Léim chuig an ábhar

Stable Audio 3 Medium Audio to Audio

Comhtháthú

Aitheantas na samhla stable-audio-3/medium/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/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"

An t-iarratas seo: $0.042 42 gcreidmheas API · ≈ ₽4.52 Rith ar an leathanach seo

Faigh eochair API
Stability AI Fuaim 1–380 s #music#style-transfer#remix

Stable Audio 3 Medium díorthaithe a athmheascann gearrthóg foinse ina athrú nua ó phras

Stability AI · Fuaim

Beidh do chéad toradh anseo

Tóg iarratas thíos agus rith é le d’eochair API. Cóipeáiltear na haschuir chuig ár stóráil, coinnithe go deo nó ar feadh 7 lá saor in aisce.

Tóg iarratas

Gintear na rialtáin ó scéim na samhla. Nuashonraítear an cód agus an praghas de réir mar a athraíonn tú iad.

•riachtanach

Treoracha téacs a chuireann síos ar an gclaochlú atá le cur i bhfeidhm ar an bhfuaim foinse.

•riachtanach audio_url
Scaoil comhad, nó

Fuaim ionchuir don chlaochlú.

réamhshocrú 30

Fad fuaime i soicindí, le huasmhéid samhla mheánmhéide 380 soicind (thart ar 6 nóiméad 20 soicind).

Ardleibhéal negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · init_noise_level · seed · enable_prompt_expansion · enable_safety_checker
réamhshocrú

Téacs a shonraíonn cáilíochtaí nach dteastaíonn san aschur.

output_format réamhshocrú mp3

Formáid coimeádáin a úsáidtear don fhuaim thoradhach.

réamhshocrú 192k

Ráta giotán na fuaime aschuir, gan aird air nuair a úsáidtear wav nó flac toisc gur formáidí gan chaillteanas iad. I gcás formáidí comhbhrúite amhail mp3, aac nó opus, soláthair luach san fhoirm '192k' nó '320k'.

réamhshocrú 8

Líon atriallta samplála, le réamhshocrú 8 toisc go mbaineann seicphointí driogtha, iar-oilte, cáilíocht mhaith amach ansin cheana féin; is beag tairbhe a thugann atriallta breise.

réamhshocrú 1

Neart treorach saor ó aicmitheoir do sheicphointí boinn amháin; ní bhíonn tionchar aige ar sheicphointí driogtha. Sna seicphointí infheidhme, déanann méadú air cloí leis an leid níos doichte.

réamhshocrú 0.9

Leibhéal torainn na fuaime foinse: coinníonn 0.1 cosúlacht dhlúth leis an ionchur, tá 0.5 idirmheánach, agus cuireann 1.0 an fhoinse in áit go hiomlán le torann le haghaidh giniúint ghlan.

Síol gineadóra randamaí le haghaidh torthaí in-athdhéanta; roghnaítear síol randamach nuair a fhágtar ar lár é.

POST /run/stable-audio-3/medium/audio-to-audio?wait=20 luachan → $0.042
# 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/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"

Rith an t-iarratas seo

Fanann d'eochair sa bhrabhsálaí seo: seoltar chuig Doitong API amháin í agus sábháiltear (localStorage) í ach amháin má chuireann tú tic le Meabhraigh. Faigh eochair API

Maidir le Stable Audio 3 Medium Audio to Audio

Athraíonn sé `audio_url` de réir `prompt`, agus cruthaíonn sé fuaim ar fad `duration` idir 1 agus 380 soicind (30 de réir réamhshocraithe). Socraíonn `init_noise_level` ó 0 go 1 cé chomh dlúth agus a leanann an toradh an fhoinse: coinníonn luach íseal gar dó, agus is giniúint iomlán é 1.0. Is é 8 gcéim an réamhshocrú, agus tá roinnt formáidí aschuir ar fáil.

