Vai al contenuto

Stable Audio 3 Medium Base Text to Audio

Integra

ID del modello 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"

Questa richiesta: 0,048 $ 48 crediti API Esegui in questa pagina

Ottieni la chiave API
Stability AI Audio 1–380 s #music#audio#stereo

Text-to-audio Medium con checkpoint di base per workflow di fine-tuning, clip fino a 380 secondi

Stability AI · Audio

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

Testo che specifica il contenuto audio desiderato.

predefinito 30

Durata audio in secondi, con un massimo di 380 secondi per il modello medium (circa 6 minuti e 20 secondi).

Avanzate negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · seed · enable_prompt_expansion · enable_safety_checker
predefinito

Testo che specifica le qualità indesiderate nell'output.

output_format predefinito mp3

Formato del contenitore usato per l'audio risultante.

predefinito 192k

Bitrate dell'output audio, ignorato con wav o flac perché sono senza perdita. Per formati compressi come mp3, aac o opus, fornisci un valore nella forma '192k' o '320k'.

predefinito 50

Scegli quanti passaggi di campionamento eseguire; circa 50 consentono di ottenere una buona qualità con checkpoint di base (non distillati).

predefinito 7

Intensità del classifier-free guidance, per cui inizialmente si consiglia circa 7.0 sui checkpoint di base; aumentandola, la generazione aderisce più strettamente al prompt.

Seed del generatore casuale per risultati ripetibili; omettendolo viene selezionato un seed casuale.

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

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 Medium Base Text to Audio

Genera audio da un `prompt` testuale, con un `negative_prompt` opzionale per evitare caratteristiche indesiderate. `duration` varia da 1 a 380 secondi. Essendo il checkpoint di base non distillato, usa per impostazione predefinita 50 passaggi di campionamento e una guidance scale pari a 7; accetta valori di guidance fino a 25. I formati di output includono mp3, wav, flac, ogg, opus, m4a e aac.

Parametri

NomeTipo PredefinitoConsentiti Descrizione
negative_promptfacoltativo
Tipostring
Predefinito
Testo che specifica le qualità indesiderate nell'output.
durationfacoltativo
Tiponumber
Predefinito30
1 – 380
Durata audio in secondi, con un massimo di 380 secondi per il modello medium (circa 6 minuti e 20 secondi).
num_inference_stepsfacoltativo
Tipointeger
Predefinito50
1 – 100
Scegli quanti passaggi di campionamento eseguire; circa 50 consentono di ottenere una buona qualità con checkpoint di base (non distillati).
guidance_scalefacoltativo
Tiponumber
Predefinito7
0 – 25
Intensità del classifier-free guidance, per cui inizialmente si consiglia circa 7.0 sui checkpoint di base; aumentandola, la generazione aderisce più strettamente al prompt.
seedfacoltativo
Tipointeger | null
Seed del generatore casuale per risultati ripetibili; omettendolo viene selezionato un seed casuale.
enable_prompt_expansionfacoltativo
Tipoboolean
Predefinitofalse
Espansione del prompt tramite un LLM quando abilitata, con aggiunta di dettagli e miglioramento della qualità del risultato.
enable_safety_checkerfacoltativo
Tipoboolean
Predefinitotrue
Controllo di sicurezza per contenuti NSFW.
output_formatfacoltativo
Tipoenum
Predefinitomp3
mp3wavflacoggopusm4aaac
Formato del contenitore usato per l'audio risultante.
bitratefacoltativo
Tipostring
Predefinito192k
Bitrate dell'output audio, ignorato con wav o flac perché sono senza perdita. Per formati compressi come mp3, aac o opus, fornisci un valore nella forma '192k' o '320k'.
promptobbligatorio
Tipostring
Testo che specifica il contenuto audio desiderato.
obbligatorio

Output

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"
  }
}
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
audio
object {url, content_type, file_name, file_size}Clip audio prodotto dalla generazione.
seed
integerSeed che ha controllato la casualità durante la generazione.
prompt
stringPrompt utilizzato per generare l'output.

Altri modelli: Audio

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