Leum chun t-susbaint

Stable Audio 3 Medium Base Text to Audio

Amalaich

ID a’ mhodail stable-audio-3/medium/base/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/base/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"

An t-iarrtas seo: $0.048 48 creideasan API Ruith e air an duilleig seo

Faigh iuchair API
Stability AI Fuaim 1–380 s #music#audio#stereo

Teacsa-gu-fuaim Medium le checkpoint bunaiteach airson sruthan-obrach gleusaidh, criomagan suas ri 380 diog

Stability AI · Fuaim

Thèid a’ chiad toradh agad an-seo

Tog iarrtas gu h-ìosal agus ruith e leis an iuchair API agad. Tha na h-às-churan air an lethbhreacadh dhan stòradh againn, air an cumail gu bràth no 7 latha an-asgaidh.

Tog iarrtas

Tha na smachdan air an cruthachadh bho sgeama a’ mhodail. Bidh an còd agus a’ phrìs ag ùrachadh fhad ’s a dh’atharraicheas tu iad.

•riatanach

Teacsa a’ sònrachadh susbaint na claisneachd a tha thu ag iarraidh.

bun-roghainn 30

Fad claisneachd ann an diogan, le 380 diog mar an àireamh as motha airson a’ mhodail mheadhanaich (mu 6 mionaidean 20 diog).

Adhartach negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · seed · enable_prompt_expansion · enable_safety_checker
bun-roghainn

Teacsa a’ sònrachadh feartan nach eilear ag iarraidh san às-chur.

output_format bun-roghainn mp3

Cruth a’ chontainir a thathar a’ cleachdadh airson na claisneachd a thig às.

bun-roghainn 192k

Ìre-bhrath claisneachd às-chur, air a leigeil seachad nuair a thathar a’ cleachdadh wav no flac oir tha iad gun chall. Airson chruthan teannaichte mar mp3, aac no opus, thoir seachad luach ann an riochd '192k' no '320k'.

bun-roghainn 50

Tagh cia mheud ceum samplachaidh a ruitheas, le mu 50 gus deagh chàileachd fhaighinn nuair a thathar a’ cleachdadh checkpoints bunaiteach (neo-grinnichte).

bun-roghainn 7

Neart stiùiridh gun chlas, far a bheilear a’ moladh mu 7.0 an toiseach air checkpoints bunaiteach; le bhith ga àrdachadh, bidh gineadh a’ gèilleadh nas dlùithe don prompt.

Sìol gineadair air thuaiream airson toraidhean ath-riochdachadh; ma thèid fhàgail air falbh, thèid sìol air thuaiream a thaghadh.

POST /run/stable-audio-3/medium/base/text-to-audio?wait=20 tuairmse → $0.048
# 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/base/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"

Ruith an t-iarrtas seo

Fuirichidh an iuchair agad sa bhrobhsair seo: thèid a cur chun Doitong API a-mhàin agus a sàbhaladh (localStorage) a-mhàin ma chuireas tu comharra ri Cuimhnich. Faigh iuchair API

Mu Stable Audio 3 Medium Base Text to Audio

Cruthaichidh e fuaim à `prompt` teacsa, le `negative_prompt` roghainneil gus feartan nach eilear ag iarraidh a sheachnadh. Tha `duration` eadar 1 agus 380 diog. Mar checkpoint bunaiteach neo-ghrinnichte, ’s e 50 ceumannan samplachaidh agus sgèile stiùiridh 7 na luachan bunaiteach, agus gabhar ri stiùireadh suas ri 25. Am measg nan cruthan toraidh tha mp3, wav, flac, ogg, opus, m4a agus aac.

Paramadairean

AinmSeòrsa Bun-roghainnCeadaichte Tuairisgeul
negative_promptroghainneil
Seòrsastring
Bun-roghainn
Teacsa a’ sònrachadh feartan nach eilear ag iarraidh san às-chur.
durationroghainneil
Seòrsanumber
Bun-roghainn30
1 – 380
Fad claisneachd ann an diogan, le 380 diog mar an àireamh as motha airson a’ mhodail mheadhanaich (mu 6 mionaidean 20 diog).
num_inference_stepsroghainneil
Seòrsainteger
Bun-roghainn50
1 – 100
Tagh cia mheud ceum samplachaidh a ruitheas, le mu 50 gus deagh chàileachd fhaighinn nuair a thathar a’ cleachdadh checkpoints bunaiteach (neo-grinnichte).
guidance_scaleroghainneil
Seòrsanumber
Bun-roghainn7
0 – 25
Neart stiùiridh gun chlas, far a bheilear a’ moladh mu 7.0 an toiseach air checkpoints bunaiteach; le bhith ga àrdachadh, bidh gineadh a’ gèilleadh nas dlùithe don prompt.
seedroghainneil
Seòrsainteger | null
Sìol gineadair air thuaiream airson toraidhean ath-riochdachadh; ma thèid fhàgail air falbh, thèid sìol air thuaiream a thaghadh.
enable_prompt_expansionroghainneil
Seòrsaboolean
Bun-roghainnfalse
Leudachadh prompt a’ cleachdadh LLM nuair a tha e comasach, a’ cur mion-fhiosrachadh ris agus ag adhartachadh càileachd an toraidh.
enable_safety_checkerroghainneil
Seòrsaboolean
Bun-roghainntrue
Sgrùdadh sàbhailteachd airson susbaint NSFW.
output_formatroghainneil
Seòrsaenum
Bun-roghainnmp3
mp3wavflacoggopusm4aaac
Cruth a’ chontainir a thathar a’ cleachdadh airson na claisneachd a thig às.
bitrateroghainneil
Seòrsastring
Bun-roghainn192k
Ìre-bhrath claisneachd às-chur, air a leigeil seachad nuair a thathar a’ cleachdadh wav no flac oir tha iad gun chall. Airson chruthan teannaichte mar mp3, aac no opus, thoir seachad luach ann an riochd '192k' no '320k'.
promptriatanach
Seòrsastring
Teacsa a’ sònrachadh susbaint na claisneachd a tha thu ag iarraidh.
riatanach

Toradh

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "stable-audio-3/medium/base/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": 48,
    "usd": "0.048",
    "charged": 48,
    "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"
  }
}
Na faidhlichean agad, do roghainnTha gach outputs[].url na lethbhreac air an stòradh againn: air a chumail gu bràth (air a phàigheadh gach GB-mìos) no 7 latha an-asgaidh, a rèir suidheachadh a’ chunntais agad no ?storage=.
An aon chruth air gach modailtype, url, content_type, width, height agus duration, airson dealbhan, bhidio agus fuaim le chèile. ’S e output nì toraidh a’ mhodail fhèin.
Raointean toraidh
audio
object {url, content_type, file_name, file_size}Criomag claisneachd a chaidh a chruthachadh le gineadh.
seed
integerSìol a bha a’ cumail smachd air tuaiream rè gineadh.
prompt
stringPrompt a chaidh a chleachdadh gus an às-chur a ghineadh.

Barrachd mhodalan: Fuaim

Do riochdairean AI: tha an duilleag seo mar Markdown aig https://doitong.com/gd/developers/models/stable-audio-3/medium/base/text-to-audio.md. Na modailean agus na treòraichean uile: https://doitong.com/developers/llms.txt