உள்ளடக்கத்திற்குச் செல்க

Stable Audio 3 Trainer

ஒருங்கிணை

மாடல் id 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"

எடுத்துக்காட்டு போன்ற கோப்புகள்: $3.00 3,000 API கிரெடிட்கள் இயக்குவதற்கு முன் உங்கள் கோப்புகள் அளவிடப்படும் இந்தப் பக்கத்தில் இயக்குங்கள்

API விசையைப் பெறுக
Stability AI பயிற்சி 1–380 s #music#audio#sfx#lora

பொருந்தும் உரை தலைப்புகளுடன் கூடிய ஆடியோ கிளிப்புகளின் zip இலிருந்து Stable Audio 3 இல் LoRA ஐப் பயிற்றுவிக்கிறது

Stability AI · கோப்பு

உங்கள் முதல் முடிவு இங்கே வரும்

கீழே ஒரு கோரிக்கையை உருவாக்கி, உங்கள் API விசையுடன் இயக்குங்கள். வெளியீடுகள் எங்கள் சேமிப்பகத்தில் நகலெடுக்கப்பட்டு, நிரந்தரமாக அல்லது இலவசமாக 7 நாட்கள் வைக்கப்படும்.

கோரிக்கையை உருவாக்கு

மாடல் ஸ்கீமாவிலிருந்து கட்டுப்பாடுகள் உருவாக்கப்படுகின்றன. அவற்றை மாற்றும்போது குறியீடும் விலையும் புதுப்பிக்கப்படும்.

•தேவை

Dataset zip URL; ஒவ்வொரு ஆடியோ/தலைப்புப் pair-மும் பொருந்தும் அடிப்பெயர்களுடன் ஒன்றாகச் சேமிக்கப்பட வேண்டும்: எடுத்துக்காட்டாக, `clip.wav`-க்கு `clip.txt` இணையாக இருக்கும். தலைப்புகள் `.txt` extension-ஐப் பயன்படுத்த வேண்டும்.

இயல்புநிலை 1000

LoRA பயிற்சிக்கான படிநிலை எண்ணிக்கை.

வெட்டல்/நிரப்பல் கால அளவு வினாடிகளில்; தேர்ந்தெடுக்கப்பட்ட மாதிரியின் இயல்பான பயிற்சி நீளத்தால் எல்லா சந்தர்ப்பங்களிலும் கட்டுப்படுத்தப்படுகிறது. ஒரு நீளத்தை வழங்கவும் அல்லது dataset-ல் கண்டறியப்பட்ட நீளமான கிளிப்பைப் பயன்படுத்த அதை விடவும்; அந்த வரம்பு பொருந்தும்.

இயல்புநிலை 1

பயிற்சியின் போது பயன்படுத்தப்படும் batch அளவு.

மேம்பட்டவை model · base_precision · adapter_type · lora_checkpoint_url · learning_rate · rank · seed · pre_encode · include · exclude
model இயல்புநிலை medium-base

Stable Audio 3-ஐ fine-tuning செய்வதற்கான அடிப்படை checkpoint.

base_precision இயல்புநிலை bf16

உறைந்த அடிப்படை எடைகளுக்குப் பயன்படுத்தப்படும் துல்லியம்; LoRA அளவுருக்கள் fp32-ஆகவே இருக்கும்.

இயல்புநிலை dora-rows

LoRA பயிற்சிக்குப் பயன்படுத்தப்படும் adapter குடும்பம்.

பயிற்சியைத் தொடர வேண்டிய `.safetensors` LoRA checkpoint-ன் விருப்பத்தேர்வு URL.

இயல்புநிலை 0.0001

LoRA அளவுருக்களுக்கு AdamW பயன்படுத்தும் learning rate.

இயல்புநிலை 16

LoRA adapter-ன் rank.

இயல்புநிலை 42

சீரற்றதாக்கலுக்கான விதை.

LoRA சேர்க்கப்படும் இடத்தைக் கட்டுப்படுத்தும் module-name துணிச்சரங்கள்: பொருந்தும் modules மட்டுமே இதைப் பெறும்.

பொருந்தும் modules-ஐ விலக்கப் பயன்படுத்தப்படும் பெயர் துணிச்சரங்கள்.

POST /run/stable-audio-3-trainer?wait=20 விலை → $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"

இந்தக் கோரிக்கையை இயக்கு

உங்கள் key இந்த உலாவியில் மட்டுமே இருக்கும்: அது Doitong API-க்கு மட்டும் அனுப்பப்படும்; Remember-ஐத் தேர்ந்தெடுத்தால் மட்டுமே (localStorage)-ல் சேமிக்கப்படும். API விசையைப் பெறுங்கள்

Stable Audio 3 Trainer பற்றி

ஒவ்வொரு ஆடியோ கோப்புக்கும் அதே பெயருடைய `.txt` தலைப்புரை உள்ள `audio_data_url` zip-இல் அடிப்படை சேமிப்புப் புள்ளியை (medium-base, small-music-base அல்லது small-sfx-base) நுண்மேம்படுத்துகிறது. `number_of_steps` (20000 வரை), `learning_rate`, `rank` (1 முதல் 256), `adapter_type` மற்றும் `batch_size` ஆகியவற்றைச் சரிசெய்யலாம்; அல்லது `.safetensors` சேமிப்புப் புள்ளியிலிருந்து தொடரலாம். LoRA எடைகள் மற்றும் config கோப்பைத் திருப்பி வழங்குகிறது.

