உள்ளடக்கத்திற்குச் செல்க

Stable Audio 3 Medium Base Text to Audio

ஒருங்கிணை

மாடல் 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"

இந்தக் கோரிக்கை: $0.048 48 API கிரெடிட்கள் இந்தப் பக்கத்தில் இயக்குங்கள்

API விசையைப் பெறுக
Stability AI ஆடியோ 1–380 s #music#audio#stereo

நுண்மேம்படுத்தல் பணிப்பாய்வுகளுக்கான அடிப்படைச் சேமிப்புப் புள்ளி Medium உரையிலிருந்து ஆடியோ, 380 வினாடிகள் வரையிலான கிளிப்புகள்

Stability AI · ஆடியோ

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

விரும்பிய ஆடியோ உள்ளடக்கத்தைக் குறிப்பிடும் உரை.

இயல்புநிலை 30

ஆடியோ நீளம் வினாடிகளில்; medium மாதிரியின் அதிகபட்சம் 380 வினாடிகள் (சுமார் 6 நிமிடங்கள் 20 வினாடிகள்).

மேம்பட்டவை negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · seed · enable_prompt_expansion · enable_safety_checker
இயல்புநிலை

வெளியீட்டில் விரும்பப்படாத பண்புகளைக் குறிப்பிடும் உரை.

output_format இயல்புநிலை mp3

விளைவாக வரும் ஆடியோவுக்குப் பயன்படுத்தப்படும் container வடிவம்.

இயல்புநிலை 192k

வெளியீட்டு ஆடியோ bitrate; wav அல்லது flac lossless என்பதால் அவற்றைப் பயன்படுத்தும்போது புறக்கணிக்கப்படும். mp3, aac அல்லது opus போன்ற சுருக்கப்பட்ட வடிவங்களுக்கு '192k' அல்லது '320k' வடிவில் மதிப்பை வழங்கவும்.

இயல்புநிலை 50

இயக்க வேண்டிய sampling படிகளின் எண்ணிக்கையைத் தேர்ந்தெடுக்கவும்; base (non-distilled) checkpoints-ஐப் பயன்படுத்தும்போது நல்ல தரத்திற்கு சுமார் 50 படிகள் போதுமானவை.

இயல்புநிலை 7

Classifier-free guidance வலிமை; base checkpoints-ல் தொடக்கத்தில் சுமார் 7.0 பரிந்துரைக்கப்படுகிறது. இதை உயர்த்தினால் உருவாக்கம் ப்ராம்ப்ட்டை இன்னும் நெருக்கமாகப் பின்பற்றும்.

மீண்டும் உருவாக்கக்கூடிய முடிவுகளுக்கான சீரற்ற generator விதை; இதை விடுபட்டால் சீரற்ற விதை தேர்ந்தெடுக்கப்படும்.

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

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 Medium Base Text to Audio பற்றி

உரை `prompt` இலிருந்து ஆடியோவை உருவாக்குகிறது; விரும்பினால் தேவையற்ற பண்புகளிலிருந்து விலகச் செய்யும் `negative_prompt` ஐயும் வழங்கலாம். `duration` 1 முதல் 380 வினாடிகள் வரை இருக்கும். வடிகட்டப்படாத அடிப்படைச் சேமிப்புப் புள்ளியாக, இது இயல்புநிலையாக 50 மாதிரியாக்கப் படிகளையும் வழிகாட்டல் அளவு 7-ஐயும் பயன்படுத்துகிறது; மேலும் 25 வரையிலான வழிகாட்டலை ஏற்கிறது. வெளியீட்டு வடிவங்களில் mp3, wav, flac, ogg, opus, m4a மற்றும் aac அடங்கும்.

அளவுருக்கள்

பெயர்வகை இயல்புநிலைஅனுமதிக்கப்பட்டது விளக்கம்
negative_promptவிருப்பத்தேர்வு
வகைstring
இயல்புநிலை
வெளியீட்டில் விரும்பப்படாத பண்புகளைக் குறிப்பிடும் உரை.
durationவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை30
1 – 380
ஆடியோ நீளம் வினாடிகளில்; medium மாதிரியின் அதிகபட்சம் 380 வினாடிகள் (சுமார் 6 நிமிடங்கள் 20 வினாடிகள்).
num_inference_stepsவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை50
1 – 100
இயக்க வேண்டிய sampling படிகளின் எண்ணிக்கையைத் தேர்ந்தெடுக்கவும்; base (non-distilled) checkpoints-ஐப் பயன்படுத்தும்போது நல்ல தரத்திற்கு சுமார் 50 படிகள் போதுமானவை.
guidance_scaleவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை7
0 – 25
Classifier-free guidance வலிமை; base checkpoints-ல் தொடக்கத்தில் சுமார் 7.0 பரிந்துரைக்கப்படுகிறது. இதை உயர்த்தினால் உருவாக்கம் ப்ராம்ப்ட்டை இன்னும் நெருக்கமாகப் பின்பற்றும்.
seedவிருப்பத்தேர்வு
வகைinteger | null
மீண்டும் உருவாக்கக்கூடிய முடிவுகளுக்கான சீரற்ற generator விதை; இதை விடுபட்டால் சீரற்ற விதை தேர்ந்தெடுக்கப்படும்.
enable_prompt_expansionவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைfalse
இயக்கப்பட்டால் LLM-ஐப் பயன்படுத்தி ப்ராம்ப்ட் விரிவாக்கப்படும்; இது விவரங்களைச் சேர்த்து முடிவுத் தரத்தை மேம்படுத்தும்.
enable_safety_checkerவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைtrue
NSFW உள்ளடக்கத்திற்கான பாதுகாப்புச் சரிபார்ப்பு.
output_formatவிருப்பத்தேர்வு
வகைenum
இயல்புநிலைmp3
mp3wavflacoggopusm4aaac
விளைவாக வரும் ஆடியோவுக்குப் பயன்படுத்தப்படும் container வடிவம்.
bitrateவிருப்பத்தேர்வு
வகைstring
இயல்புநிலை192k
வெளியீட்டு ஆடியோ bitrate; wav அல்லது flac lossless என்பதால் அவற்றைப் பயன்படுத்தும்போது புறக்கணிக்கப்படும். mp3, aac அல்லது opus போன்ற சுருக்கப்பட்ட வடிவங்களுக்கு '192k' அல்லது '320k' வடிவில் மதிப்பை வழங்கவும்.
promptதேவை
வகைstring
விரும்பிய ஆடியோ உள்ளடக்கத்தைக் குறிப்பிடும் உரை.
தேவை

வெளியீடு

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"
  }
}
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
audio
object {url, content_type, file_name, file_size}உருவாக்கத்தால் உருவாக்கப்பட்ட ஆடியோ கிளிப்.
seed
integerஉருவாக்கத்தின் போது சீரற்ற தன்மையைக் கட்டுப்படுத்திய விதை.
prompt
stringவெளியீட்டை உருவாக்கப் பயன்படுத்தப்பட்ட ப்ராம்ப்ட்.

மேலும் மாதிரிகள்: ஆடியோ

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