အကြောင်းအရာသို့ ကျော်ရန်

Stable Audio 3 Medium Base Text to Audio

ပေါင်းစည်းရန်

မော်ဒယ် id stable-audio-3/medium/base/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/base/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"

ဤတောင်းဆိုချက်: ၀.၀၄၈ $ ၄၈ API ခရက်ဒစ် · ≈ ၅.၁၆ ₽ ဤစာမျက်နှာတွင် လုပ်ဆောင်ရန်

API ကီး ရယူရန်
Stability AI အသံ ၁–၃၈၀ s #music#audio#stereo

အသေးစိတ်ချိန်ညှိခြင်း လုပ်ငန်းစဉ်များအတွက် အခြေခံ checkpoint သုံး Medium စာသားမှအသံထုတ်မော်ဒယ်၊ 380 စက္ကန့်အထိ ဗီဒီယိုအပိုင်းများ

Stability AI · အသံ

သင့်ပထမဆုံးရလဒ် ဤနေရာတွင် ပေါ်လာမည်

အောက်တွင် တောင်းဆိုချက်တစ်ခု တည်ဆောက်ပြီး သင့် API ကီးဖြင့် လုပ်ဆောင်ပါ။ ထွက်ရလဒ်များကို ကျွန်ုပ်တို့၏ သိုလှောင်မှုသို့ ကူးယူပြီး အမြဲတမ်း သို့မဟုတ် ၇ ရက် အခမဲ့ သိမ်းထားသည်။

တောင်းဆိုမှုတစ်ခု တည်ဆောက်ရန်

ထိန်းချုပ်မှုများကို မော်ဒယ် schema မှ အလိုအလျောက်ဖန်တီးသည်။ ၎င်းတို့ကို ပြောင်းလဲသည်နှင့် code နှင့် စျေးနှုန်းတို့လည်း ပြောင်းလဲမည်။

•လိုအပ်သည်

လိုချင်သော အသံအကြောင်းအရာကို သတ်မှတ်သည့် စာသား။

မူလ 30

အသံအရှည်ကို စက္ကန့်ဖြင့် သတ်မှတ်သည်။ medium မော်ဒယ်အတွက် အများဆုံး 380 စက္ကန့် (ခန့်မှန်းခြေ 6 မိနစ် 20 စက္ကန့်) ဖြစ်သည်။

အဆင့်မြင့် negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · seed · enable_prompt_expansion · enable_safety_checker
မူလ

ထွက်ရလဒ်တွင် မလိုလားသော အရည်အသွေးများကို သတ်မှတ်သည့် စာသား။

output_format မူလ mp3

ထွက်ရလဒ်အသံအတွက် အသုံးပြုသည့် container format။

မူလ 192k

ထွက်ရလဒ်အသံ၏ bitrate။ wav သို့မဟုတ် flac သည် lossless ဖြစ်သောကြောင့် ၎င်းတို့ကို အသုံးပြုသည့်အခါ လျစ်လျူရှုသည်။ mp3၊ aac သို့မဟုတ် opus ကဲ့သို့ compressed format များအတွက် '192k' သို့မဟုတ် '320k' ပုံစံဖြင့် တန်ဖိုးပေးပါ။

မူလ 50

လုပ်ဆောင်မည့် sampling အဆင့်အရေအတွက်ကို ရွေးချယ်ပါ။ base (non-distilled) checkpoint များကို အသုံးပြုသည့်အခါ အရည်အသွေးကောင်းရရန် ခန့်မှန်းခြေ 50 အဆင့် လိုအပ်သည်။

မူလ 7

Classifier-free guidance အားကောင်းမှု။ base checkpoint များတွင် အစပိုင်း၌ ခန့်မှန်းခြေ 7.0 ကို အကြံပြုသည်။ မြှင့်တင်ခြင်းဖြင့် ဖန်တီးမှုသည် ပရောမ့်ကို ပိုမိုနီးကပ်စွာ လိုက်နာသည်။

တူညီသောရလဒ်များ ပြန်လည်ရရှိရန် ကျပန်း generator seed။ ချန်ထားပါက ကျပန်း seed တစ်ခု ရွေးချယ်သည်။

POST /run/stable-audio-3/medium/base/text-to-audio?wait=20 ကုန်ကျစရိတ် → ၀.၀၄၈ $
# 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/base/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"

ဤတောင်းဆိုချက်ကို လုပ်ဆောင်ရန်

သင့် key သည် ဤဘရောက်ဇာထဲတွင်သာ ရှိမည်ဖြစ်ပြီး Doitong API သို့သာ ပို့မည်။ Remember ကို အမှန်ခြစ်ထားမှသာ (localStorage) တွင် သိမ်းမည်။ API ကီး ရယူရန်

Stable Audio 3 Medium Base Text to Audio အကြောင်း

စာသား `prompt` မှ အသံကို ဖန်တီးပြီး မလိုလားအပ်သော အရည်အသွေးများမှ ရှောင်ရှားရန် ရွေးချယ်နိုင်သော `negative_prompt` ကို အသုံးပြုနိုင်သည်။ `duration` သည် 1 မှ 380 စက္ကန့်အထိ ဖြစ်သည်။ ဒစ်စတီးလ်ပြုမထားသော အခြေခံ Checkpoint ဖြစ်သောကြောင့် မူလအားဖြင့် ဆမ်ပလင်း 50 အဆင့်နှင့် လမ်းညွှန်မှု 7 ဖြစ်ပြီး လမ်းညွှန်မှု 25 အထိ လက်ခံသည်။ ထွက်ရလဒ်ဖော်မတ်များတွင် mp3၊ wav၊ flac၊ ogg၊ opus၊ m4a နှင့် aac ပါဝင်သည်။

