Leum chun t-susbaint

Stable Audio 3 Medium Audio to Audio

Amalaich

ID a’ mhodail 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-iarrtas seo: $0.042 42 creideasan API · ≈ ₽4.52 Ruith e air an duilleig seo

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

Stable Audio 3 Medium grinnichte a bhios ag ath-mheasadh criomag thùsail gu caochladh ùr à prompt

Stability AI · Fuaim

Thèid a’ chiad toradh agad an-seo

Tog iarrtas gu h-ìosal agus ruith e leis an iuchair API agad. Tha na h-às-churan air an lethbhreacadh dhan stòradh againn, air an cumail gu bràth no 7 latha an-asgaidh.

Tog iarrtas

Tha na smachdan air an cruthachadh bho sgeama a’ mhodail. Bidh an còd agus a’ phrìs ag ùrachadh fhad ’s a dh’atharraicheas tu iad.

•riatanach

Stiùiridhean teacsa a’ toirt cunntas air a’ chruth-atharrachadh a thèid a chur air a’ chlaisneachd thùsail.

•riatanach audio_url
Leig às faidhle, no

Claisneachd in-chur airson cruth-atharrachadh.

bun-roghainn 30

Fad claisneachd ann an diogan, le 380 diog mar an àireamh as motha airson a’ mhodail mheadhanaich (mu 6 mionaidean 20 diog).

Adhartach negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · init_noise_level · seed · enable_prompt_expansion · enable_safety_checker
bun-roghainn

Teacsa a’ sònrachadh feartan nach eilear ag iarraidh san às-chur.

output_format bun-roghainn mp3

Cruth a’ chontainir a thathar a’ cleachdadh airson na claisneachd a thig às.

bun-roghainn 192k

Ìre-bhrath claisneachd às-chur, air a leigeil seachad nuair a thathar a’ cleachdadh wav no flac oir tha iad gun chall. Airson chruthan teannaichte mar mp3, aac no opus, thoir seachad luach ann an riochd '192k' no '320k'.

bun-roghainn 8

Àireamh nan ath-aithrisean samplachaidh, le 8 mar bhun-roghainn oir tha checkpoints grinnichte, air an trèanadh às dèidh sin, a’ coileanadh deagh chàileachd mu thràth; chan eil mòran buannachd ann an ath-aithrisean a bharrachd.

bun-roghainn 1

Neart stiùiridh gun chlas airson checkpoints bunaiteach a-mhàin; chan eil buaidh aig seo air checkpoints grinnichte. Air checkpoints iomchaidh, bidh àrdachadh air a’ luach a’ teannachadh gèilleadh don prompt.

bun-roghainn 0.9

Ìre fuaim na claisneachd tùsail: bidh 0.1 a’ gleidheadh coltas dlùth ris an in-chur, bidh 0.5 meadhanach, agus bidh 1.0 a’ cur fuaim an àite na tùsail gu tur airson gineadh fìor-ghlan.

Sìol gineadair air thuaiream airson toraidhean ath-riochdachadh; ma thèid fhàgail air falbh, thèid sìol air thuaiream a thaghadh.

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

Ruith an t-iarrtas seo

Fuirichidh an iuchair agad sa bhrobhsair seo: thèid a cur chun Doitong API a-mhàin agus a sàbhaladh (localStorage) a-mhàin ma chuireas tu comharra ri Cuimhnich. Faigh iuchair API

Mu Stable Audio 3 Medium Audio to Audio

Atharraichidh e `audio_url` a rèir `prompt`, a’ cruthachadh fuaim le `duration` de 1 gu 380 diog (bunaiteach 30). Suidhichidh `init_noise_level` bho 0 gu 1 dè cho dlùth ’s a leanas an toradh an tùs: cumaidh luach ìosal e dlùth, agus ’s e 1.0 gineadh slàn. ’S e 8 ceumannan am bunait, le grunn chruthan toraidh rim faighinn.

