# ACE Step Audio To Audio API

> موجودہ ٹریک کو ریمکس کرتا یا اس کے بول تبدیل کرتا ہے، اصل اور نئے ٹیگز کی رہنمائی کے ساتھ

`audio_url` اور اس کے `original_tags` سے آغاز کرتا ہے، پھر نئے `tags` لاگو کرکے انداز تبدیل کرتا ہے۔ `edit_mode` یا تو remix ہے، جو مجموعی آواز بدلتا ہے، یا lyrics، جو صرف گائے جانے والے حصے میں ترمیم کرتا ہے۔ آپ `original_lyrics` اور نئے `lyrics`، نیز معلوم ہونے کی صورت میں `original_seed` فراہم کر سکتے ہیں۔ اسٹیپ اور گائیڈنس پیرامیٹرز اسی فیملی کے ماڈلز جیسے ہیں۔

- Model id: `ace-step/audio-to-audio`
- Made by: ACE Studio
- Category: Text to Music
- Output: audio
- Price per second of your input audio: $0.0002 / second of input audio (cheapest run $0.001 (1 API credit))
- Run: `POST https://api.doitong.com/v1/run/ace-step/audio-to-audio`
- Quote: `POST https://api.doitong.com/v1/quote/ace-step/audio-to-audio`
- Docs page: https://doitong.com/ur/developers/models/ace-step/audio-to-audio

## Pricing

Price: **$0.0002 / second of input audio**. Price per second of your input audio: 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 $0.002 = 2 API credits (10 s input audio × $0.0002).

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/ace-step/audio-to-audio` 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

Send either the canonical name or the native field name (not both). Canonical names are the same across models.

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `audio_url` | `audio` | string (audio URL) | yes |  |  | outpainting کے لیے آڈیو فائل کا URL۔ |
| `edit_mode` |  | enum (string) | no | `remix` | `lyrics`, `remix` | ترمیم کا موڈ: صرف بول تبدیل کریں یا آڈیو کو ریمکس کریں۔ |
| `original_tags` |  | string | yes |  |  | آڈیو فائل سے اصل میں وابستہ ٹیگز۔ |
| `original_lyrics` |  | string | no | `` |  | آڈیو فائل سے اصل میں وابستہ بول۔ |
| `tags` |  | string | yes |  |  | آڈیو اسٹائل ٹیگز، جو کوما سے الگ کردہ اصناف کی صورت میں دیے جاتے ہیں؛ انہیں فراہم کرنے کے متبادل طریقے کے طور پر `prompt` بھی دستیاب ہے۔ |
| `lyrics` |  | string | no | `` |  | گائے گئے بول، جن میں گانے کے حصے [verse]، [chorus] اور [bridge] جیسے کنٹرولز کے ذریعے منظم کیے گئے ہوں۔ بغیر گائے گئے بول کے آڈیو کے لیے اس ان پٹ کو چھوڑ دیں یا صرف [inst] یا [instrumental] فراہم کریں۔ |
| `number_of_steps` |  | integer | no | `27` | 3 – 60 | آڈیو تخلیق کے دوران استعمال ہونے والی اسٹیپس کی تعداد۔ |
| `seed` |  | integer \| null | no |  |  | قابلِ تکرار تخلیق کے لیے سیڈ؛ قدر فراہم نہ کرنے پر تصادفی طور پر منتخب کیا جاتا ہے۔ |
| `scheduler` |  | enum (string) | no | `euler` | `euler`, `heun` | تخلیق کے دوران استعمال ہونے والا شیڈیولر۔ |
| `guidance_type` |  | enum (string) | no | `apg` | `cfg`, `apg`, `cfg_star` | تخلیق کے دوران استعمال ہونے والی CFG قسم۔ |
| `granularity_scale` |  | integer | no | `10` | -100 – 100 | تخلیق کے دوران لاگو ہونے والا گرانولیئرٹی اسکیل۔ اسے بڑھانے سے آرٹیفیکٹس کم ہو سکتے ہیں۔ |
| `guidance_interval` |  | number | no | `0.5` | 0 – 1 | تخلیق کے شیڈیول کا وہ حصہ جسے گائیڈنس ملتی ہے: 0.5 منتخب کرنے سے یہ `0.25 * infer_steps` سے `0.75 * infer_steps` تک کی اسٹیپس تک محدود ہو جاتا ہے، جبکہ آغاز اور اختتام بغیر گائیڈنس کے رہتے ہیں۔ |
| `guidance_interval_decay` |  | number | no | `0` | 0 – 1 | تخلیق کے وقفے کے اندر گائیڈنس ڈِیکی: 0.0 ڈِیکی کو غیر فعال رکھتا ہے؛ بصورتِ دیگر اس وقفے کے دوران اسکیل `guidance_scale` سے `min_guidance_scale` تک کم ہوتا ہے۔ |
| `guidance_scale` |  | number | no | `15` | 0 – 200 | تخلیق کے دوران لاگو ہونے والی گائیڈنس کا اسکیل۔ |
| `minimum_guidance_scale` |  | number | no | `3` | 0 – 200 | تخلیق کے دوران ڈِیکی کے بعد حاصل ہونے والا کم ترین گائیڈنس اسکیل۔ |
| `tag_guidance_scale` |  | number | no | `5` | 0 – 10 | تخلیق کے دوران لاگو ہونے والی ٹیگ گائیڈنس کا اسکیل۔ |
| `lyric_guidance_scale` |  | number | no | `1.5` | 0 – 10 | تخلیق کے دوران لاگو ہونے والی بولوں کی گائیڈنس کا اسکیل۔ |
| `original_seed` |  | integer \| null | no |  |  | آڈیو فائل سے اصل میں وابستہ سیڈ۔ |

