Gå til innhold

Stable Audio 3 Medium Base Text to Audio

Integrer

Modell-ID 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"

Denne forespørselen: 0,048 $ 48 API-kreditter Kjør den på denne siden

Hent API-nøkkel
Stability AI Lyd 1–380 s #music#audio#stereo

Tekst-til-lyd med Medium-grunnsjekkpunkt for finjusteringsarbeidsflyter, klipp på opptil 380 sekunder

Stability AI · Lyd

Det første resultatet ditt kommer her

Bygg en forespørsel nedenfor og kjør den med API-nøkkelen din. Utdata kopieres til lagringen vår, lagret for alltid eller 7 dager gratis.

Bygg en forespørsel

Kontrollene genereres fra modellskjemaet. Koden og prisen oppdateres når du endrer dem.

•obligatorisk

Tekst som angir ønsket lydinnhold.

standard 30

Lydlengde i sekund, med en maksimumsverdi på 380 sekund for medium-modellen (omtrent 6 minutter 20 sekund).

Avansert negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · seed · enable_prompt_expansion · enable_safety_checker
standard

Tekst som angir uønskede kvaliteter i utdataene.

output_format standard mp3

Containerformat som brukes for den resulterende lyden.

standard 192k

Bitrate for lydutdata, ignoreres ved bruk av wav eller flac fordi de er tapsfrie. For komprimerte formater som mp3, aac eller opus oppgir du en verdi i formatet '192k' eller '320k'.

standard 50

Velg hvor mange samplingssteg som skal kjøres; omtrent 50 gir god kvalitet ved bruk av basissjekkpunkter (ikke-destillerte).

standard 7

Klassifikatorfri veiledningsstyrke, der omtrent 7.0 anbefales som utgangspunkt på basissjekkpunkter; en økning gjør at genereringen følger prompten tettere.

Seed for tilfeldig generator for gjentakbare resultater; hvis den utelates, velges en tilfeldig seed.

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

Kjør denne forespørselen

Nøkkelen din blir i denne nettleseren: Den sendes bare til Doitong API og lagres bare i localStorage hvis du krysser av for Husk. Hent en API-nøkkel

Om Stable Audio 3 Medium Base Text to Audio

Genererer lyd fra en tekst-`prompt`, med en valgfri `negative_prompt` for å styre unna uønskede egenskaper. `duration` går fra 1 til 380 sekunder. Som det ikke-destillerte basissjekkpunktet bruker den som standard 50 sampling-steg og en styringsskala på 7, og styring opptil 25 godtas. Utdataformatene omfatter mp3, wav, flac, ogg, opus, m4a og aac.

Parametere

NavnType StandardTillatt Beskrivelse
negative_promptvalgfritt
Typestring
Standard
Tekst som angir uønskede kvaliteter i utdataene.
durationvalgfritt
Typenumber
Standard30
1 – 380
Lydlengde i sekund, med en maksimumsverdi på 380 sekund for medium-modellen (omtrent 6 minutter 20 sekund).
num_inference_stepsvalgfritt
Typeinteger
Standard50
1 – 100
Velg hvor mange samplingssteg som skal kjøres; omtrent 50 gir god kvalitet ved bruk av basissjekkpunkter (ikke-destillerte).
guidance_scalevalgfritt
Typenumber
Standard7
0 – 25
Klassifikatorfri veiledningsstyrke, der omtrent 7.0 anbefales som utgangspunkt på basissjekkpunkter; en økning gjør at genereringen følger prompten tettere.
seedvalgfritt
Typeinteger | null
Seed for tilfeldig generator for gjentakbare resultater; hvis den utelates, velges en tilfeldig seed.
enable_prompt_expansionvalgfritt
Typeboolean
Standardfalse
Promptutvidelse med en LLM når den er aktivert, som tilfører detaljer og forbedrer resultatkvaliteten.
enable_safety_checkervalgfritt
Typeboolean
Standardtrue
Sikkerhetskontroll for NSFW-innhold.
output_formatvalgfritt
Typeenum
Standardmp3
mp3wavflacoggopusm4aaac
Containerformat som brukes for den resulterende lyden.
bitratevalgfritt
Typestring
Standard192k
Bitrate for lydutdata, ignoreres ved bruk av wav eller flac fordi de er tapsfrie. For komprimerte formater som mp3, aac eller opus oppgir du en verdi i formatet '192k' eller '320k'.
promptobligatorisk
Typestring
Tekst som angir ønsket lydinnhold.
obligatorisk

Utdata

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"
  }
}
Filene dine, ditt valgHver outputs[].url er en kopi på lagringen vår: lagret for alltid (betalt per GB-måned) eller 7 dager gratis, styrt av kontoinnstillingen din eller ?storage=.
Samme struktur for hver modelltype, url, content_type, width, height og duration, for bilder, video og lyd. output er modellens eget resultatobjekt.
Utdatafelt
audio
object {url, content_type, file_name, file_size}Lydklipp produsert ved generering.
seed
integerSeed som kontrollerte tilfeldigheten under genereringen.
prompt
stringPrompten som ble brukt til å generere utdataene.

Flere modeller: Lyd

For AI-agenter: Denne siden som Markdown finnes på https://doitong.com/no/developers/models/stable-audio-3/medium/base/text-to-audio.md. Alle modeller og veiledninger: https://doitong.com/developers/llms.txt