Ir para o conteúdo

Stable Audio 3 Trainer

Integrar

ID do modelo stable-audio-3-trainer
# 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-trainer?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio_data_url": "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"

Arquivos como o exemplo: $ 3,00 3.000 créditos de API seus arquivos são medidos antes da execução Executar nesta página

Obter chave de API
Stability AI Treinamento 1–380 s #music#audio#sfx#lora

Treina uma LoRA no Stable Audio 3 a partir de um zip de clipes de áudio com legendas de texto correspondentes

Stability AI · Arquivo

Seu primeiro resultado aparecerá aqui

Monte uma requisição abaixo e execute-a com sua chave de API. As saídas são copiadas para nosso armazenamento, mantidas para sempre ou por 7 dias gratuitamente.

Criar uma solicitação

Os controles são gerados a partir do esquema do modelo. O código e o preço são atualizados conforme você os altera.

•obrigatório

URL do zip do conjunto de dados, com cada par áudio/legenda armazenado junto sob nomes-base correspondentes: `clip.wav` corresponde a `clip.txt`, por exemplo. As legendas devem usar a extensão `.txt`.

padrão 1000

Contagem de etapas do treinamento de LoRA.

Duração de corte/preenchimento em segundos, limitada em todos os casos pela duração de treinamento nativa do modelo selecionado. Forneça uma duração ou omita-a para usar o clipe mais longo detectado no conjunto de dados, sujeito a esse limite.

padrão 1

Tamanho do lote usado durante o treinamento.

Avançado model · base_precision · adapter_type · lora_checkpoint_url · learning_rate · rank · seed · pre_encode · include · exclude
model padrão medium-base

Checkpoint base para ajuste fino do Stable Audio 3.

base_precision padrão bf16

Precisão usada pelos pesos base congelados; os parâmetros LoRA permanecem em fp32.

padrão dora-rows

Família do adaptador usada no treinamento LoRA.

URL opcional de um checkpoint LoRA `.safetensors` a partir do qual continuar.

padrão 0.0001

Taxa de aprendizado aplicada pelo AdamW aos parâmetros LoRA.

padrão 16

Rank do adaptador LoRA.

padrão 42

Semente para aleatoriedade.

Substrings de nomes de módulos que restringem onde o LoRA é adicionado: apenas módulos correspondentes o recebem.

Substrings de nomes usadas para excluir módulos correspondentes.

POST /run/stable-audio-3-trainer?wait=20 cotação → $ 3,00
# 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-trainer?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio_data_url": "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"

Executar esta solicitação

Sua chave permanece neste navegador: ela é enviada somente à Doitong API e salva (localStorage) apenas se você marcar Lembrar. Obter uma chave de API

Sobre Stable Audio 3 Trainer

Ajusta um checkpoint base (medium-base, small-music-base ou small-sfx-base) usando um zip `audio_data_url` no qual cada arquivo de áudio tem uma legenda `.txt` com o mesmo nome. Você pode ajustar `number_of_steps` (até 20000), `learning_rate`, `rank` (1 a 256), `adapter_type` e `batch_size`, ou retomar a partir de um checkpoint `.safetensors`. Retorna os pesos da LoRA e um arquivo de configuração.

Parâmetros

NomeTipo PadrãoPermitido Descrição
audio_data_urlobrigatório
Tipostring
URL do zip do conjunto de dados, com cada par áudio/legenda armazenado junto sob nomes-base correspondentes: `clip.wav` corresponde a `clip.txt`, por exemplo. As legendas devem usar a extensão `.txt`.
modelopcional
Tipoenum
Padrãomedium-base
medium-basesmall-music-basesmall-sfx-base
Checkpoint base para ajuste fino do Stable Audio 3.
number_of_stepsopcional
Tipointeger
Padrão1000
1 – 20.000
Contagem de etapas do treinamento de LoRA.
learning_rateopcional
Tiponumber
Padrão0.0001
≤ 0,01> 0
Taxa de aprendizado aplicada pelo AdamW aos parâmetros LoRA.
rankopcional
Tipointeger
Padrão16
1 – 256
Rank do adaptador LoRA.
adapter_typeopcional
Tipoenum
Padrãodora-rows
loradoradora-rowsdora-colsboralora-xsdora-rows-xsdora-cols-xsbora-xs
Família do adaptador usada no treinamento LoRA.
durationopcional
Tiponumber | null
1 – 380
Duração de corte/preenchimento em segundos, limitada em todos os casos pela duração de treinamento nativa do modelo selecionado. Forneça uma duração ou omita-a para usar o clipe mais longo detectado no conjunto de dados, sujeito a esse limite.
batch_sizeopcional
Tipointeger
Padrão1
1 – 8
Tamanho do lote usado durante o treinamento.
seedopcional
Tipointeger
Padrão42
0 – 2.147.483.647
Semente para aleatoriedade.
base_precisionopcional
Tipoenum
Padrãobf16
bf16bfloat16fp16float16
Precisão usada pelos pesos base congelados; os parâmetros LoRA permanecem em fp32.
includeopcional
Tipostring[]
Substrings de nomes de módulos que restringem onde o LoRA é adicionado: apenas módulos correspondentes o recebem.
excludeopcional
Tipostring[]
Substrings de nomes usadas para excluir módulos correspondentes.
lora_checkpoint_urlopcional
Tipostring | null
URL opcional de um checkpoint LoRA `.safetensors` a partir do qual continuar.
pre_encodeopcional
Tipoboolean
Padrãofalse
Pré-codificação do arquivo de áudio em latentes SAME antes do treinamento do LoRA.
obrigatório

Saída

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "stable-audio-3-trainer",
  "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": 3000,
    "usd": "3.00",
    "charged": 3000,
    "refunded": 0
  },
  "input": {
    "audio_data_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "lora_file": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    },
    "config_file": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "file",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_size": 1843200,
      "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"
  }
}
Seus arquivos, sua escolhaCada outputs[].url é uma cópia em nosso armazenamento: mantida para sempre (cobrada por GB-mês) ou por 7 dias gratuitamente, conforme a configuração da sua conta ou ?storage=.
Mesmo formato em todos os modelostype, url, content_type, width, height e duration, para imagens, vídeos e áudios. output é o próprio objeto de resultado do modelo.
Campos da saída
lora_file
object {url, content_type, file_name, file_size}Pesos LoRA treinados para Stable Audio 3.
config_file
object {url, content_type, file_name, file_size}Metadados JSON que descrevem a execução de treinamento e o modelo compatível para inferência.

Para agentes de IA: esta página em Markdown está em https://doitong.com/pt-BR/developers/models/stable-audio-3-trainer.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt