Op den Inhalt sprangen

Stable Audio 3 · Medium · Text to Audio

Integréieren

Modell-ID stable-audio-3/medium/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/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"

Dës Ufro: 0,038 $ 38 API-Kreditter Op dëser Säit ausféieren

API-Schlëssel kréien
Stability AI Audio 1–380 s #music#audio#stereo

Destilléiert Medium Text-to-Audio mat séieren 8 Standard-Schrëtt, Clips 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

Text, deen de gewënschten Audio-Inhalt ugëtt.

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 · 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 8

Zuel vun de Sampling-Iteratiounen, standardméisseg 8, well distilléiert a post-trainéiert Checkpoints do schonn eng gutt Qualitéit erreechen; zousätzlech Iteratioune brénge wéineg Virdeel.

Standard 1

Classifier-free-Guidance-Stäerkt nëmme fir Basis-Checkpoints; distilléiert Checkpoints si dovun net betraff. Bei passenden Checkpoints verstäerkt eng Erhéijung d'Befollegung vum Prompt.

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

POST /run/stable-audio-3/medium/text-to-audio?wait=20 Präis → 0,038 $
# 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/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"

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 · Text to Audio

Erstellt Audio aus engem Text-`prompt`, optional mat engem `negative_prompt`. Dës post-trainéiert Variant benotzt standardméisseg 8 Sampling-Schrëtt a profitéiert wéineg vu méi Schrëtt; d'Guidance-Skala steet standardméisseg op 1, well si nëmme bei Basis-Checkpoints wierksam ass. `duration` leeft vun 1 bis 380 Sekonnen. Wielt als Output mp3, wav, flac, ogg, opus, m4a oder aac.

Parameteren

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
Standard8
1 – 100
Zuel vun de Sampling-Iteratiounen, standardméisseg 8, well distilléiert a post-trainéiert Checkpoints do schonn eng gutt Qualitéit erreechen; zousätzlech Iteratioune brénge wéineg Virdeel.
guidance_scaleoptional
Typnumber
Standard1
0 – 25
Classifier-free-Guidance-Stäerkt nëmme fir Basis-Checkpoints; distilléiert Checkpoints si dovun net betraff. Bei passenden Checkpoints verstäerkt eng Erhéijung d'Befollegung vum Prompt.
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
Text, deen de gewënschten Audio-Inhalt ugëtt.
obligatoresch

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "stable-audio-3/medium/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": 38,
    "usd": "0.038",
    "charged": 38,
    "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"
  }
}
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/text-to-audio.md. All Modeller a Guiden: https://doitong.com/developers/llms.txt