مواد پر جائیں

Stable Audio 3 Trainer

انٹیگریٹ کریں

ماڈل 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"

مثال جیسی فائلیں: ⁨$3.00⁩ 3,000 API کریڈٹس آپ کی فائلیں رن سے پہلے ناپی جاتی ہیں اس صفحے پر چلائیں

API کلید حاصل کریں
Stability AI تربیت 1–380 s #music#audio#sfx#lora

مماثل متنی کیپشنز والے آڈیو کلپس کی zip سے Stable Audio 3 پر LoRA ٹرین کرتا ہے

Stability AI · فائل

آپ کا پہلا نتیجہ یہاں آئے گا

ذیل میں درخواست بنائیں اور اپنی API کلید کے ساتھ چلائیں۔ آؤٹ پٹس ہمارے اسٹوریج میں کاپی ہو جاتے ہیں، ہمیشہ کے لیے یا مفت میں 7 دن تک محفوظ رہتے ہیں۔

درخواست بنائیں

کنٹرولز ماڈل اسکیما سے تیار ہوتے ہیں۔ آپ کے بدلنے کے ساتھ کوڈ اور قیمت اپ ڈیٹ ہوتے ہیں۔

•لازمی

Dataset zip URL، جس میں ہر audio/caption جوڑا یکساں basename کے تحت ساتھ محفوظ ہوتا ہے: مثال کے طور پر `clip.wav`، `clip.txt` سے ملتا ہے۔ Captions میں `.txt` extension ہونی چاہیے۔

ڈیفالٹ 1000

LoRA تربیت کے مراحل کی تعداد۔

سیکنڈز میں crop/pad مدت، جو ہر صورت منتخب ماڈل کی native training length تک محدود ہے۔ لمبائی فراہم کریں یا اسے چھوڑ دیں تاکہ dataset میں شناخت ہونے والا سب سے طویل کلپ، اس حد کے اندر، استعمال ہو۔

ڈیفالٹ 1

training کے دوران استعمال ہونے والا batch size۔

ایڈوانسڈ model · base_precision · adapter_type · lora_checkpoint_url · learning_rate · rank · seed · pre_encode · include · exclude
model ڈیفالٹ medium-base

Stable Audio 3 کی fine-tuning کے لیے بنیادی checkpoint۔

base_precision ڈیفالٹ bf16

frozen base weights کے لیے استعمال ہونے والی precision؛ LoRA پیرامیٹرز fp32 رہتے ہیں۔

ڈیفالٹ dora-rows

LoRA training کے لیے استعمال ہونے والی adapter فیملی۔

اختیاری `.safetensors` LoRA checkpoint URL، جس سے training دوبارہ شروع کی جائے۔

ڈیفالٹ 0.0001

AdamW کی جانب سے LoRA پیرامیٹرز پر لاگو کی جانے والی learning rate۔

ڈیفالٹ 16

LoRA adapter کا rank۔

ڈیفالٹ 42

randomization کے لیے seed۔

module-name کے وہ substrings جو LoRA شامل کرنے کی جگہ محدود کرتے ہیں؛ صرف matching modules اسے حاصل کرتے ہیں۔

matching modules کو خارج کرنے کے لیے استعمال ہونے والے name substrings۔

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

یہ درخواست چلائیں

آپ کی key اسی براؤزر میں رہتی ہے: یہ صرف Doitong API کو بھیجی جاتی ہے اور صرف اس صورت میں localStorage میں محفوظ ہوتی ہے جب آپ Remember منتخب کریں۔ API کلید حاصل کریں

Stable Audio 3 Trainer کے بارے میں

بنیادی چیک پوائنٹ (medium-base، small-music-base یا small-sfx-base) کو `audio_data_url` کی zip پر فائن ٹیون کرتا ہے، جس میں ہر آڈیو فائل کے ساتھ یکساں نام والی `.txt` کیپشن فائل ہوتی ہے۔ آپ `number_of_steps` (زیادہ سے زیادہ 20000)، `learning_rate`، `rank` (1 سے 256)، `adapter_type` اور `batch_size` کو ترتیب دے سکتے ہیں یا `.safetensors` چیک پوائنٹ سے دوبارہ شروع کر سکتے ہیں۔ LoRA وزن اور config فائل واپس کرتا ہے۔

