Op den Inhalt sprangen

Stable Audio 3 Medium Base Audio to Audio

Integréieren

Modell-ID stable-audio-3/medium/base/audio-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/audio-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",
    "audio": "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"

Dës Ufro: 0,053 $ 53 API-Kreditter Op dëser Säit ausféieren

API-Schlëssel kréien
Stability AI Audio 1–380 s #music#style-transfer#remix

Audio-to-Audio-Remix mam Medium-Basis-Checkpoint: formt e Quellclip mat engem Prompt ëm, bis zu 380 Sekonnen

Stability AI · Audio

Äin éischt Resultat kënnt hei hin

Baut hei drënner eng Ufro a féiert se mat Ärem API-Schlëssel aus. Output gëtt an eis Späicherung kopéiert, fir ëmmer oder 7 Deeg gratis gespäichert.

Eng Ufro erstellen

D'Kontrolle ginn aus dem Modellschema generéiert. De Code an de Präis aktualiséiere sech, wann s du se ännerst.

•obligatoresch

Textinstruktiounen, déi d'Transformatioun vum Quell-Audio beschreiwen.

•obligatoresch audio_url
Fichier erofzéien, oder

Input-Audio fir d'Transformatioun.

Standard 30

Audio-Längt a Sekonnen, mat engem Maximum vu 380 Sekonnen beim Medium-Modell (ongeféier 6 Minutten 20 Sekonnen).

Erweidert negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · init_noise_level · seed · enable_prompt_expansion · enable_safety_checker
Standard

Text, deen onerwënscht Qualitéiten am Output ugëtt.

output_format Standard mp3

Containerformat vum resultéierenden Audio.

Standard 192k

Bitrate vum Output-Audio, ignoréiert bei wav oder flac, well dës lossless sinn. Fir kompriméiert Formater wéi mp3, aac oder opus gitt e Wäert an der Form '192k' oder '320k' un.

Standard 50

Wielt d'Zuel vun de Sampling-Schrëtt; ongeféier 50 erméiglechen eng gutt Qualitéit mat Basis-Checkpoints (net distilléiert).

Standard 7

Classifier-free-Guidance-Stäerkt; fir Basis-Checkpoints gëtt ufanks ongeféier 7.0 recommandéiert. Eng Erhéijung léisst d'Generatioun de Prompt méi genee befollegen.

Standard 0.9

Rauschniveau vum Quell-Audio: 0.1 erhält eng grouss Ähnlechkeet zum Input, 0.5 ass mëttel an 1.0 ersetzt d'Quell komplett duerch Rauschen fir eng reng Generatioun.

Seed vum Zoufallsgenerator fir widderhuelbar Resultater; wann e feelt, gëtt e zoufällege Seed ausgewielt.

POST /run/stable-audio-3/medium/base/audio-to-audio?wait=20 Präis → 0,053 $
# 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/audio-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",
    "audio": "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"

Dës Ufro ausféieren

Äre Schlëssel bleift an dësem Browser: e gëtt nëmmen un d'Doitong API geschéckt an nëmme gespäichert (localStorage), wann s du „Erënneren“ aktivéiers. En API-Schlëssel kréien

Iwwer Stable Audio 3 Medium Base Audio to Audio

Huelt e Quellclip iwwer `audio_url` plus en Text-`prompt` a generéiert eng transforméiert Versioun. `init_noise_level` (0 bis 1) setzt, wéi no d'Resultat dem Input follegt, an `duration` akzeptéiert 1 bis 380 Sekonnen. Dëst ass den net-destilléierte Checkpoint; dofir sinn d'Standardwäerter 50 Sampling-Schrëtt an eng Guidance-Skala vun 7. Den Output kann mp3, wav, flac, ogg, opus, m4a oder aac sinn.

Parameteren

Schéck entweder den kanoneschen Numm oder den natierlechen Numm, net béid. Kanonesch Nimm

NummTyp StandardErlaabt Beschreiwung
negative_promptoptional
Typstring
Standard
Text, deen onerwënscht Qualitéiten am Output ugëtt.
durationoptional
Typnumber
Standard30
1 – 380
Audio-Längt a Sekonnen, mat engem Maximum vu 380 Sekonnen beim Medium-Modell (ongeféier 6 Minutten 20 Sekonnen).
num_inference_stepsoptional
Typinteger
Standard50
1 – 100
Wielt d'Zuel vun de Sampling-Schrëtt; ongeféier 50 erméiglechen eng gutt Qualitéit mat Basis-Checkpoints (net distilléiert).
guidance_scaleoptional
Typnumber
Standard7
0 – 25
Classifier-free-Guidance-Stäerkt; fir Basis-Checkpoints gëtt ufanks ongeféier 7.0 recommandéiert. Eng Erhéijung léisst d'Generatioun de Prompt méi genee befollegen.
seedoptional
Typinteger | null
Seed vum Zoufallsgenerator fir widderhuelbar Resultater; wann e feelt, gëtt e zoufällege Seed ausgewielt.
enable_prompt_expansionoptional
Typboolean
Standardfalse
Prompt-Erweiderung mat engem LLM, wann aktivéiert, fir Detailer bäizefügen an d'Resultatqualitéit ze verbesseren.
enable_safety_checkeroptional
Typboolean
Standardtrue
Sécherheetskontroll op NSFW-Inhalter.
output_formatoptional
Typenum
Standardmp3
mp3wavflacoggopusm4aaac
Containerformat vum resultéierenden Audio.
bitrateoptional
Typstring
Standard192k
Bitrate vum Output-Audio, ignoréiert bei wav oder flac, well dës lossless sinn. Fir kompriméiert Formater wéi mp3, aac oder opus gitt e Wäert an der Form '192k' oder '320k' un.
promptobligatoresch
Typstring
Textinstruktiounen, déi d'Transformatioun vum Quell-Audio beschreiwen.
audio_urlobligatoresch audio
Typurl · audio
Input-Audio fir d'Transformatioun.
init_noise_leveloptional
Typnumber
Standard0.9
0 – 1
Rauschniveau vum Quell-Audio: 0.1 erhält eng grouss Ähnlechkeet zum Input, 0.5 ass mëttel an 1.0 ersetzt d'Quell komplett duerch Rauschen fir eng reng Generatioun.
obligatoresch Kanoneschen Numm, och akzeptéiert

Fichierparameter akzeptéieren eng ëffentlech https:// URL, eng data: URI bis zu 10 MB oder de file_url vun engem Upload. Fichieren

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "stable-audio-3/medium/base/audio-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": 53,
    "usd": "0.053",
    "charged": 53,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "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"
  }
}
Är Fichieren, Är WielAll outputs[].url ass eng Kopie an eiser Späicherung: fir ëmmer gespäichert (bezuelbar pro GB-Mount) oder 7 Deeg gratis, jee no Ärer Kontastellung oder ?storage=.
D'selwecht Struktur bei all Modelltype, url, content_type, width, height an duration, fir Biller, Video an Audio gläichermoossen. output ass dem Modell säin eegent Resultatobjet.
Output-Felder
audio
object {url, content_type, file_name, file_size}Audio-Clip, deen duerch d'Generatioun erstallt gouf.
seed
integerSeed, deen d'Zoufällegkeet während der Generatioun gesteiert huet.
prompt
stringPrompt, dee fir d'Generatioun vum Output benotzt gouf.

Méi Modeller: Audio

Fir AI-Agenten: dës Säit als Markdown ass ënner https://doitong.com/lb/developers/models/stable-audio-3/medium/base/audio-to-audio.md. All Modeller a Guiden: https://doitong.com/developers/llms.txt