مواد پر جائیں

Stable Audio 3 Medium Base Text to Audio

انٹیگریٹ کریں

ماڈل 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"

یہ درخواست: ⁨$0.048⁩ 48 API کریڈٹس اس صفحے پر چلائیں

API کلید حاصل کریں
Stability AI آڈیو 1–380 s #music#audio#stereo

Base-checkpoint Medium text-to-audio، فائن ٹیوننگ ورک فلو کے لیے، 380 سیکنڈ تک کے کلپس

Stability AI · آڈیو

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

مطلوبہ آڈیو مواد بیان کرنے والا متن۔

ڈیفالٹ 30

سیکنڈز میں آڈیو کی لمبائی، medium-model کی زیادہ سے زیادہ حد 380 سیکنڈ (تقریباً 6 منٹ 20 سیکنڈ) ہے۔

ایڈوانسڈ negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · seed · enable_prompt_expansion · enable_safety_checker
ڈیفالٹ

آؤٹ پٹ میں ناپسندیدہ خصوصیات بیان کرنے والا متن۔

output_format ڈیفالٹ mp3

نتیجے کے آڈیو کے لیے استعمال ہونے والا container format۔

ڈیفالٹ 192k

آؤٹ پٹ آڈیو bitrate، wav یا flac کے لیے نظرانداز ہوتا ہے کیونکہ یہ lossless ہیں۔ mp3، aac یا opus جیسے compressed formats کے لیے '192k' یا '320k' کی شکل میں قدر فراہم کریں۔

ڈیفالٹ 50

چلائے جانے والے sampling steps کی تعداد منتخب کریں؛ base (non-distilled) checkpoints استعمال کرتے وقت اچھی quality کے لیے تقریباً 50 مناسب ہیں۔

ڈیفالٹ 7

Classifier-free guidance strength؛ base checkpoints پر ابتدا میں تقریباً 7.0 تجویز کیا جاتا ہے، اور اسے بڑھانے سے تخلیق پرامپٹ سے زیادہ قریب رہتی ہے۔

قابل تکرار نتائج کے لیے random generator seed؛ اسے چھوڑنے پر random seed منتخب ہوتا ہے۔

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

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 Medium Base Text to Audio کے بارے میں

متنی `prompt` سے آڈیو تیار کرتا ہے، اور ناپسندیدہ خصوصیات سے دور رکھنے کے لیے اختیاری `negative_prompt` بھی دیا جا سکتا ہے۔ `duration` کی حد 1 سے 380 سیکنڈ ہے۔ non-distilled بنیادی چیک پوائنٹ کے طور پر اس میں ڈیفالٹ 50 سیمپلنگ مراحل اور 7 کی رہنمائی اسکیل ہے، جبکہ 25 تک رہنمائی قبول کی جاتی ہے۔ آؤٹ پٹ فارمیٹس میں mp3، wav، flac، ogg، opus، m4a اور aac شامل ہیں۔

پیرامیٹرز

نامقسم ڈیفالٹمجاز تفصیل
negative_promptاختیاری
قسمstring
ڈیفالٹ
آؤٹ پٹ میں ناپسندیدہ خصوصیات بیان کرنے والا متن۔
durationاختیاری
قسمnumber
ڈیفالٹ30
1 – 380
سیکنڈز میں آڈیو کی لمبائی، medium-model کی زیادہ سے زیادہ حد 380 سیکنڈ (تقریباً 6 منٹ 20 سیکنڈ) ہے۔
num_inference_stepsاختیاری
قسمinteger
ڈیفالٹ50
1 – 100
چلائے جانے والے sampling steps کی تعداد منتخب کریں؛ base (non-distilled) checkpoints استعمال کرتے وقت اچھی quality کے لیے تقریباً 50 مناسب ہیں۔
guidance_scaleاختیاری
قسمnumber
ڈیفالٹ7
0 – 25
Classifier-free guidance strength؛ base checkpoints پر ابتدا میں تقریباً 7.0 تجویز کیا جاتا ہے، اور اسے بڑھانے سے تخلیق پرامپٹ سے زیادہ قریب رہتی ہے۔
seedاختیاری
قسمinteger | null
قابل تکرار نتائج کے لیے random generator seed؛ اسے چھوڑنے پر random seed منتخب ہوتا ہے۔
enable_prompt_expansionاختیاری
قسمboolean
ڈیفالٹfalse
فعال ہونے پر LLM کے ذریعے پرامپٹ کی توسیع، جس سے تفصیل اور نتیجے کا معیار بہتر ہوتا ہے۔
enable_safety_checkerاختیاری
قسمboolean
ڈیفالٹtrue
NSFW مواد کی safety checking۔
output_formatاختیاری
قسمenum
ڈیفالٹmp3
mp3wavflacoggopusm4aaac
نتیجے کے آڈیو کے لیے استعمال ہونے والا container format۔
bitrateاختیاری
قسمstring
ڈیفالٹ192k
آؤٹ پٹ آڈیو bitrate، wav یا flac کے لیے نظرانداز ہوتا ہے کیونکہ یہ lossless ہیں۔ mp3، aac یا opus جیسے compressed formats کے لیے '192k' یا '320k' کی شکل میں قدر فراہم کریں۔
promptلازمی
قسمstring
مطلوبہ آڈیو مواد بیان کرنے والا متن۔
لازمی

آؤٹ پٹ

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"
  }
}
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
audio
object {url, content_type, file_name, file_size}تخلیق سے تیار کردہ آڈیو کلپ۔
seed
integerتخلیق کے دوران بے ترتیبی کو کنٹرول کرنے والا seed۔
prompt
stringآؤٹ پٹ تخلیق کرنے کے لیے استعمال کیا گیا پرامپٹ۔

مزید ماڈلز: آڈیو

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