Ugrás a tartalomhoz

Stable Audio 3 Trainer

Integráció

Modellazonosító 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"

A példához hasonló fájlok: 3,00 $ 3000 API-jóváírás a fájljaidat a futtatás előtt megmérjük Futtatás ezen az oldalon

API-kulcs beszerzése
Stability AI Tanítás 1–380 s #music#audio#sfx#lora

LoRA-t tanít Stable Audio 3 modellen egyező szöveges feliratokat tartalmazó hangklipek zip-fájljából

Stability AI · Fájl

Az első eredményed itt jelenik meg

Állíts össze egy kérést alább, majd futtasd az API-kulcsoddal. A kimeneteket a tárhelyünkre másoljuk, és örökre vagy 7 nap ideig ingyenesen őrizzük meg.

Kérés összeállítása

A vezérlők a modell sémájából jönnek létre. A kód és az ár a módosításokkal együtt frissül.

•kötelező

Adathalmaz-zip URL-je, amelyben minden hang/felirat pár azonos alapnév alatt található: például a `clip.wav` a `clip.txt` fájlhoz tartozik. A feliratoknak a `.txt` kiterjesztést kell használniuk.

alapértelmezett: 1000

A LoRA betanítási lépésszáma.

Vágási vagy kitöltési időtartam másodpercben, amelyet minden esetben a kiválasztott modell natív tanítási hossza korlátoz. Adj meg hosszt, vagy hagyd ki a leghosszabb, az adathalmazban észlelt klip használatához, a korláton belül.

alapértelmezett: 1

A tanítás során használt kötegméret.

Speciális model · base_precision · adapter_type · lora_checkpoint_url · learning_rate · rank · seed · pre_encode · include · exclude
model alapértelmezett: medium-base

A Stable Audio 3 finomhangolásához használt alap-ellenőrzőpont.

base_precision alapértelmezett: bf16

A rögzített alap-súlyokhoz használt pontosság; a LoRA-paraméterek fp32 formátumban maradnak.

alapértelmezett: dora-rows

A LoRA-tanításhoz használt adaptercsalád.

Opcionális URL egy `.safetensors` LoRA-ellenőrzőponthoz, amelyről a folytatás történik.

alapértelmezett: 0.0001

Az AdamW által a LoRA-paraméterekre alkalmazott tanulási ráta.

alapértelmezett: 16

A LoRA-adapter rangja.

alapértelmezett: 42

A véletlenszerűsítés magja.

Modulnév-részletek, amelyek korlátozzák, hová kerülhet LoRA: csak az egyező modulok kapják meg.

Az egyező modulok kizárására használt névrészletek.

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

Kérés futtatása

A kulcsod ebben a böngészőben marad: csak a Doitong API-nak küldjük el, és csak akkor mentjük a localStorage-ba, ha bejelölöd az Emlékezz rám lehetőséget. API-kulcs igénylése

A(z) Stable Audio 3 Trainer bemutatása

Egy alap-checkpointot (medium-base, small-music-base vagy small-sfx-base) finomhangol az `audio_data_url` címen elérhető zip-fájlon, amelyben minden hangfájlhoz azonos nevű `.txt` felirat tartozik. Beállítható a `number_of_steps` (legfeljebb 20000), a `learning_rate`, a `rank` (1–256), az `adapter_type` és a `batch_size`, illetve folytatható a tanítás egy `.safetensors` checkpointból. LoRA-súlyokat és konfigurációs fájlt ad vissza.

Paraméterek

NévTípus AlapértelmezettEngedélyezett Leírás
audio_data_urlkötelező
Típusstring
Adathalmaz-zip URL-je, amelyben minden hang/felirat pár azonos alapnév alatt található: például a `clip.wav` a `clip.txt` fájlhoz tartozik. A feliratoknak a `.txt` kiterjesztést kell használniuk.
modelnem kötelező
Típusenum
Alapértelmezettmedium-base
medium-basesmall-music-basesmall-sfx-base
A Stable Audio 3 finomhangolásához használt alap-ellenőrzőpont.
number_of_stepsnem kötelező
Típusinteger
Alapértelmezett1000
1 – 20 000
A LoRA betanítási lépésszáma.
learning_ratenem kötelező
Típusnumber
Alapértelmezett0.0001
≤ 0,01> 0
Az AdamW által a LoRA-paraméterekre alkalmazott tanulási ráta.
ranknem kötelező
Típusinteger
Alapértelmezett16
1 – 256
A LoRA-adapter rangja.
adapter_typenem kötelező
Típusenum
Alapértelmezettdora-rows
loradoradora-rowsdora-colsboralora-xsdora-rows-xsdora-cols-xsbora-xs
A LoRA-tanításhoz használt adaptercsalád.
durationnem kötelező
Típusnumber | null
1 – 380
Vágási vagy kitöltési időtartam másodpercben, amelyet minden esetben a kiválasztott modell natív tanítási hossza korlátoz. Adj meg hosszt, vagy hagyd ki a leghosszabb, az adathalmazban észlelt klip használatához, a korláton belül.
batch_sizenem kötelező
Típusinteger
Alapértelmezett1
1 – 8
A tanítás során használt kötegméret.
seednem kötelező
Típusinteger
Alapértelmezett42
0 – 2 147 483 647
A véletlenszerűsítés magja.
base_precisionnem kötelező
Típusenum
Alapértelmezettbf16
bf16bfloat16fp16float16
A rögzített alap-súlyokhoz használt pontosság; a LoRA-paraméterek fp32 formátumban maradnak.
includenem kötelező
Típusstring[]
Modulnév-részletek, amelyek korlátozzák, hová kerülhet LoRA: csak az egyező modulok kapják meg.
excludenem kötelező
Típusstring[]
Az egyező modulok kizárására használt névrészletek.
lora_checkpoint_urlnem kötelező
Típusstring | null
Opcionális URL egy `.safetensors` LoRA-ellenőrzőponthoz, amelyről a folytatás történik.
pre_encodenem kötelező
Típusboolean
Alapértelmezettfalse
A hangarchívum előzetes kódolása SAME látens reprezentációkba a LoRA tanítása előtt.
kötelező

Kimenet

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"
  }
}
Az Ön fájljai, az Ön döntéseMinden outputs[].url a tárhelyünkön lévő másolat: örökre megőrizve (GB-hónaponként fizetve) vagy 7 nap ideig ingyenesen, a fiókbeállításod vagy a ?storage= alapján.
Azonos struktúra minden modellentype, url, content_type, width, height és duration képekhez, videókhoz és hanganyagokhoz egyaránt. Az output a modell saját eredményobjektuma.
A kimenet mezői
lora_file
object {url, content_type, file_name, file_size}A Stable Audio 3-hoz tanított LoRA-súlyok.
config_file
object {url, content_type, file_name, file_size}A tanítási futást és az inferenciához kompatibilis modellt leíró JSON-metaadatok.

AI-ügynököknek: ez az oldal Markdown formátumban itt található: https://doitong.com/hu/developers/models/stable-audio-3-trainer.md. Minden modell és útmutató: https://doitong.com/developers/llms.txt