrúCeadaithe Cur síos
audio_data_urlriachtanach
Cineálstring
URL zip den tacar sonraí, agus gach péire fuaime/fotheideal stóráilte le chéile faoi bhunainmneacha meaitseála: péireálann `clip.wav` le `clip.txt`, mar shampla. Caithfidh na fotheidil an síneadh `.txt` a úsáid.
modelroghnach
Cineálenum
Réamhshocrúmedium-base
medium-basesmall-music-basesmall-sfx-base
Seicphointe bonn le haghaidh mionchoigeartaithe Stable Audio 3.
number_of_stepsroghnach
Cineálinteger
Réamhshocrú1000
1 – 20,000
Líon céimeanna d'oiliúint LoRA.
learning_rateroghnach
Cineálnumber
Réamhshocrú0.0001
≤ 0.01> 0
Ráta foghlama a chuireann AdamW i bhfeidhm ar pharaiméadair LoRA.
rankroghnach
Cineálinteger
Réamhshocrú16
1 – 256
Rang an oiriúnaitheora LoRA.
adapter_typeroghnach
Cineálenum
Réamhshocrúdora-rows
loradoradora-rowsdora-colsboralora-xsdora-rows-xsdora-cols-xsbora-xs
Teaghlach an oiriúnaitheora a úsáidtear le haghaidh oiliúint LoRA.
durationroghnach
Cineálnumber | null
1 – 380
Fad barraithe/líonta i soicindí, teoranta i ngach cás ag fad dúchasach oiliúna na samhla roghnaithe. Soláthair fad nó fág ar lár é chun an ghearrthóg is faide a aimsítear sa tacar sonraí a úsáid, faoi réir na teorann sin.
batch_sizeroghnach
Cineálinteger
Réamhshocrú1
1 – 8
Méid baisce a úsáidtear le linn oiliúna.
seedroghnach
Cineálinteger
Réamhshocrú42
0 – 2,147,483,647
Síol don randamú.
base_precisionroghnach
Cineálenum
Réamhshocrúbf16
bf16bfloat16fp16float16
Beachtas a úsáidtear do mheáchain bhunúsacha reoite; fanann paraiméadair LoRA mar fp32.
includeroghnach
Cineálstring[]
Fo-theaghráin ainm modúil a chuireann srian leis an áit a gcuirtear LoRA leis: ní fhaigheann ach na modúil mheaitseála é.
excluderoghnach
Cineálstring[]
Fo-theaghráin ainm a úsáidtear chun modúil mheaitseála a eisiamh.
lora_checkpoint_urlroghnach
Cineálstring | null
URL roghnach de sheicphointe LoRA `.safetensors` óna ndéantar atosú.
pre_encoderoghnach
Cineálboolean
Réamhshocrúfalse
Réamhchódú na cartlainne fuaime ina latanais SAME roimh oiliúint LoRA.
riachtanach

Aschur

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"
  }
}
Do chuid comhad, do roghaIs cóip ar ár stóráil é gach outputs[].url: coinnithe go deo (íoctha in aghaidh GB-mhí) nó ar feadh 7 lá saor in aisce, de réir shocrú do chuntais nó ?storage=.
An cruth céanna ar gach samhailtype, url, content_type, width, height agus duration, d'íomhánna, d'fhíseáin agus d'fhuaim araon. Is é output réad toraidh na samhla féin.
Réimsí aschuir
lora_file
object {url, content_type, file_name, file_size}Meáchain LoRA oilte le haghaidh Stable Audio 3.
config_file
object {url, content_type, file_name, file_size}Meiteashonraí JSON a chuireann síos ar an rith oiliúna agus ar an tsamhail chomhoiriúnach le haghaidh tátail.

Do ghníomhairí AI: tá an leathanach seo mar Markdown ag https://doitong.com/ga/developers/models/stable-audio-3-trainer.md. Gach samhail agus treoir: https://doitong.com/developers/llms.txt