Paramadairean

Cuir an t-ainm canonical no an t-ainm dùthchasach, chan e an dà chuid. Ainmean canonical

AinmSeòrsa Bun-roghainnCeadaichte Tuairisgeul
negative_promptroghainneil
Seòrsastring
Bun-roghainn
Teacsa a’ sònrachadh feartan nach eilear ag iarraidh san às-chur.
durationroghainneil
Seòrsanumber
Bun-roghainn30
1 – 380
Fad claisneachd ann an diogan, le 380 diog mar an àireamh as motha airson a’ mhodail mheadhanaich (mu 6 mionaidean 20 diog).
num_inference_stepsroghainneil
Seòrsainteger
Bun-roghainn8
1 – 100
Àireamh nan ath-aithrisean samplachaidh, le 8 mar bhun-roghainn oir tha checkpoints grinnichte, air an trèanadh às dèidh sin, a’ coileanadh deagh chàileachd mu thràth; chan eil mòran buannachd ann an ath-aithrisean a bharrachd.
guidance_scaleroghainneil
Seòrsanumber
Bun-roghainn1
0 – 25
Neart stiùiridh gun chlas airson checkpoints bunaiteach a-mhàin; chan eil buaidh aig seo air checkpoints grinnichte. Air checkpoints iomchaidh, bidh àrdachadh air a’ luach a’ teannachadh gèilleadh don prompt.
seedroghainneil
Seòrsainteger | null
Sìol gineadair air thuaiream airson toraidhean ath-riochdachadh; ma thèid fhàgail air falbh, thèid sìol air thuaiream a thaghadh.
enable_prompt_expansionroghainneil
Seòrsaboolean
Bun-roghainnfalse
Leudachadh prompt a’ cleachdadh LLM nuair a tha e comasach, a’ cur mion-fhiosrachadh ris agus ag adhartachadh càileachd an toraidh.
enable_safety_checkerroghainneil
Seòrsaboolean
Bun-roghainntrue
Sgrùdadh sàbhailteachd airson susbaint NSFW.
output_formatroghainneil
Seòrsaenum
Bun-roghainnmp3
mp3wavflacoggopusm4aaac
Cruth a’ chontainir a thathar a’ cleachdadh airson na claisneachd a thig às.
bitrateroghainneil
Seòrsastring
Bun-roghainn192k
Ìre-bhrath claisneachd às-chur, air a leigeil seachad nuair a thathar a’ cleachdadh wav no flac oir tha iad gun chall. Airson chruthan teannaichte mar mp3, aac no opus, thoir seachad luach ann an riochd '192k' no '320k'.
promptriatanach
Seòrsastring
Stiùiridhean teacsa a’ toirt cunntas air a’ chruth-atharrachadh a thèid a chur air a’ chlaisneachd thùsail.
audio_urlriatanach audio
Seòrsaurl · audio
Claisneachd in-chur airson cruth-atharrachadh.
init_noise_levelroghainneil
Seòrsanumber
Bun-roghainn0.9
0 – 1
Ìre fuaim na claisneachd tùsail: bidh 0.1 a’ gleidheadh coltas dlùth ris an in-chur, bidh 0.5 meadhanach, agus bidh 1.0 a’ cur fuaim an àite na tùsail gu tur airson gineadh fìor-ghlan.
riatanach Ainm canonical, gabhar ris cuideachd

Gabhaidh paramadairean faidhle ri URL poblach https://, URI data: suas ri 10 MB, no file_url de luchdachadh suas. Faidhlichean

Toradh

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"
  }
}
Na faidhlichean agad, do roghainnTha gach outputs[].url na lethbhreac air an stòradh againn: air a chumail gu bràth (air a phàigheadh gach GB-mìos) no 7 latha an-asgaidh, a rèir suidheachadh a’ chunntais agad no ?storage=.
An aon chruth air gach modailtype, url, content_type, width, height agus duration, airson dealbhan, bhidio agus fuaim le chèile. ’S e output nì toraidh a’ mhodail fhèin.
Raointean toraidh
audio
object {url, content_type, file_name, file_size}Criomag claisneachd a chaidh a chruthachadh le gineadh.
seed
integerSìol a bha a’ cumail smachd air tuaiream rè gineadh.
prompt
stringPrompt a chaidh a chleachdadh gus an às-chur a ghineadh.

Barrachd mhodalan: Fuaim

Do riochdairean AI: tha an duilleag seo mar Markdown aig https://doitong.com/gd/developers/models/stable-audio-3/medium/audio-to-audio.md. Na modailean agus na treòraichean uile: https://doitong.com/developers/llms.txt