Sleppa yfir í efni

Stable Audio 3 Medium Base Text to Audio

Tengja

Auðkenni líkans 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"

Þessi beiðni: 0,048 $ 48 API-inneignir Keyra á þessari síðu

Fá API-lykil
Stability AI Hljóð 1–380 s #music#audio#stereo

Medium-texti-í-hljóð með grunn-checkpoint fyrir fínstillingarferla, allt að 380 sekúndna bútar

Stability AI · Hljóð

Fyrsta niðurstaðan þín birtist hér

Búðu til beiðni hér að neðan og keyrðu hana með API-lyklinum þínum. Úttök eru afrituð í geymsluna okkar og geymd að eilífu eða 7 dagar án kostnaðar.

Búa til beiðni

Stýringar eru búnar til út frá líkanaskemanu. Kóðinn og verðið uppfærast þegar þú breytir þeim.

•áskilið

Texti sem tilgreinir æskilegt hljóðefni.

sjálfgefið 30

Lengd hljóðs í sekúndum, með hámarkinu 380 sekúndur fyrir medium-líkan (u.þ.b. 6 mínútur og 20 sekúndur).

Ítarlegt negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · seed · enable_prompt_expansion · enable_safety_checker
sjálfgefið

Texti sem tilgreinir óæskilega eiginleika í úttakinu.

output_format sjálfgefið mp3

Gámssnið sem er notað fyrir hljóðið í niðurstöðunni.

sjálfgefið 192k

Bitahraði úttakshljóðs, hunsaður þegar wav eða flac er notað þar sem þau eru taplaus. Fyrir þjöppuð snið á borð við mp3, aac eða opus skal gefa upp gildi á forminu '192k' eða '320k'.

sjálfgefið 50

Veldu fjölda sýnatökuþrepa; um 50 geta gefið góð gæði þegar grunn-checkpoint, sem eru ekki eimuð, eru notuð.

sjálfgefið 7

Styrkur classifier-free guidance, þar sem mælt er með um 7.0 í upphafi á grunn-checkpoint; hækkun hans lætur efnisgerð fylgja kvaðningunni nánar.

Fræ slembigjafa fyrir endurtekjanlegar niðurstöður; ef því er sleppt er slembifræ valið.

POST /run/stable-audio-3/medium/base/text-to-audio?wait=20 verðtilboð → 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"

Keyra þessa beiðni

Lykillinn þinn er áfram í þessum vafra: hann er aðeins sendur til Doitong API og vistaður í localStorage aðeins ef þú hakar við Muna. Fá API-lykil

Um Stable Audio 3 Medium Base Text to Audio

Býr til hljóð út frá textakvaðningu í `prompt`, með valkvæðri `negative_prompt` til að forðast óæskilega eiginleika. `duration` er á bilinu 1 til 380 sekúndur. Þar sem þetta er óeimaða grunnvörðunin er sjálfgefið 50 sýnatökuskref og leiðsagnarstuðull 7, og leiðsögn allt að 25 er leyfð. Úttakssnið eru meðal annars mp3, wav, flac, ogg, opus, m4a og aac.

Færibreytur

HeitiGerð SjálfgefiðLeyfilegt Lýsing
negative_promptvalfrjálst
Gerðstring
Sjálfgefið
Texti sem tilgreinir óæskilega eiginleika í úttakinu.
durationvalfrjálst
Gerðnumber
Sjálfgefið30
1 – 380
Lengd hljóðs í sekúndum, með hámarkinu 380 sekúndur fyrir medium-líkan (u.þ.b. 6 mínútur og 20 sekúndur).
num_inference_stepsvalfrjálst
Gerðinteger
Sjálfgefið50
1 – 100
Veldu fjölda sýnatökuþrepa; um 50 geta gefið góð gæði þegar grunn-checkpoint, sem eru ekki eimuð, eru notuð.
guidance_scalevalfrjálst
Gerðnumber
Sjálfgefið7
0 – 25
Styrkur classifier-free guidance, þar sem mælt er með um 7.0 í upphafi á grunn-checkpoint; hækkun hans lætur efnisgerð fylgja kvaðningunni nánar.
seedvalfrjálst
Gerðinteger | null
Fræ slembigjafa fyrir endurtekjanlegar niðurstöður; ef því er sleppt er slembifræ valið.
enable_prompt_expansionvalfrjálst
Gerðboolean
Sjálfgefiðfalse
Útvíkkun kvaðningar með LLM þegar hún er virkjuð, sem bætir við smáatriðum og eykur gæði niðurstöðu.
enable_safety_checkervalfrjálst
Gerðboolean
Sjálfgefiðtrue
Öryggisathugun á NSFW-efni.
output_formatvalfrjálst
Gerðenum
Sjálfgefiðmp3
mp3wavflacoggopusm4aaac
Gámssnið sem er notað fyrir hljóðið í niðurstöðunni.
bitratevalfrjálst
Gerðstring
Sjálfgefið192k
Bitahraði úttakshljóðs, hunsaður þegar wav eða flac er notað þar sem þau eru taplaus. Fyrir þjöppuð snið á borð við mp3, aac eða opus skal gefa upp gildi á forminu '192k' eða '320k'.
promptáskilið
Gerðstring
Texti sem tilgreinir æskilegt hljóðefni.
áskilið

Úttak

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"
  }
}
Skrárnar þínar, þitt valHvert outputs[].url er afrit í geymslunni okkar: geymt að eilífu (greitt fyrir hvert GB-mánuðargildi) eða 7 dagar án kostnaðar, eftir stillingu aðgangsins þíns eða ?storage=.
Sama lögun í öllum líkönumtype, url, content_type, width, height og duration, jafnt fyrir myndir, myndbönd og hljóð. output er eigið niðurstöðuhlutur líkansins.
Reitir úttaks
audio
object {url, content_type, file_name, file_size}Hljóðbútur sem myndaður er með efnisgerð.
seed
integerSáð sem stýrði slembni við efnisgerð.
prompt
stringKvaðningin sem notuð var til að búa til úttakið.

Fleiri líkön: Hljóð

Fyrir gervigreindarþjóna: þessi síða á Markdown-sniði er á https://doitong.com/is/developers/models/stable-audio-3/medium/base/text-to-audio.md. Öll líkön og leiðbeiningar: https://doitong.com/developers/llms.txt