सामग्री पर जाएँ

Stable Audio 3 · Medium · Text to Audio

इंटीग्रेट करें

मॉडल id 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"

यह अनुरोध: $0.038 38 API क्रेडिट · ≈ ₽4.09 इसे इस पेज पर चलाएँ

API कुंजी प्राप्त करें
Stability AI ऑडियो 1–380 s #music#audio#stereo

डिस्टिल्ड Medium text-to-audio, तेज़ 8-चरणीय डिफ़ॉल्ट के साथ, 380 सेकंड तक की क्लिप

Stability AI · ऑडियो

आपका पहला परिणाम यहाँ आएगा

नीचे एक अनुरोध बनाएँ और उसे अपनी API कुंजी से चलाएँ। आउटपुट हमारे स्टोरेज में कॉपी किए जाते हैं और हमेशा के लिए या 7 दिन तक मुफ़्त में रखे जाते हैं।

अनुरोध बनाएँ

कंट्रोल मॉडल स्कीमा से जनरेट होते हैं। इन्हें बदलने पर कोड और कीमत अपडेट होती है।

•आवश्यक

वांछित ऑडियो सामग्री निर्दिष्ट करने वाला टेक्स्ट।

डिफ़ॉल्ट 30

ऑडियो की लंबाई सेकंड में, जिसमें medium मॉडल की अधिकतम सीमा 380 सेकंड (लगभग 6 मिनट 20 सेकंड) है।

उन्नत negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · seed · enable_prompt_expansion · enable_safety_checker
डिफ़ॉल्ट

आउटपुट में अवांछित गुणों को निर्दिष्ट करने वाला टेक्स्ट।

output_format डिफ़ॉल्ट mp3

परिणामी ऑडियो के लिए उपयोग किया जाने वाला कंटेनर फ़ॉर्मैट।

डिफ़ॉल्ट 192k

आउटपुट ऑडियो बिटरेट, wav या flac के उपयोग पर अनदेखा किया जाता है क्योंकि वे लॉसलेस हैं। mp3, aac या opus जैसे संपीड़ित फ़ॉर्मैट के लिए '192k' या '320k' के रूप में मान दें।

डिफ़ॉल्ट 8

सैंपलिंग पुनरावृत्तियों की संख्या, डिफ़ॉल्ट रूप से 8; क्योंकि डिस्टिल्ड, पोस्ट-ट्रेंड चेकपॉइंट वहाँ पहले ही अच्छी गुणवत्ता प्राप्त कर लेते हैं और अतिरिक्त पुनरावृत्तियों से बहुत कम लाभ मिलता है।

डिफ़ॉल्ट 1

केवल बेस चेकपॉइंट के लिए क्लासिफ़ायर-फ़्री गाइडेंस स्ट्रेंथ; डिस्टिल्ड चेकपॉइंट प्रभावित नहीं होते। लागू चेकपॉइंट में इसे बढ़ाने पर प्रॉम्प्ट का अनुपालन अधिक सटीक होता है।

दोहराए जा सकने वाले परिणामों के लिए रैंडम जनरेटर सीड; इसे छोड़ने पर रैंडम सीड चुना जाता है।

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

यह अनुरोध चलाएँ

आपकी key इसी ब्राउज़र में रहती है: इसे केवल Doitong API को भेजा जाता है और केवल तभी (localStorage) में सेव किया जाता है जब आप Remember चुनते हैं। API कुंजी प्राप्त करें

Stable Audio 3 · Medium · Text to Audio के बारे में

टेक्स्ट `prompt` से ऑडियो बनाता है और वैकल्पिक रूप से `negative_prompt` स्वीकार करता है। यह post-trained वेरिएंट डिफ़ॉल्ट रूप से 8 सैंपलिंग चरण उपयोग करता है और अधिक चरणों से बहुत कम लाभ मिलता है। गाइडेंस स्केल डिफ़ॉल्ट रूप से 1 है, क्योंकि इसका प्रभाव केवल बेस चेकपॉइंट पर पड़ता है। `duration` 1 से 380 सेकंड तक चलता है। mp3, wav, flac, ogg, opus, m4a या aac आउटपुट में से चुनें।