அளவுருக்கள்

பெயர்வகை இயல்புநிலைஅனுமதிக்கப்பட்டது விளக்கம்
audio_data_urlதேவை
வகைstring
Dataset zip URL; ஒவ்வொரு ஆடியோ/தலைப்புப் pair-மும் பொருந்தும் அடிப்பெயர்களுடன் ஒன்றாகச் சேமிக்கப்பட வேண்டும்: எடுத்துக்காட்டாக, `clip.wav`-க்கு `clip.txt` இணையாக இருக்கும். தலைப்புகள் `.txt` extension-ஐப் பயன்படுத்த வேண்டும்.
modelவிருப்பத்தேர்வு
வகைenum
இயல்புநிலைmedium-base
medium-basesmall-music-basesmall-sfx-base
Stable Audio 3-ஐ fine-tuning செய்வதற்கான அடிப்படை checkpoint.
number_of_stepsவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை1000
1 – 20,000
LoRA பயிற்சிக்கான படிநிலை எண்ணிக்கை.
learning_rateவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை0.0001
≤ 0.01> 0
LoRA அளவுருக்களுக்கு AdamW பயன்படுத்தும் learning rate.
rankவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை16
1 – 256
LoRA adapter-ன் rank.
adapter_typeவிருப்பத்தேர்வு
வகைenum
இயல்புநிலைdora-rows
loradoradora-rowsdora-colsboralora-xsdora-rows-xsdora-cols-xsbora-xs
LoRA பயிற்சிக்குப் பயன்படுத்தப்படும் adapter குடும்பம்.
durationவிருப்பத்தேர்வு
வகைnumber | null
1 – 380
வெட்டல்/நிரப்பல் கால அளவு வினாடிகளில்; தேர்ந்தெடுக்கப்பட்ட மாதிரியின் இயல்பான பயிற்சி நீளத்தால் எல்லா சந்தர்ப்பங்களிலும் கட்டுப்படுத்தப்படுகிறது. ஒரு நீளத்தை வழங்கவும் அல்லது dataset-ல் கண்டறியப்பட்ட நீளமான கிளிப்பைப் பயன்படுத்த அதை விடவும்; அந்த வரம்பு பொருந்தும்.
batch_sizeவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை1
1 – 8
பயிற்சியின் போது பயன்படுத்தப்படும் batch அளவு.
seedவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை42
0 – 2,14,74,83,647
சீரற்றதாக்கலுக்கான விதை.
base_precisionவிருப்பத்தேர்வு
வகைenum
இயல்புநிலைbf16
bf16bfloat16fp16float16
உறைந்த அடிப்படை எடைகளுக்குப் பயன்படுத்தப்படும் துல்லியம்; LoRA அளவுருக்கள் fp32-ஆகவே இருக்கும்.
includeவிருப்பத்தேர்வு
வகைstring[]
LoRA சேர்க்கப்படும் இடத்தைக் கட்டுப்படுத்தும் module-name துணிச்சரங்கள்: பொருந்தும் modules மட்டுமே இதைப் பெறும்.
excludeவிருப்பத்தேர்வு
வகைstring[]
பொருந்தும் modules-ஐ விலக்கப் பயன்படுத்தப்படும் பெயர் துணிச்சரங்கள்.
lora_checkpoint_urlவிருப்பத்தேர்வு
வகைstring | null
பயிற்சியைத் தொடர வேண்டிய `.safetensors` LoRA checkpoint-ன் விருப்பத்தேர்வு URL.
pre_encodeவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைfalse
LoRA பயிற்சிக்கு முன் ஆடியோ archive-ஐ SAME latents-ஆக முன்குறியீடாக்குதல்.
தேவை

வெளியீடு

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"
  }
}
உங்கள் கோப்புகள், உங்கள் தேர்வுஒவ்வொரு outputs[].url-ம் எங்கள் சேமிப்பகத்தில் உள்ள ஒரு நகல்: நிரந்தரமாக (GB-மாதத்திற்கு கட்டணம்) அல்லது உங்கள் கணக்கு அமைப்பு அல்லது ?storage= மூலம் இலவசமாக 7 நாட்கள் வைக்கப்படும்.
ஒவ்வொரு மாடலிலும் ஒரே வடிவம்படங்கள், வீடியோ மற்றும் ஆடியோ ஆகிய அனைத்திற்குமான type, url, content_type, width, height மற்றும் duration. output என்பது மாதிரியின் சொந்த முடிவு பொருளாகும்.
வெளியீட்டின் புலங்கள்
lora_file
object {url, content_type, file_name, file_size}Stable Audio 3-க்குப் பயிற்சியளிக்கப்பட்ட LoRA எடைகள்.
config_file
object {url, content_type, file_name, file_size}பயிற்சி இயக்கத்தையும் inference-க்குப் பொருந்தும் மாதிரியையும் விவரிக்கும் JSON metadata.

AI ஏஜெண்டுகளுக்கு: இந்தப் பக்கம் Markdown வடிவில் இங்கே உள்ளது https://doitong.com/ta/developers/models/stable-audio-3-trainer.md. அனைத்து மாடல்களும் வழிகாட்டிகளும்: https://doitong.com/developers/llms.txt