ပါရာမီတာများ

အမည်အမျိုးအစား မူလတန်ဖိုးခွင့်ပြုထားသည် ဖော်ပြချက်
negative_promptရွေးချယ်နိုင်သည်
အမျိုးအစားstring
မူလတန်ဖိုး
ထွက်ရလဒ်တွင် မလိုလားသော အရည်အသွေးများကို သတ်မှတ်သည့် စာသား။
durationရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး30
၁ – ၃၈၀
အသံအရှည်ကို စက္ကန့်ဖြင့် သတ်မှတ်သည်။ medium မော်ဒယ်အတွက် အများဆုံး 380 စက္ကန့် (ခန့်မှန်းခြေ 6 မိနစ် 20 စက္ကန့်) ဖြစ်သည်။
num_inference_stepsရွေးချယ်နိုင်သည်
အမျိုးအစားinteger
မူလတန်ဖိုး50
၁ – ၁၀၀
လုပ်ဆောင်မည့် sampling အဆင့်အရေအတွက်ကို ရွေးချယ်ပါ။ base (non-distilled) checkpoint များကို အသုံးပြုသည့်အခါ အရည်အသွေးကောင်းရရန် ခန့်မှန်းခြေ 50 အဆင့် လိုအပ်သည်။
guidance_scaleရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး7
၀ – ၂၅
Classifier-free guidance အားကောင်းမှု။ base checkpoint များတွင် အစပိုင်း၌ ခန့်မှန်းခြေ 7.0 ကို အကြံပြုသည်။ မြှင့်တင်ခြင်းဖြင့် ဖန်တီးမှုသည် ပရောမ့်ကို ပိုမိုနီးကပ်စွာ လိုက်နာသည်။
seedရွေးချယ်နိုင်သည်
အမျိုးအစားinteger | null
တူညီသောရလဒ်များ ပြန်လည်ရရှိရန် ကျပန်း generator seed။ ချန်ထားပါက ကျပန်း seed တစ်ခု ရွေးချယ်သည်။
enable_prompt_expansionရွေးချယ်နိုင်သည်
အမျိုးအစားboolean
မူလတန်ဖိုးfalse
ဖွင့်ထားသောအခါ LLM ကို အသုံးပြု၍ ပရောမ့်ကို ချဲ့ထွင်ခြင်း၊ အသေးစိတ်များ ထည့်သွင်းပြီး ရလဒ်အရည်အသွေးကို မြှင့်တင်သည်။
enable_safety_checkerရွေးချယ်နိုင်သည်
အမျိုးအစားboolean
မူလတန်ဖိုးtrue
NSFW အကြောင်းအရာအတွက် ဘေးကင်းရေး စစ်ဆေးမှု။
output_formatရွေးချယ်နိုင်သည်
အမျိုးအစားenum
မူလတန်ဖိုးmp3
mp3wavflacoggopusm4aaac
ထွက်ရလဒ်အသံအတွက် အသုံးပြုသည့် container format။
bitrateရွေးချယ်နိုင်သည်
အမျိုးအစားstring
မူလတန်ဖိုး192k
ထွက်ရလဒ်အသံ၏ bitrate။ wav သို့မဟုတ် flac သည် lossless ဖြစ်သောကြောင့် ၎င်းတို့ကို အသုံးပြုသည့်အခါ လျစ်လျူရှုသည်။ mp3၊ aac သို့မဟုတ် opus ကဲ့သို့ compressed format များအတွက် '192k' သို့မဟုတ် '320k' ပုံစံဖြင့် တန်ဖိုးပေးပါ။
promptလိုအပ်သည်
အမျိုးအစားstring
လိုချင်သော အသံအကြောင်းအရာကို သတ်မှတ်သည့် စာသား။
လိုအပ်သည်

ထွက်ရလဒ်

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "stable-audio-3/medium/base/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": 48,
    "usd": "0.048",
    "charged": 48,
    "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"
  }
}
သင့်ဖိုင်များ၊ သင့်ရွေးချယ်မှုoutputs[].url တိုင်းသည် ကျွန်ုပ်တို့၏ သိုလှောင်မှုရှိ မိတ္တူဖြစ်သည်- အမြဲတမ်း (GB-month အလိုက် ငွေပေးရသည်) သို့မဟုတ် ၇ ရက် အခမဲ့၊ သင့်အကောင့်ဆက်တင် သို့မဟုတ် ?storage= ဖြင့် သိမ်းထားသည်။
မော်ဒယ်တိုင်းတွင် ပုံစံတူပုံ၊ ဗီဒီယိုနှင့် အသံတို့အတွက် type၊ url၊ content_type၊ width၊ height နှင့် duration။ output သည် မော်ဒယ်ကိုယ်တိုင်၏ ရလဒ် object ဖြစ်သည်။
ထွက်ရလဒ်၏ Fields များ
audio
object {url, content_type, file_name, file_size}ဖန်တီးမှုမှ ထုတ်လုပ်သော အသံကလစ်။
seed
integerဖန်တီးမှုအတွင်း ကျပန်းဖြစ်မှုကို ထိန်းချုပ်သည့် seed။
prompt
stringထွက်ရလဒ်ဖန်တီးရန် အသုံးပြုခဲ့သော ပရောမ့်။

နောက်ထပ် မော်ဒယ်များ: အသံ

AI အေးဂျင့်များအတွက်- ဤစာမျက်နှာ၏ Markdown ကို ဤနေရာတွင် ရရှိနိုင်သည် https://doitong.com/my/developers/models/stable-audio-3/medium/base/text-to-audio.md. မော်ဒယ်များနှင့် လမ်းညွှန်များအားလုံး: https://doitong.com/developers/llms.txt