Paraiméadair

Seol an t-ainm canónach nó an t-ainm dúchasach, ní an dá cheann. Ainmneacha canónacha

AinmCineál RéamhshocrúCeadaithe Cur síos
negative_promptroghnach
Cineálstring
Réamhshocrú
Téacs a shonraíonn cáilíochtaí nach dteastaíonn san aschur.
durationroghnach
Cineálnumber
Réamhshocrú30
1 – 380
Fad fuaime i soicindí, le huasmhéid samhla mheánmhéide 380 soicind (thart ar 6 nóiméad 20 soicind).
num_inference_stepsroghnach
Cineálinteger
Réamhshocrú8
1 – 100
Líon atriallta samplála, le réamhshocrú 8 toisc go mbaineann seicphointí driogtha, iar-oilte, cáilíocht mhaith amach ansin cheana féin; is beag tairbhe a thugann atriallta breise.
guidance_scaleroghnach
Cineálnumber
Réamhshocrú1
0 – 25
Neart treorach saor ó aicmitheoir do sheicphointí boinn amháin; ní bhíonn tionchar aige ar sheicphointí driogtha. Sna seicphointí infheidhme, déanann méadú air cloí leis an leid níos doichte.
seedroghnach
Cineálinteger | null
Síol gineadóra randamaí le haghaidh torthaí in-athdhéanta; roghnaítear síol randamach nuair a fhágtar ar lár é.
enable_prompt_expansionroghnach
Cineálboolean
Réamhshocrúfalse
Leathnú na leide le LLM nuair a chumasaítear é, ag cur mionsonraí leis agus ag feabhsú cháilíocht an toraidh.
enable_safety_checkerroghnach
Cineálboolean
Réamhshocrútrue
Seiceáil sábháilteachta le haghaidh ábhair NSFW.
output_formatroghnach
Cineálenum
Réamhshocrúmp3
mp3wavflacoggopusm4aaac
Formáid coimeádáin a úsáidtear don fhuaim thoradhach.
bitrateroghnach
Cineálstring
Réamhshocrú192k
Ráta giotán na fuaime aschuir, gan aird air nuair a úsáidtear wav nó flac toisc gur formáidí gan chaillteanas iad. I gcás formáidí comhbhrúite amhail mp3, aac nó opus, soláthair luach san fhoirm '192k' nó '320k'.
promptriachtanach
Cineálstring
Treoracha téacs a chuireann síos ar an gclaochlú atá le cur i bhfeidhm ar an bhfuaim foinse.
audio_urlriachtanach audio
Cineálurl · audio
Fuaim ionchuir don chlaochlú.
init_noise_levelroghnach
Cineálnumber
Réamhshocrú0.9
0 – 1
Leibhéal torainn na fuaime foinse: coinníonn 0.1 cosúlacht dhlúth leis an ionchur, tá 0.5 idirmheánach, agus cuireann 1.0 an fhoinse in áit go hiomlán le torann le haghaidh giniúint ghlan.
riachtanach Ainm canónach, glactar leis freisin

Glacann paraiméadair chomhaid le URL poiblí https://, URI data: suas le 10 MB, nó file_url uaslódála. Comhaid

Aschur

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "stable-audio-3/medium/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": 42,
    "usd": "0.042",
    "charged": 42,
    "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"
  }
}
Do chuid comhad, do roghaIs cóip ar ár stóráil é gach outputs[].url: coinnithe go deo (íoctha in aghaidh GB-mhí) nó ar feadh 7 lá saor in aisce, de réir shocrú do chuntais nó ?storage=.
An cruth céanna ar gach samhailtype, url, content_type, width, height agus duration, d'íomhánna, d'fhíseáin agus d'fhuaim araon. Is é output réad toraidh na samhla féin.
Réimsí aschuir
audio
object {url, content_type, file_name, file_size}Gearrthóg fuaime a tháirgtear trí ghiniúint.
seed
integerSíol a rialaigh randamacht le linn giniúna.
prompt
stringLeid a úsáideadh chun an t-aschur a ghiniúint.

Tuilleadh samhlacha: Fuaim

Do ghníomhairí AI: tá an leathanach seo mar Markdown ag https://doitong.com/ga/developers/models/stable-audio-3/medium/audio-to-audio.md. Gach samhail agus treoir: https://doitong.com/developers/llms.txt