Pāriet uz saturu

Stable Audio 3 · Medium · Text to Audio

Integrēt

Modeļa 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"

Šis pieprasījums: 0,038 $ 38 API kredīti Izpildīt šajā lapā

Iegūt API atslēgu
Stability AI Audio 1–380 s #music#audio#stereo

Distilēts Medium teksta pārveides audio modelis ar ātru 8 soļu noklusējumu, klipi līdz 380 sekundēm

Stability AI · Audio

Šeit būs jūsu pirmais rezultāts

Izveidojiet pieprasījumu tālāk un izpildiet to ar savu API atslēgu. Izvades tiek kopētas mūsu krātuvē un glabātas mūžīgi vai 7 dienas bez maksas.

Izveidot pieprasījumu

Vadīklas tiek ģenerētas no modeļa shēmas. Kods un cena tiek atjaunināti, kad tos maināt.

•obligāts

Teksts, kas norāda vēlamo audio saturu.

noklusējums 30

Audio ilgums sekundēs; vidējā modeļa maksimums ir 380 sekundes (aptuveni 6 minūtes 20 sekundes).

Papildu negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · seed · enable_prompt_expansion · enable_safety_checker
noklusējums

Teksts, kas norāda nevēlamās izvades īpašības.

output_format noklusējums mp3

Iegūtā audio konteinera formāts.

noklusējums 192k

Izvades audio bitātrums; wav un flac gadījumā tas tiek ignorēts, jo tie ir bezzudumu formāti. Saspiestiem formātiem, piemēram, mp3, aac vai opus, norādiet vērtību formā '192k' vai '320k'.

noklusējums 8

Paraugošanas iterāciju skaits; noklusējums ir 8, jo destilētie, pēc apmācības iegūtie kontrolpunkti jau nodrošina labu kvalitāti; papildu iterācijas sniedz nelielu ieguvumu.

noklusējums 1

Klasifikatorbrīvas vadības stiprums tikai pamata kontrolpunktiem; destilētie kontrolpunkti netiek ietekmēti. Atbilstošiem kontrolpunktiem palielināšana ciešāk piesaista rezultātu uzvednei.

Nejaušā ģeneratora sēkla atkārtojamiem rezultātiem; ja tā nav norādīta, tiek izvēlēta nejauša sēkla.

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

Palaist šo pieprasījumu

Jūsu atslēga paliek šajā pārlūkprogrammā: tā tiek nosūtīta tikai uz Doitong API un saglabāta (localStorage) tikai tad, ja atzīmējat Atcerēties. Iegūt API atslēgu

Par Stable Audio 3 · Medium · Text to Audio

Izveido audio no teksta `prompt`, pēc izvēles izmantojot `negative_prompt`. Šis pēcapmācītais variants pēc noklusējuma izmanto 8 iztveršanas soļus un no lielāka skaita iegūst maz, bet vadības skalas noklusējums ir 1, jo tā ietekmē tikai bāzes kontrolpunktus. `duration` ir no 1 līdz 380 sekundēm. Izvēlieties mp3, wav, flac, ogg, opus, m4a vai aac izvadi.

Parametri

NosaukumsTips NoklusējumsAtļauts Apraksts
negative_promptneobligāts
Tipsstring
Noklusējums
Teksts, kas norāda nevēlamās izvades īpašības.
durationneobligāts
Tipsnumber
Noklusējums30
1 – 380
Audio ilgums sekundēs; vidējā modeļa maksimums ir 380 sekundes (aptuveni 6 minūtes 20 sekundes).
num_inference_stepsneobligāts
Tipsinteger
Noklusējums8
1 – 100
Paraugošanas iterāciju skaits; noklusējums ir 8, jo destilētie, pēc apmācības iegūtie kontrolpunkti jau nodrošina labu kvalitāti; papildu iterācijas sniedz nelielu ieguvumu.
guidance_scaleneobligāts
Tipsnumber
Noklusējums1
0 – 25
Klasifikatorbrīvas vadības stiprums tikai pamata kontrolpunktiem; destilētie kontrolpunkti netiek ietekmēti. Atbilstošiem kontrolpunktiem palielināšana ciešāk piesaista rezultātu uzvednei.
seedneobligāts
Tipsinteger | null
Nejaušā ģeneratora sēkla atkārtojamiem rezultātiem; ja tā nav norādīta, tiek izvēlēta nejauša sēkla.
enable_prompt_expansionneobligāts
Tipsboolean
Noklusējumsfalse
Uzvednes paplašināšana ar LLM, ja iespējota, pievienojot detalizētu informāciju un uzlabojot rezultāta kvalitāti.
enable_safety_checkerneobligāts
Tipsboolean
Noklusējumstrue
NSFW satura drošības pārbaude.
output_formatneobligāts
Tipsenum
Noklusējumsmp3
mp3wavflacoggopusm4aaac
Iegūtā audio konteinera formāts.
bitrateneobligāts
Tipsstring
Noklusējums192k
Izvades audio bitātrums; wav un flac gadījumā tas tiek ignorēts, jo tie ir bezzudumu formāti. Saspiestiem formātiem, piemēram, mp3, aac vai opus, norādiet vērtību formā '192k' vai '320k'.
promptobligāts
Tipsstring
Teksts, kas norāda vēlamo audio saturu.
obligāts

Izvade

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"
  }
}
Jūsu faili, jūsu izvēleKatrs outputs[].url ir kopija mūsu krātuvē: tiek glabāta mūžīgi (maksa par GB mēnesī) vai 7 dienas bez maksas — atbilstoši konta iestatījumam vai ?storage=.
Vienāda struktūra katram modelimtype, url, content_type, width, height un duration gan attēliem, gan video un audio. output ir paša modeļa rezultāta objekts.
Izvades lauki
audio
object {url, content_type, file_name, file_size}Ģenerēšanas rezultātā izveidots audio klips.
seed
integerSākumvērtība, kas kontrolēja nejaušību ģenerēšanas laikā.
prompt
stringUzvedne, kas tika izmantota izvades ģenerēšanai.

Vairāk modeļu: Audio

AI aģentiem: šī lapa Markdown formātā ir pieejama https://doitong.com/lv/developers/models/stable-audio-3/medium/text-to-audio.md. Visi modeļi un ceļveži: https://doitong.com/developers/llms.txt