Lumaktaw sa nilalaman

Stable Audio 3 · Medium · Text to Audio

I-integrate

ID ng modelo stable-audio-3/medium/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/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: $0.038 38 kredito ng API · ≈ ₽4.09 Patakbuhin ito sa page na ito

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

Distilled Medium text-to-audio na may mabilis na default na 8 hakbang, at 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 8

Bilang ng sampling iteration, default na 8 dahil nakakamit na ng distilled, post-trained checkpoint ang magandang kalidad dito; kaunti ang pakinabang ng mga karagdagang iteration.

default na 1

Classifier-free guidance strength para lamang sa base checkpoint; hindi naaapektuhan ang distilled checkpoint. Sa mga naaangkop na checkpoint, ang pagtaas nito ay nagpapahigpit sa pagsunod sa prompt.

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

POST /run/stable-audio-3/medium/text-to-audio?wait=20 presyo → $0.038
# 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/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 · Text to Audio

Lumilikha ng audio mula sa teksto na `prompt`, na maaaring may `negative_prompt`. Default ang post-trained variant na ito sa 8 sampling hakbang at kaunti ang pakinabang sa dagdag na hakbang; default ang guidance scale sa 1 dahil may epekto lamang ito sa mga base checkpoint. Ang `duration` ay mula 1 hanggang 380 segundo. Pumili ng mp3, wav, flac, ogg, opus, m4a o aac na output.

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
default8
1 – 100
Bilang ng sampling iteration, default na 8 dahil nakakamit na ng distilled, post-trained checkpoint ang magandang kalidad dito; kaunti ang pakinabang ng mga karagdagang iteration.
guidance_scaleopsyonal
Urinumber
default1
0 – 25
Classifier-free guidance strength para lamang sa base checkpoint; hindi naaapektuhan ang distilled checkpoint. Sa mga naaangkop na checkpoint, ang pagtaas nito ay nagpapahigpit sa pagsunod 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/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": 38,
    "usd": "0.038",
    "charged": 38,
    "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/text-to-audio.md. Lahat ng modelo at gabay: https://doitong.com/developers/llms.txt