Léim chuig an ábhar

Stable Audio 3 · Medium · Text to Audio

Comhtháthú

Aitheantas na samhla 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"

An t-iarratas seo: $0.038 38 gcreidmheas API · ≈ ₽4.09 Rith ar an leathanach seo

Faigh eochair API
Stability AI Fuaim 1–380 s #music#audio#stereo

Téacs-go-fuaim Medium díorthaithe le réamhshocrú tapa 8 gcéim, gearrthóga suas le 380 soicind

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

Téacs a shonraíonn an t-ábhar fuaime atá uait.

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 · 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.

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

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

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 · Text to Audio

Cruthaíonn sé fuaim ó `prompt` téacs, le `negative_prompt` roghnach. Is é 8 gcéim samplála an réamhshocrú sa leagan iar-oilte seo agus is beag tairbhe a bhaineann sé as níos mó; is é 1 réamhshocrú an scála treorach toisc nach mbíonn éifeacht aige ach ar sheicphointí bunúsacha. Tá raon 1 go 380 soicind ag `duration`. Roghnaigh aschur mp3, wav, flac, ogg, opus, m4a nó aac.

Paraiméadair

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
Téacs a shonraíonn an t-ábhar fuaime atá uait.
riachtanach

Aschur

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"
  }
}
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/text-to-audio.md. Gach samhail agus treoir: https://doitong.com/developers/llms.txt