پیرامیٹرز

نامقسم ڈیفالٹمجاز تفصیل
audio_data_urlلازمی
قسمstring
Dataset zip URL، جس میں ہر audio/caption جوڑا یکساں basename کے تحت ساتھ محفوظ ہوتا ہے: مثال کے طور پر `clip.wav`، `clip.txt` سے ملتا ہے۔ Captions میں `.txt` extension ہونی چاہیے۔
modelاختیاری
قسمenum
ڈیفالٹmedium-base
medium-basesmall-music-basesmall-sfx-base
Stable Audio 3 کی fine-tuning کے لیے بنیادی checkpoint۔
number_of_stepsاختیاری
قسمinteger
ڈیفالٹ1000
1 – 20,000
LoRA تربیت کے مراحل کی تعداد۔
learning_rateاختیاری
قسمnumber
ڈیفالٹ0.0001
≤ 0.01> 0
AdamW کی جانب سے LoRA پیرامیٹرز پر لاگو کی جانے والی learning rate۔
rankاختیاری
قسمinteger
ڈیفالٹ16
1 – 256
LoRA adapter کا rank۔
adapter_typeاختیاری
قسمenum
ڈیفالٹdora-rows
loradoradora-rowsdora-colsboralora-xsdora-rows-xsdora-cols-xsbora-xs
LoRA training کے لیے استعمال ہونے والی adapter فیملی۔
durationاختیاری
قسمnumber | null
1 – 380
سیکنڈز میں crop/pad مدت، جو ہر صورت منتخب ماڈل کی native training length تک محدود ہے۔ لمبائی فراہم کریں یا اسے چھوڑ دیں تاکہ dataset میں شناخت ہونے والا سب سے طویل کلپ، اس حد کے اندر، استعمال ہو۔
batch_sizeاختیاری
قسمinteger
ڈیفالٹ1
1 – 8
training کے دوران استعمال ہونے والا batch size۔
seedاختیاری
قسمinteger
ڈیفالٹ42
0 – 2,147,483,647
randomization کے لیے seed۔
base_precisionاختیاری
قسمenum
ڈیفالٹbf16
bf16bfloat16fp16float16
frozen base weights کے لیے استعمال ہونے والی precision؛ LoRA پیرامیٹرز fp32 رہتے ہیں۔
includeاختیاری
قسمstring[]
module-name کے وہ substrings جو LoRA شامل کرنے کی جگہ محدود کرتے ہیں؛ صرف matching modules اسے حاصل کرتے ہیں۔
excludeاختیاری
قسمstring[]
matching modules کو خارج کرنے کے لیے استعمال ہونے والے name substrings۔
lora_checkpoint_urlاختیاری
قسمstring | null
اختیاری `.safetensors` LoRA checkpoint URL، جس سے training دوبارہ شروع کی جائے۔
pre_encodeاختیاری
قسمboolean
ڈیفالٹfalse
LoRA training سے پہلے آڈیو archive کو SAME latents میں pre-encode کرنا۔
لازمی

آؤٹ پٹ

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"
  }
}
آپ کی فائلیں، آپ کا انتخابہر outputs[].url ہمارے اسٹوریج میں ایک کاپی ہے: ہمیشہ کے لیے محفوظ (فی GB-ماہ ادائیگی) یا مفت میں 7 دن تک، آپ کی اکاؤنٹ سیٹنگ یا ?storage= کے مطابق۔
ہر ماڈل میں ایک جیسی ساختtype، url، content_type، width، height اور duration، تصاویر، ویڈیو اور آڈیو سب کے لیے یکساں۔ output ماڈل کا اپنا نتیجہ آبجیکٹ ہے۔
آؤٹ پٹ کے فیلڈز
lora_file
object {url, content_type, file_name, file_size}Stable Audio 3 کے لیے train کیے گئے LoRA weights۔
config_file
object {url, content_type, file_name, file_size}training run اور inference کے لیے compatible ماڈل بیان کرنے والا JSON metadata۔

AI ایجنٹس کے لیے: یہ صفحہ Markdown میں یہاں موجود ہے https://doitong.com/ur/developers/models/stable-audio-3-trainer.md. تمام ماڈلز اور گائیڈز: https://doitong.com/developers/llms.txt