# Stable Audio 3 Trainer API

> ฝึก LoRA บน Stable Audio 3 จากไฟล์ zip ของคลิปเสียงที่มีคำบรรยายข้อความตรงกัน

ปรับแต่งละเอียดเช็กพอยต์พื้นฐาน (medium-base, small-music-base หรือ small-sfx-base) จากไฟล์ zip `audio_data_url` ซึ่งไฟล์เสียงแต่ละไฟล์มีคำบรรยาย `.txt` ที่ใช้ชื่อเดียวกัน คุณสามารถปรับ `number_of_steps` (สูงสุด 20000), `learning_rate`, `rank` (1 ถึง 256), `adapter_type` และ `batch_size` หรือดำเนินการต่อจากเช็กพอยต์ `.safetensors` ส่งคืนค่าน้ำหนัก LoRA และไฟล์ config

- Model id: `stable-audio-3-trainer`
- Made by: Stability AI
- Category: Training
- Output: file
- Price per run: from $0.003 / run (cheapest run $0.003 (3 API credits))
- Run: `POST https://api.doitong.com/v1/run/stable-audio-3-trainer`
- Quote: `POST https://api.doitong.com/v1/quote/stable-audio-3-trainer`
- Docs page: https://doitong.com/th/developers/models/stable-audio-3-trainer

## Pricing

Price: **from $0.003 / run** (the lowest tier; the quote prices your exact input). Price per run: the input files are measured before the run (length, resolution, frame rate). The quote measures the same files and is exactly what the run charges.

The full example input below costs $3.00 = 3000 API credits (1 run × $3.00).

Prices are the upstream price in USD, paid from the API balance in API credits (1000 API credits = 1 USD). `POST https://api.doitong.com/v1/quote/stable-audio-3-trainer` with the same JSON body returns the exact price for that input; the quote is exactly what a run charges. Invalid input is never charged and failed or canceled requests are refunded automatically.

## Input parameters

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `audio_data_url` |  | string | yes |  |  | URL ของไฟล์ zip ชุดข้อมูล โดยจัดเก็บคู่เสียง/คำบรรยายแต่ละคู่ไว้ด้วยกันภายใต้ชื่อพื้นฐานที่ตรงกัน เช่น `clip.wav` จับคู่กับ `clip.txt` คำบรรยายต้องใช้นามสกุล `.txt` |
| `model` |  | enum (string) | no | `medium-base` | `medium-base`, `small-music-base`, `small-sfx-base` | เช็กพอยต์พื้นฐานสำหรับการปรับแต่ง Stable Audio 3 |
| `number_of_steps` |  | integer | no | `1000` | 1 – 20,000 | จำนวนขั้นตอนสำหรับการฝึก LoRA |
| `learning_rate` |  | number | no | `0.0001` | ≤ 0.01, > 0 | อัตราการเรียนรู้ที่ AdamW ใช้กับพารามิเตอร์ LoRA |
| `rank` |  | integer | no | `16` | 1 – 256 | อันดับของอะแดปเตอร์ LoRA |
| `adapter_type` |  | enum (string) | no | `dora-rows` | `lora`, `dora`, `dora-rows`, `dora-cols`, `bora`, `lora-xs`, `dora-rows-xs`, `dora-cols-xs`, `bora-xs` | ตระกูลอะแดปเตอร์ที่ใช้สำหรับการฝึก LoRA |
| `duration` |  | number \| null | no |  | 1 – 380 | ระยะเวลาการครอป/แพดเป็นวินาที ซึ่งถูกจำกัดในทุกกรณีด้วยความยาวการฝึกดั้งเดิมของโมเดลที่เลือก ระบุความยาวหรือเว้นไว้เพื่อใช้คลิปที่ยาวที่สุดที่ตรวจพบในชุดข้อมูล โดยอยู่ภายใต้ขีดจำกัดดังกล่าว |
| `batch_size` |  | integer | no | `1` | 1 – 8 | ขนาดแบตช์ที่ใช้ระหว่างการฝึก |
| `seed` |  | integer | no | `42` | 0 – 2,147,483,647 | ซีดสำหรับการสุ่ม |
| `base_precision` |  | enum (string) | no | `bf16` | `bf16`, `bfloat16`, `fp16`, `float16` | ความแม่นยำที่ใช้กับน้ำหนักพื้นฐานที่ตรึงไว้ ส่วนพารามิเตอร์ LoRA ยังคงเป็น fp32 |
| `include` |  | array of string \| null | no |  |  | ส่วนของชื่อโมดูลที่จำกัดตำแหน่งการเพิ่ม LoRA โดยจะใช้กับโมดูลที่ตรงกันเท่านั้น |
| `exclude` |  | array of string \| null | no |  |  | ส่วนของชื่อที่ใช้ยกเว้นโมดูลที่ตรงกัน |
| `lora_checkpoint_url` |  | string \| null | no |  |  | URL เสริมของเช็กพอยต์ LoRA `.safetensors` สำหรับดำเนินการต่อ |
| `pre_encode` |  | boolean | no | `false` |  | การเข้ารหัสไฟล์เก็บเสียงล่วงหน้าเป็น latent แบบ SAME ก่อนการฝึก LoRA |

