सामग्री पर जाएँ

Stable Audio 3 Trainer

इंटीग्रेट करें

मॉडल id 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"

उदाहरण जैसी फ़ाइलें: $3.00 3,000 API क्रेडिट चलाने से पहले आपकी फ़ाइलों को मापा जाता है इसे इस पेज पर चलाएँ

API कुंजी प्राप्त करें
Stability AI ट्रेनिंग 1–380 s #music#audio#sfx#lora

मेल खाते टेक्स्ट कैप्शन वाली ऑडियो क्लिप के zip से Stable Audio 3 पर LoRA को प्रशिक्षित करता है

Stability AI · फ़ाइल

आपका पहला परिणाम यहाँ आएगा

नीचे एक अनुरोध बनाएँ और उसे अपनी API कुंजी से चलाएँ। आउटपुट हमारे स्टोरेज में कॉपी किए जाते हैं और हमेशा के लिए या 7 दिन तक मुफ़्त में रखे जाते हैं।

अनुरोध बनाएँ

कंट्रोल मॉडल स्कीमा से जनरेट होते हैं। इन्हें बदलने पर कोड और कीमत अपडेट होती है।

•आवश्यक

डेटासेट zip URL, जिसमें प्रत्येक ऑडियो/कैप्शन जोड़ी को समान बेसनेम के अंतर्गत साथ रखा गया है: उदाहरण के लिए, `clip.wav` की जोड़ी `clip.txt` से होती है। कैप्शन में `.txt` एक्सटेंशन होना चाहिए।

डिफ़ॉल्ट 1000

LoRA प्रशिक्षण के चरणों की संख्या।

सेकंड में क्रॉप/पैड अवधि, जो सभी मामलों में चयनित मॉडल की मूल प्रशिक्षण लंबाई से सीमित होती है। लंबाई दें या उसे छोड़ दें, ताकि डेटासेट में मिली सबसे लंबी क्लिप का उपयोग किया जा सके, बशर्ते वह सीमा के भीतर हो।

डिफ़ॉल्ट 1

प्रशिक्षण के दौरान उपयोग किया जाने वाला बैच साइज़।

उन्नत model · base_precision · adapter_type · lora_checkpoint_url · learning_rate · rank · seed · pre_encode · include · exclude
model डिफ़ॉल्ट medium-base

Stable Audio 3 को फ़ाइन-ट्यून करने के लिए बेस चेकपॉइंट।

base_precision डिफ़ॉल्ट bf16

फ़्रीज़ किए गए बेस वेट्स के लिए उपयोग की जाने वाली प्रिसीजन; LoRA पैरामीटर fp32 पर बने रहते हैं।

डिफ़ॉल्ट dora-rows

LoRA प्रशिक्षण के लिए उपयोग की जाने वाली अडैप्टर फ़ैमिली।

उस `.safetensors` LoRA चेकपॉइंट का वैकल्पिक URL, जिससे प्रशिक्षण फिर शुरू किया जा सकता है।

डिफ़ॉल्ट 0.0001

LoRA पैरामीटर पर AdamW द्वारा लागू की जाने वाली लर्निंग रेट।

डिफ़ॉल्ट 16

LoRA अडैप्टर का रैंक।

डिफ़ॉल्ट 42

रैंडमाइज़ेशन के लिए सीड।

मॉड्यूल-नाम सबस्ट्रिंग, जो LoRA जोड़ने का स्थान सीमित करते हैं: केवल मेल खाने वाले मॉ्यूल इसे प्राप्त करते हैं।

मेल खाने वाले मॉ्यूल को बाहर रखने के लिए उपयोग की जाने वाली नाम सबस्ट्रिंग।

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

यह अनुरोध चलाएँ

आपकी key इसी ब्राउज़र में रहती है: इसे केवल Doitong API को भेजा जाता है और केवल तभी (localStorage) में सेव किया जाता है जब आप Remember चुनते हैं। API कुंजी प्राप्त करें

Stable Audio 3 Trainer के बारे में

`audio_data_url` zip में बेस चेकपॉइंट (medium-base, small-music-base या small-sfx-base) को फ़ाइन-ट्यून करता है, जिसमें प्रत्येक ऑडियो फ़ाइल के समान नाम वाली `.txt` कैप्शन फ़ाइल होती है। आप `number_of_steps` (अधिकतम 20000), `learning_rate`, `rank` (1 से 256), `adapter_type` और `batch_size` समायोजित कर सकते हैं या `.safetensors` चेकपॉइंट से फिर शुरू कर सकते हैं। LoRA वेट और एक कॉन्फ़िग फ़ाइल लौटाता है।

