কনটেন্টে যান

Stable Audio 3 Medium Base Audio to Audio

ইন্টিগ্রেট করুন

মডেল id stable-audio-3/medium/base/audio-to-audio
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/stable-audio-3/medium/base/audio-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",
    "audio": "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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

এই অনুরোধ: ০.০৫৩$ ৫৩ API ক্রেডিট · ≈ ৫.৭০₽ এই পেজে চালান

API কী পান
Stability AI অডিও ১–৩৮০ s #music#style-transfer#remix

Base-checkpoint Medium audio-to-audio রিমিক্স: একটি প্রম্পট দিয়ে সোর্স ক্লিপ পুনর্গঠন করে, সর্বোচ্চ 380 সেকেন্ড

Stability AI · অডিও

আপনার প্রথম ফলাফল এখানে আসবে

নিচে একটি রিকোয়েস্ট তৈরি করে আপনার API কী দিয়ে চালান। আউটপুট আমাদের স্টোরেজে কপি করা হয়, চিরকাল বা বিনামূল্যে ৭ দিন পর্যন্ত রাখা হয়।

একটি অনুরোধ তৈরি করুন

মডেল স্কিমা থেকে কন্ট্রোল তৈরি করা হয়। এগুলো পরিবর্তন করলে কোড ও মূল্য আপডেট হয়।

•আবশ্যক

সোর্স অডিওতে প্রয়োগ করার রূপান্তর বর্ণনাকারী টেক্সট নির্দেশনা।

•আবশ্যক audio_url
একটি ফাইল ড্রপ করুন, অথবা

রূপান্তরের জন্য ইনপুট অডিও।

ডিফল্ট 30

সেকেন্ডে অডিওর দৈর্ঘ্য; medium মডেলের সর্বোচ্চ 380 সেকেন্ড (প্রায় 6 মিনিট 20 সেকেন্ড)।

অ্যাডভান্সড negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · init_noise_level · seed · enable_prompt_expansion · enable_safety_checker
ডিফল্ট

আউটপুটে অনাকাঙ্ক্ষিত গুণাবলি নির্দিষ্ট করা টেক্সট।

output_format ডিফল্ট mp3

ফলস্বরূপ অডিওতে ব্যবহৃত কনটেইনার ফরম্যাট।

ডিফল্ট 192k

আউটপুট অডিওর বিটরেট; wav বা flac ব্যবহারে উপেক্ষা করা হয়, কারণ এগুলো লসলেস। mp3, aac বা opus-এর মতো সংকুচিত ফরম্যাটে '192k' বা '320k' আকারে একটি মান সরবরাহ করুন।

ডিফল্ট 50

কতটি স্যাম্পলিং ধাপ চালানো হবে তা নির্বাচন করুন; বেস (নন-ডিস্টিলড) চেকপয়েন্ট ব্যবহার করলে ভালো মানের জন্য প্রায় 50 ধাপ নেওয়া যায়।

ডিফল্ট 7

ক্লাসিফায়ার-ফ্রি গাইডেন্স শক্তি; বেস চেকপয়েন্টে শুরুতে প্রায় 7.0 নেওয়ার পরামর্শ দেওয়া হয়। এটি বাড়ালে জেনারেশন প্রম্পট আরও ঘনিষ্ঠভাবে অনুসরণ করে।

ডিফল্ট 0.9

সোর্স অডিওর নয়েজের মাত্রা: 0.1 ইনপুটের সঙ্গে ঘনিষ্ঠ সাদৃশ্য বজায় রাখে, 0.5 মধ্যবর্তী, আর 1.0 সোর্সকে সম্পূর্ণভাবে নয়েজে প্রতিস্থাপন করে বিশুদ্ধ জেনারেশন তৈরি করে।

পুনরাবৃত্তিযোগ্য ফলাফলের জন্য র‍্যান্ডম জেনারেটর সিড; বাদ দিলে একটি র‍্যান্ডম সিড নির্বাচন করা হয়।

POST /run/stable-audio-3/medium/base/audio-to-audio?wait=20 মূল্য → ০.০৫৩$
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/stable-audio-3/medium/base/audio-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",
    "audio": "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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

এই অনুরোধ চালান

আপনার key এই ব্রাউজারেই থাকে: এটি শুধু Doitong API-তে পাঠানো হয় এবং Remember টিক দিলে কেবল localStorage-এ সংরক্ষিত হয়। একটি API কী পান

Stable Audio 3 Medium Base Audio to Audio সম্পর্কে

`audio_url`-এর মাধ্যমে একটি সোর্স ক্লিপ এবং একটি টেক্সট `prompt` গ্রহণ করে রূপান্তরিত সংস্করণ জেনারেট করে। `init_noise_level` (0 থেকে 1) ইনপুটের সঙ্গে ফলাফলের মিল কতটা হবে তা নির্ধারণ করে, এবং `duration` 1 থেকে 380 সেকেন্ড গ্রহণ করে। এটি non-distilled চেকপয়েন্ট, তাই ডিফল্ট 50টি স্যাম্পলিং ধাপ এবং 7-এর গাইডেন্স স্কেল। আউটপুট mp3, wav, flac, ogg, opus, m4a বা aac হতে পারে।