## Example input

Required parameters only:

```json
{
  "audio_data_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
}
```

A fuller example:

```json
{
  "audio_data_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
}
```

## Run it

Set `DOITONG_API_KEY` to a key from https://doitong.com/developers/dashboard#keys. `?wait=20` returns the finished request in the same call when it is ready within 20 seconds; otherwise poll `GET /requests/{id}` (it also accepts `?wait=`), or pass `webhook_url`.

### curl

```bash
# 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"
```

### JavaScript

```javascript
const API = "https://api.doitong.com/v1";
const headers = {
  "Authorization": "Bearer " + process.env.DOITONG_API_KEY,
  "Content-Type": "application/json",
};

// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/stable-audio-3-trainer?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "audio_data_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);

// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
  res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
  request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");
```

### Python

```python
import os
import requests

API = "https://api.doitong.com/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "audio_data_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/stable-audio-3-trainer", params={"wait": 20}, json=payload, headers=headers)
request = r.json()
if not r.ok:
    raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"])

# Not finished yet: long-poll until it is
while request["status"] in ("queued", "running"):
    request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json()
if request["status"] != "succeeded":
    raise RuntimeError(request["error"])
print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"])
```

### MCP

The MCP server at `https://api.doitong.com/v1/mcp` exposes the tools `search_models`, `get_model`, `quote`, `run`, `get_request`, `cancel_request`, `list_requests`, `create_upload` and `get_account`. A `run` call for this model:

```json
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "stable-audio-3-trainer",
      "input": {
        "audio_data_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
      },
      "wait_seconds": 20
    }
  }
}
```

## Response

Every call returns a request object. `status` is one of `queued`, `running`, `succeeded`, `failed`, `canceled`. `outputs` lists the generated files with URLs on our storage (kept forever, or 7 days with `?storage=temporary`; `storage` says which); `output` is the model's own result object with the same URLs.

```json
{
  "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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `lora_file` | object {url, content_type, file_name, file_size} | น้ำหนัก LoRA ที่ฝึกสำหรับ Stable Audio 3 |
| `config_file` | object {url, content_type, file_name, file_size} | ข้อมูลเมตา JSON ที่อธิบายการรันการฝึกและโมเดลที่เข้ากันได้สำหรับการอนุมาน |

## Related models

- [ERNIE-Image Trainer](https://doitong.com/developers/models/ernie-image-trainer.md) (`ernie-image-trainer`): $0.0012 / step
- [FLUX 2 \[klein\] 9b Base Trainer](https://doitong.com/developers/models/flux-2-klein-9b-base-trainer.md) (`flux-2-klein-9b-base-trainer`): $0.0043 / step
- [Flux 2 Klein 9B Base Trainer](https://doitong.com/developers/models/flux-2-klein-9b-base-trainer/edit.md) (`flux-2-klein-9b-base-trainer/edit`): $0.0139 / step
- [FLUX 2 Trainer](https://doitong.com/developers/models/flux-2-trainer.md) (`flux-2-trainer`): $0.0064 / step
- [FLUX 2 Trainer Edit](https://doitong.com/developers/models/flux-2-trainer/edit.md) (`flux-2-trainer/edit`): $0.0389 / step
- [FLUX 2 Trainer V2](https://doitong.com/developers/models/flux-2-trainer-v2.md) (`flux-2-trainer-v2`): $0.0064 / step
- [FLUX 2 Trainer V2 Edit](https://doitong.com/developers/models/flux-2-trainer-v2/edit.md) (`flux-2-trainer-v2/edit`): $0.0389 / step
- [Flux Kontext Trainer](https://doitong.com/developers/models/flux-kontext-trainer.md) (`flux-kontext-trainer`): from $1.25 / run

## Links

- HTML page: https://doitong.com/developers/models/stable-audio-3-trainer
- All models and guides for AI agents: https://doitong.com/developers/llms.txt
- OpenAPI 3.1 with this model's typed request body: https://doitong.com/developers/openapi.json?model=stable-audio-3-trainer
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/stable-audio-3-trainer