पैरामीटर

नामप्रकार डिफ़ॉल्टअनुमत विवरण
audio_data_urlआवश्यक
प्रकारstring
डेटासेट zip URL, जिसमें प्रत्येक ऑडियो/कैप्शन जोड़ी को समान बेसनेम के अंतर्गत साथ रखा गया है: उदाहरण के लिए, `clip.wav` की जोड़ी `clip.txt` से होती है। कैप्शन में `.txt` एक्सटेंशन होना चाहिए।
modelवैकल्पिक
प्रकारenum
डिफ़ॉल्टmedium-base
medium-basesmall-music-basesmall-sfx-base
Stable Audio 3 को फ़ाइन-ट्यून करने के लिए बेस चेकपॉइंट।
number_of_stepsवैकल्पिक
प्रकारinteger
डिफ़ॉल्ट1000
1 – 20,000
LoRA प्रशिक्षण के चरणों की संख्या।
learning_rateवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट0.0001
≤ 0.01> 0
LoRA पैरामीटर पर AdamW द्वारा लागू की जाने वाली लर्निंग रेट।
rankवैकल्पिक
प्रकारinteger
डिफ़ॉल्ट16
1 – 256
LoRA अडैप्टर का रैंक।
adapter_typeवैकल्पिक
प्रकारenum
डिफ़ॉल्टdora-rows
loradoradora-rowsdora-colsboralora-xsdora-rows-xsdora-cols-xsbora-xs
LoRA प्रशिक्षण के लिए उपयोग की जाने वाली अडैप्टर फ़ैमिली।
durationवैकल्पिक
प्रकारnumber | null
1 – 380
सेकंड में क्रॉप/पैड अवधि, जो सभी मामलों में चयनित मॉडल की मूल प्रशिक्षण लंबाई से सीमित होती है। लंबाई दें या उसे छोड़ दें, ताकि डेटासेट में मिली सबसे लंबी क्लिप का उपयोग किया जा सके, बशर्ते वह सीमा के भीतर हो।
batch_sizeवैकल्पिक
प्रकारinteger
डिफ़ॉल्ट1
1 – 8
प्रशिक्षण के दौरान उपयोग किया जाने वाला बैच साइज़।
seedवैकल्पिक
प्रकारinteger
डिफ़ॉल्ट42
0 – 2,14,74,83,647
रैंडमाइज़ेशन के लिए सीड।
base_precisionवैकल्पिक
प्रकारenum
डिफ़ॉल्टbf16
bf16bfloat16fp16float16
फ़्रीज़ किए गए बेस वेट्स के लिए उपयोग की जाने वाली प्रिसीजन; LoRA पैरामीटर fp32 पर बने रहते हैं।
includeवैकल्पिक
प्रकारstring[]
मॉड्यूल-नाम सबस्ट्रिंग, जो LoRA जोड़ने का स्थान सीमित करते हैं: केवल मेल खाने वाले मॉ्यूल इसे प्राप्त करते हैं।
excludeवैकल्पिक
प्रकारstring[]
मेल खाने वाले मॉ्यूल को बाहर रखने के लिए उपयोग की जाने वाली नाम सबस्ट्रिंग।
lora_checkpoint_urlवैकल्पिक
प्रकारstring | null
उस `.safetensors` LoRA चेकपॉइंट का वैकल्पिक URL, जिससे प्रशिक्षण फिर शुरू किया जा सकता है।
pre_encodeवैकल्पिक
प्रकारboolean
डिफ़ॉल्टfalse
LoRA प्रशिक्षण से पहले ऑडियो आर्काइव को SAME लैटेंट में प्री-एन्कोड करना।
आवश्यक

आउटपुट

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"
  }
}
आपकी फ़ाइलें, आपकी पसंदहर outputs[].url हमारे स्टोरेज में एक कॉपी है: हमेशा के लिए (प्रति GB-माह भुगतान) या 7 दिन तक मुफ़्त में, आपके अकाउंट की सेटिंग या ?storage= के अनुसार।
हर मॉडल पर एक जैसा आकारइमेज, वीडियो और ऑडियो सभी के लिए type, url, content_type, width, height और duration। output मॉडल का अपना परिणाम ऑब्जेक्ट है।
आउटपुट के फ़ील्ड
lora_file
object {url, content_type, file_name, file_size}Stable Audio 3 के लिए प्रशिक्षित LoRA वेट्स।
config_file
object {url, content_type, file_name, file_size}प्रशिक्षण रन और इन्फ़रेंस के लिए संगत मॉडल का वर्णन करने वाला JSON मेटाडेटा।

AI एजेंट के लिए: इस पेज का Markdown यहाँ है https://doitong.com/hi/developers/models/stable-audio-3-trainer.md. सभी मॉडल और गाइड: https://doitong.com/developers/llms.txt