প্যারামিটার

ক্যানোনিকাল নাম অথবা নেটিভ নাম—দুটো একসঙ্গে নয়—পাঠান। ক্যানোনিকাল নামগুলো

নামধরন ডিফল্টঅনুমোদিত বিবরণ
negative_promptঐচ্ছিক
ধরনstring
ডিফল্ট
আউটপুটে অনাকাঙ্ক্ষিত গুণাবলি নির্দিষ্ট করা টেক্সট।
durationঐচ্ছিক
ধরনnumber
ডিফল্ট30
১ – ৩৮০
সেকেন্ডে অডিওর দৈর্ঘ্য; medium মডেলের সর্বোচ্চ 380 সেকেন্ড (প্রায় 6 মিনিট 20 সেকেন্ড)।
num_inference_stepsঐচ্ছিক
ধরনinteger
ডিফল্ট50
১ – ১০০
কতটি স্যাম্পলিং ধাপ চালানো হবে তা নির্বাচন করুন; বেস (নন-ডিস্টিলড) চেকপয়েন্ট ব্যবহার করলে ভালো মানের জন্য প্রায় 50 ধাপ নেওয়া যায়।
guidance_scaleঐচ্ছিক
ধরনnumber
ডিফল্ট7
০ – ২৫
ক্লাসিফায়ার-ফ্রি গাইডেন্স শক্তি; বেস চেকপয়েন্টে শুরুতে প্রায় 7.0 নেওয়ার পরামর্শ দেওয়া হয়। এটি বাড়ালে জেনারেশন প্রম্পট আরও ঘনিষ্ঠভাবে অনুসরণ করে।
seedঐচ্ছিক
ধরনinteger | null
পুনরাবৃত্তিযোগ্য ফলাফলের জন্য র‍্যান্ডম জেনারেটর সিড; বাদ দিলে একটি র‍্যান্ডম সিড নির্বাচন করা হয়।
enable_prompt_expansionঐচ্ছিক
ধরনboolean
ডিফল্টfalse
সক্রিয় থাকলে LLM ব্যবহার করে প্রম্পট সম্প্রসারণ, যা বিস্তারিত যোগ করে এবং ফলাফলের মান উন্নত করে।
enable_safety_checkerঐচ্ছিক
ধরনboolean
ডিফল্টtrue
NSFW বিষয়বস্তুর নিরাপত্তা যাচাই।
output_formatঐচ্ছিক
ধরনenum
ডিফল্টmp3
mp3wavflacoggopusm4aaac
ফলস্বরূপ অডিওতে ব্যবহৃত কনটেইনার ফরম্যাট।
bitrateঐচ্ছিক
ধরনstring
ডিফল্ট192k
আউটপুট অডিওর বিটরেট; wav বা flac ব্যবহারে উপেক্ষা করা হয়, কারণ এগুলো লসলেস। mp3, aac বা opus-এর মতো সংকুচিত ফরম্যাটে '192k' বা '320k' আকারে একটি মান সরবরাহ করুন।
promptআবশ্যক
ধরনstring
সোর্স অডিওতে প্রয়োগ করার রূপান্তর বর্ণনাকারী টেক্সট নির্দেশনা।
audio_urlআবশ্যক audio
ধরনurl · audio
রূপান্তরের জন্য ইনপুট অডিও।
init_noise_levelঐচ্ছিক
ধরনnumber
ডিফল্ট0.9
০ – ১
সোর্স অডিওর নয়েজের মাত্রা: 0.1 ইনপুটের সঙ্গে ঘনিষ্ঠ সাদৃশ্য বজায় রাখে, 0.5 মধ্যবর্তী, আর 1.0 সোর্সকে সম্পূর্ণভাবে নয়েজে প্রতিস্থাপন করে বিশুদ্ধ জেনারেশন তৈরি করে।
আবশ্যক ক্যানোনিকাল নাম, এটিও গ্রহণযোগ্য

ফাইল প্যারামিটার হিসেবে একটি পাবলিক https:// URL, 10 MB পর্যন্ত একটি data: URI, অথবা আপলোডের file_url গ্রহণ করা হয়। ফাইল

আউটপুট

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "stable-audio-3/medium/base/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": 53,
    "usd": "0.053",
    "charged": 53,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "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.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
আপনার ফাইল, আপনার পছন্দপ্রতিটি outputs[].url আমাদের স্টোরেজে একটি কপি: চিরকাল রাখা হয় (প্রতি GB-মাস অনুযায়ী অর্থপ্রদত্ত) অথবা অ্যাকাউন্ট সেটিংস বা ?storage= অনুযায়ী বিনামূল্যে ৭ দিন পর্যন্ত।
প্রতিটি মডেলে একই গঠনছবি, ভিডিও এবং অডিও—সব ক্ষেত্রেই type, url, content_type, width, height এবং duration। output হলো মডেলের নিজস্ব ফলাফল অবজেক্ট।
আউটপুটের ফিল্ড
audio
object {url, content_type, file_name, file_size}জেনারেশনের মাধ্যমে তৈরি অডিও ক্লিপ।
seed
integerজেনারেশনের সময় এলোমেলোতা নিয়ন্ত্রণ করা সিড।
prompt
stringআউটপুট জেনারেট করতে ব্যবহৃত প্রম্পট।

আরও মডেল: অডিও

AI এজেন্টদের জন্য: এই পৃষ্ঠাটি Markdown হিসেবে এখানে আছে https://doitong.com/bn/developers/models/stable-audio-3/medium/base/audio-to-audio.md. সব মডেল ও গাইড: https://doitong.com/developers/llms.txt