File parameters (`audio`) take a public `https://` URL, a `data:` URI up to 10 MB, or the `file_url` of an upload from `POST /files`.

## Example input

Required parameters only:

```json
{
  "tags": "lofi, hiphop, drum and bass, trap, chill",
  "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
  "original_tags": "lofi, hiphop, drum and bass, trap, chill"
}
```

A fuller example:

```json
{
  "tags": "lofi, hiphop, drum and bass, trap, chill",
  "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
  "original_tags": "lofi, hiphop, drum and bass, trap, chill"
}
```

## 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/ace-step/audio-to-audio?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "tags": "lofi, hiphop, drum and bass, trap, chill",
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "original_tags": "lofi, hiphop, drum and bass, trap, chill"
  }'

# 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/ace-step/audio-to-audio?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "tags": "lofi, hiphop, drum and bass, trap, chill",
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "original_tags": "lofi, hiphop, drum and bass, trap, chill"
  }),
});
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 = {
    "tags": "lofi, hiphop, drum and bass, trap, chill",
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "original_tags": "lofi, hiphop, drum and bass, trap, chill",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/ace-step/audio-to-audio", 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": "ace-step/audio-to-audio",
      "input": {
        "tags": "lofi, hiphop, drum and bass, trap, chill",
        "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
        "original_tags": "lofi, hiphop, drum and bass, trap, chill"
      },
      "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": "ace-step/audio-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": 2,
    "usd": "0.002",
    "charged": 2,
    "refunded": 0
  },
  "input": {
    "tags": "lofi, hiphop, drum and bass, trap, chill",
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "original_tags": "lofi, hiphop, drum and bass, trap, chill"
  },
  "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,
    "tags": "lofi, hiphop, drum and bass, trap, chill",
    "lyrics": "[inst]"
  },
  "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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `audio` | object {url, content_type, file_name, file_size} | تخلیق سے تیار کردہ آڈیو فائل۔ |
| `seed` | integer | تخلیق کے دوران استعمال ہونے والا تصادفی سیڈ۔ |
| `tags` | string | تخلیق کے دوران لاگو کیے گئے نوع کے ٹیگز۔ |
| `lyrics` | string | تخلیق کے دوران لاگو کیے گئے بول۔ |

## Related models

- [ACE Step](https://doitong.com/developers/models/ace-step.md) (`ace-step`): $0.0002 / second
- [ACE Step Audio Inpaint](https://doitong.com/developers/models/ace-step/audio-inpaint.md) (`ace-step/audio-inpaint`): $0.0002 / second of input audio
- [ACE Step Audio Outpaint](https://doitong.com/developers/models/ace-step/audio-outpaint.md) (`ace-step/audio-outpaint`): $0.0002 / second of output audio
- [ACE Step Prompt To Audio](https://doitong.com/developers/models/ace-step/prompt-to-audio.md) (`ace-step/prompt-to-audio`): $0.0002 / second
- [MiniMax Music 3](https://doitong.com/developers/models/minimax/music-3.md) (`minimax/music-3`): $0.002 / second
- [DiffRhythm: Lyrics to Song](https://doitong.com/developers/models/diffrhythm.md) (`diffrhythm`): $0.001 / second
- [Elevenlabs Music](https://doitong.com/developers/models/elevenlabs/music.md) (`elevenlabs/music`): $0.60 / minute of output audio
- [Elevenlabs Music v2](https://doitong.com/developers/models/elevenlabs/music/v2.md) (`elevenlabs/music/v2`): $0.60 / minute of output audio

## Links

- HTML page: https://doitong.com/developers/models/ace-step/audio-to-audio
- 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=ace-step/audio-to-audio
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/ace-step/audio-to-audio