पैरामीटर

नामप्रकार डिफ़ॉल्टअनुमत विवरण
negative_promptवैकल्पिक
प्रकारstring
डिफ़ॉल्ट
आउटपुट में अवांछित गुणों को निर्दिष्ट करने वाला टेक्स्ट।
durationवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट30
1 – 380
ऑडियो की लंबाई सेकंड में, जिसमें medium मॉडल की अधिकतम सीमा 380 सेकंड (लगभग 6 मिनट 20 सेकंड) है।
num_inference_stepsवैकल्पिक
प्रकारinteger
डिफ़ॉल्ट8
1 – 100
सैंपलिंग पुनरावृत्तियों की संख्या, डिफ़ॉल्ट रूप से 8; क्योंकि डिस्टिल्ड, पोस्ट-ट्रेंड चेकपॉइंट वहाँ पहले ही अच्छी गुणवत्ता प्राप्त कर लेते हैं और अतिरिक्त पुनरावृत्तियों से बहुत कम लाभ मिलता है।
guidance_scaleवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट1
0 – 25
केवल बेस चेकपॉइंट के लिए क्लासिफ़ायर-फ़्री गाइडेंस स्ट्रेंथ; डिस्टिल्ड चेकपॉइंट प्रभावित नहीं होते। लागू चेकपॉइंट में इसे बढ़ाने पर प्रॉम्प्ट का अनुपालन अधिक सटीक होता है।
seedवैकल्पिक
प्रकारinteger | null
दोहराए जा सकने वाले परिणामों के लिए रैंडम जनरेटर सीड; इसे छोड़ने पर रैंडम सीड चुना जाता है।
enable_prompt_expansionवैकल्पिक
प्रकारboolean
डिफ़ॉल्टfalse
सक्षम होने पर LLM का उपयोग करके प्रॉम्प्ट का विस्तार, जिससे विवरण जुड़ता है और परिणाम की गुणवत्ता बेहतर होती है।
enable_safety_checkerवैकल्पिक
प्रकारboolean
डिफ़ॉल्टtrue
NSFW सामग्री की सुरक्षा जाँच।
output_formatवैकल्पिक
प्रकारenum
डिफ़ॉल्टmp3
mp3wavflacoggopusm4aaac
परिणामी ऑडियो के लिए उपयोग किया जाने वाला कंटेनर फ़ॉर्मैट।
bitrateवैकल्पिक
प्रकारstring
डिफ़ॉल्ट192k
आउटपुट ऑडियो बिटरेट, wav या flac के उपयोग पर अनदेखा किया जाता है क्योंकि वे लॉसलेस हैं। mp3, aac या opus जैसे संपीड़ित फ़ॉर्मैट के लिए '192k' या '320k' के रूप में मान दें।
promptआवश्यक
प्रकारstring
वांछित ऑडियो सामग्री निर्दिष्ट करने वाला टेक्स्ट।
आवश्यक

आउटपुट

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"
  }
}
आपकी फ़ाइलें, आपकी पसंदहर outputs[].url हमारे स्टोरेज में एक कॉपी है: हमेशा के लिए (प्रति GB-माह भुगतान) या 7 दिन तक मुफ़्त में, आपके अकाउंट की सेटिंग या ?storage= के अनुसार।
हर मॉडल पर एक जैसा आकारइमेज, वीडियो और ऑडियो सभी के लिए type, url, content_type, width, height और duration। output मॉडल का अपना परिणाम ऑब्जेक्ट है।
आउटपुट के फ़ील्ड
audio
object {url, content_type, file_name, file_size}निर्माण द्वारा तैयार की गई ऑडियो क्लिप।
seed
integerनिर्माण के दौरान यादृच्छिकता को नियंत्रित करने वाला सीड।
prompt
stringआउटपुट बनाने के लिए उपयोग किया गया प्रॉम्प्ट।

और मॉडल: ऑडियो

AI एजेंट के लिए: इस पेज का Markdown यहाँ है https://doitong.com/hi/developers/models/stable-audio-3/medium/text-to-audio.md. सभी मॉडल और गाइड: https://doitong.com/developers/llms.txt