Vai al contenuto

Stable Audio 3 Trainer

Integra

ID del modello 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"

File come nell'esempio: 3,00 $ 3000 crediti API i tuoi file vengono misurati prima dell'esecuzione Esegui in questa pagina

Ottieni la chiave API
Stability AI Addestramento 1–380 s #music#audio#sfx#lora

Addestra una LoRA su Stable Audio 3 a partire da un archivio zip di clip audio con didascalie testuali corrispondenti

Stability AI · File

Il tuo primo risultato apparirà qui

Crea una richiesta qui sotto ed eseguila con la tua chiave API. Gli output vengono copiati nella nostra archiviazione, conservati per sempre oppure 7 giorni gratuitamente.

Crea una richiesta

I controlli vengono generati dallo schema del modello. Il codice e il prezzo si aggiornano mentre li modifichi.

•obbligatorio

URL dello zip del dataset, con ogni coppia audio/didascalia memorizzata insieme usando nomi base corrispondenti: ad esempio, `clip.wav` corrisponde a `clip.txt`. Le didascalie devono usare l'estensione `.txt`.

predefinito 1000

Numero di passaggi per l'addestramento LoRA.

Durata del ritaglio e del padding in secondi, limitata in ogni caso dalla lunghezza nativa di addestramento del modello selezionato. Fornisci una durata oppure omettila per usare il clip più lungo rilevato nel dataset, entro tale limite.

predefinito 1

Dimensione del batch usata durante l'addestramento.

Avanzate model · base_precision · adapter_type · lora_checkpoint_url · learning_rate · rank · seed · pre_encode · include · exclude
model predefinito medium-base

Checkpoint di base per il fine-tuning di Stable Audio 3.

base_precision predefinito bf16

Precisione usata dai pesi di base congelati; i parametri LoRA restano fp32.

predefinito dora-rows

Famiglia di adattatori usata per l'addestramento LoRA.

URL facoltativo di un checkpoint LoRA `.safetensors` da cui riprendere l'addestramento.

predefinito 0.0001

Tasso di apprendimento applicato da AdamW ai parametri LoRA.

predefinito 16

Rank dell'adattatore LoRA.

predefinito 42

Seed per la randomizzazione.

Sottostringhe dei nomi dei moduli che limitano i punti in cui viene aggiunto LoRA: lo ricevono solo i moduli corrispondenti.

Sottostringhe dei nomi usate per escludere i moduli corrispondenti.

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

Esegui questa richiesta

La tua chiave rimane in questo browser: viene inviata solo al Doitong API e salvata in localStorage solo se selezioni Ricorda. Ottieni una chiave API

Informazioni su Stable Audio 3 Trainer

Esegue il fine-tuning di un checkpoint di base (medium-base, small-music-base o small-sfx-base) su un archivio zip `audio_data_url`, in cui ogni file audio ha una didascalia `.txt` con lo stesso nome. Puoi regolare `number_of_steps` (fino a 20000), `learning_rate`, `rank` (da 1 a 256), `adapter_type` e `batch_size`, oppure riprendere da un checkpoint `.safetensors`. Restituisce i pesi LoRA e un file di configurazione.

Parametri

NomeTipo PredefinitoConsentiti Descrizione
audio_data_urlobbligatorio
Tipostring
URL dello zip del dataset, con ogni coppia audio/didascalia memorizzata insieme usando nomi base corrispondenti: ad esempio, `clip.wav` corrisponde a `clip.txt`. Le didascalie devono usare l'estensione `.txt`.
modelfacoltativo
Tipoenum
Predefinitomedium-base
medium-basesmall-music-basesmall-sfx-base
Checkpoint di base per il fine-tuning di Stable Audio 3.
number_of_stepsfacoltativo
Tipointeger
Predefinito1000
1 – 20.000
Numero di passaggi per l'addestramento LoRA.
learning_ratefacoltativo
Tiponumber
Predefinito0.0001
≤ 0,01> 0
Tasso di apprendimento applicato da AdamW ai parametri LoRA.
rankfacoltativo
Tipointeger
Predefinito16
1 – 256
Rank dell'adattatore LoRA.
adapter_typefacoltativo
Tipoenum
Predefinitodora-rows
loradoradora-rowsdora-colsboralora-xsdora-rows-xsdora-cols-xsbora-xs
Famiglia di adattatori usata per l'addestramento LoRA.
durationfacoltativo
Tiponumber | null
1 – 380
Durata del ritaglio e del padding in secondi, limitata in ogni caso dalla lunghezza nativa di addestramento del modello selezionato. Fornisci una durata oppure omettila per usare il clip più lungo rilevato nel dataset, entro tale limite.
batch_sizefacoltativo
Tipointeger
Predefinito1
1 – 8
Dimensione del batch usata durante l'addestramento.
seedfacoltativo
Tipointeger
Predefinito42
0 – 2.147.483.647
Seed per la randomizzazione.
base_precisionfacoltativo
Tipoenum
Predefinitobf16
bf16bfloat16fp16float16
Precisione usata dai pesi di base congelati; i parametri LoRA restano fp32.
includefacoltativo
Tipostring[]
Sottostringhe dei nomi dei moduli che limitano i punti in cui viene aggiunto LoRA: lo ricevono solo i moduli corrispondenti.
excludefacoltativo
Tipostring[]
Sottostringhe dei nomi usate per escludere i moduli corrispondenti.
lora_checkpoint_urlfacoltativo
Tipostring | null
URL facoltativo di un checkpoint LoRA `.safetensors` da cui riprendere l'addestramento.
pre_encodefacoltativo
Tipoboolean
Predefinitofalse
Pre-codifica dell'archivio audio in latenti SAME prima dell'addestramento LoRA.
obbligatorio

Output

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"
  }
}
I tuoi file, la tua sceltaOgni outputs[].url è una copia nella nostra archiviazione: conservata per sempre (a pagamento per GB-mese) oppure 7 giorni gratuitamente, in base all'impostazione dell'account o a ?storage=.
Stessa struttura per ogni modellotype, url, content_type, width, height e duration, per immagini, video e audio. output è l'oggetto risultato del modello.
Campi dell'output
lora_file
object {url, content_type, file_name, file_size}Pesi LoRA addestrati per Stable Audio 3.
config_file
object {url, content_type, file_name, file_size}Metadati JSON che descrivono l'esecuzione dell'addestramento e il modello compatibile per l'inferenza.

Per gli agenti AI: questa pagina in Markdown è disponibile all'indirizzo https://doitong.com/it/developers/models/stable-audio-3-trainer.md. Tutti i modelli e le guide: https://doitong.com/developers/llms.txt