Lumaktaw sa nilalaman

Stable Audio 3 Medium Base Text to Audio

I-integrate

ID ng modelo 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.ru/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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Kahilingang ito: $0.048 48 kredito ng API · ≈ ₽5.16 Patakbuhin ito sa page na ito

Kumuha ng API key
Stability AI audio 1–380 s #music#audio#stereo

Base-checkpoint Medium text-to-audio para sa fine-tuning workflow, mga clip na hanggang 380 segundo

Stability AI · audio

Dito mapupunta ang iyong unang resulta

Bumuo ng kahilingan sa ibaba at patakbuhin ito gamit ang iyong API key. Kinokopya ang mga output sa aming storage, na pinananatili nang walang hanggan o 7 araw nang libre.

Bumuo ng kahilingan

Ang mga control ay binubuo mula sa schema ng modelo. Nagbabago ang code at presyo habang ina-adjust mo ang mga ito.

•kinakailangan

Text na tumutukoy sa nais na audio content.

default na 30

Haba ng audio sa segundo, na may maximum na 380 segundo para sa medium-model (humigit-kumulang 6 minuto 20 segundo).

advanced negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · seed · enable_prompt_expansion · enable_safety_checker
default na

Text na tumutukoy sa mga hindi kanais-nais na katangian sa output.

output_format default na mp3

Container format na ginagamit para sa nagresultang audio.

default na 192k

Bitrate ng output audio, hindi pinapansin kapag wav o flac ang ginagamit dahil lossless ang mga ito. Para sa compressed format gaya ng mp3, aac, o opus, magbigay ng value sa anyong '192k' o '320k'.

default na 50

Piliin kung ilang sampling step ang patatakbuhin; humigit-kumulang 50 ang kailangan para sa magandang kalidad kapag gumagamit ng base (non-distilled) checkpoint.

default na 7

Classifier-free guidance strength, kung saan humigit-kumulang 7.0 ang inirerekomenda sa simula para sa base checkpoint; kapag tinaasan, mas mahigpit na susunod ang pagbuo sa prompt.

Random generator seed para sa nauulit na resulta; kapag hindi isinama, random na seed ang pipiliin.

POST /run/stable-audio-3/medium/base/text-to-audio?wait=20 presyo → $0.048
# 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/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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Patakbuhin ang kahilingang ito

Nananatili ang iyong key sa browser na ito: ipinapadala lamang ito sa Doitong API at sine-save (localStorage) lamang kung pipiliin mo ang Tandaan. Kumuha ng API key

Tungkol sa Stable Audio 3 Medium Base Text to Audio

Lumilikha ng audio mula sa teksto na `prompt`, na may optional na `negative_prompt` upang ilayo ang resulta sa mga hindi kanais-nais na katangian. Ang `duration` ay mula 1 hanggang 380 segundo. Bilang non-distilled base checkpoint, default ito sa 50 sampling hakbang at guidance scale na 7, at tumatanggap ng guidance hanggang 25. Kasama sa mga output format ang mp3, wav, flac, ogg, opus, m4a at aac.

Mga parameter

PangalanUri defaultPinapayagan Paglalarawan
negative_promptopsyonal
Uristring
default
Text na tumutukoy sa mga hindi kanais-nais na katangian sa output.
durationopsyonal
Urinumber
default30
1 – 380
Haba ng audio sa segundo, na may maximum na 380 segundo para sa medium-model (humigit-kumulang 6 minuto 20 segundo).
num_inference_stepsopsyonal
Uriinteger
default50
1 – 100
Piliin kung ilang sampling step ang patatakbuhin; humigit-kumulang 50 ang kailangan para sa magandang kalidad kapag gumagamit ng base (non-distilled) checkpoint.
guidance_scaleopsyonal
Urinumber
default7
0 – 25
Classifier-free guidance strength, kung saan humigit-kumulang 7.0 ang inirerekomenda sa simula para sa base checkpoint; kapag tinaasan, mas mahigpit na susunod ang pagbuo sa prompt.
seedopsyonal
Uriinteger | null
Random generator seed para sa nauulit na resulta; kapag hindi isinama, random na seed ang pipiliin.
enable_prompt_expansionopsyonal
Uriboolean
defaultfalse
Pagpapalawak ng prompt gamit ang LLM kapag pinagana, na nagdaragdag ng detalye at nagpapahusay sa kalidad ng resulta.
enable_safety_checkeropsyonal
Uriboolean
defaulttrue
Pagsusuri sa kaligtasan para sa NSFW content.
output_formatopsyonal
Urienum
defaultmp3
mp3wavflacoggopusm4aaac
Container format na ginagamit para sa nagresultang audio.
bitrateopsyonal
Uristring
default192k
Bitrate ng output audio, hindi pinapansin kapag wav o flac ang ginagamit dahil lossless ang mga ito. Para sa compressed format gaya ng mp3, aac, o opus, magbigay ng value sa anyong '192k' o '320k'.
promptkinakailangan
Uristring
Text na tumutukoy sa nais na audio content.
kinakailangan

Output

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.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Ikaw ang pumipili para sa iyong mga fileAng bawat outputs[].url ay kopya sa aming storage: pinananatili nang walang hanggan (sinisingil bawat GB-month) o 7 araw nang libre, ayon sa setting ng iyong account o ?storage=.
Parehong shape sa bawat modelotype, url, content_type, width, height at duration, para sa mga larawan, video at audio. Ang output ay sariling result object ng modelo.
Mga field ng output
audio
object {url, content_type, file_name, file_size}Audio clip na nabuo.
seed
integerSeed na kumokontrol sa randomness habang bumubuo.
prompt
stringPrompt na ginamit sa pagbuo ng output.

Higit pang modelo: audio

Para sa mga AI agent: nasa Markdown ang pahinang ito sa https://doitong.com/fil/developers/models/stable-audio-3/medium/base/text-to-audio.md. Lahat ng modelo at gabay: https://doitong.com/developers/llms.txt