Ir para o conteúdo

Stable Audio 3 Medium Base Text to Audio

Integrar

ID do modelo 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"

Esta solicitação: $ 0,048 48 créditos de API · ≈ ₽ 5,16 Executar nesta página

Obter chave de API
Stability AI Áudio 1–380 s #music#audio#stereo

Texto para áudio do Medium com checkpoint base para fluxos de ajuste fino, com clipes de até 380 segundos

Stability AI · Áudio

Seu primeiro resultado aparecerá aqui

Monte uma requisição abaixo e execute-a com sua chave de API. As saídas são copiadas para nosso armazenamento, mantidas para sempre ou por 7 dias gratuitamente.

Criar uma solicitação

Os controles são gerados a partir do esquema do modelo. O código e o preço são atualizados conforme você os altera.

•obrigatório

Texto que especifica o conteúdo de áudio desejado.

padrão 30

Duração do áudio em segundos, com máximo de 380 segundos para o modelo médio (aproximadamente 6 minutos e 20 segundos).

Avançado negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · seed · enable_prompt_expansion · enable_safety_checker
padrão

Texto que especifica qualidades indesejadas na saída.

output_format padrão mp3

Formato do contêiner usado para o áudio resultante.

padrão 192k

Taxa de bits do áudio de saída, ignorada ao usar wav ou flac porque são formatos sem perdas. Para formatos compactados como mp3, aac ou opus, forneça um valor no formato '192k' ou '320k'.

padrão 50

Escolha quantas etapas de amostragem executar; aproximadamente 50 permitem obter boa qualidade ao usar checkpoints base (não destilados).

padrão 7

Intensidade de orientação sem classificador, para a qual aproximadamente 7.0 é inicialmente recomendado em checkpoints base; aumentá-la faz a geração aderir mais ao prompt.

Semente do gerador aleatório para resultados reproduzíveis; omiti-la seleciona uma semente aleatória.

POST /run/stable-audio-3/medium/base/text-to-audio?wait=20 cotação → $ 0,048
# 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"

Executar esta solicitação

Sua chave permanece neste navegador: ela é enviada somente à Doitong API e salva (localStorage) apenas se você marcar Lembrar. Obter uma chave de API

Sobre Stable Audio 3 Medium Base Text to Audio

Gera áudio a partir de um `prompt` de texto, com um `negative_prompt` opcional para evitar características indesejadas. `duration` varia de 1 a 380 segundo. Como checkpoint base não destilado, usa por padrão 50 passos de amostragem e escala de orientação 7, e aceita orientação de até 25. Os formatos de saída incluem mp3, wav, flac, ogg, opus, m4a e aac.

Parâmetros

NomeTipo PadrãoPermitido Descrição
negative_promptopcional
Tipostring
Padrão
Texto que especifica qualidades indesejadas na saída.
durationopcional
Tiponumber
Padrão30
1 – 380
Duração do áudio em segundos, com máximo de 380 segundos para o modelo médio (aproximadamente 6 minutos e 20 segundos).
num_inference_stepsopcional
Tipointeger
Padrão50
1 – 100
Escolha quantas etapas de amostragem executar; aproximadamente 50 permitem obter boa qualidade ao usar checkpoints base (não destilados).
guidance_scaleopcional
Tiponumber
Padrão7
0 – 25
Intensidade de orientação sem classificador, para a qual aproximadamente 7.0 é inicialmente recomendado em checkpoints base; aumentá-la faz a geração aderir mais ao prompt.
seedopcional
Tipointeger | null
Semente do gerador aleatório para resultados reproduzíveis; omiti-la seleciona uma semente aleatória.
enable_prompt_expansionopcional
Tipoboolean
Padrãofalse
Expansão do prompt usando um LLM quando ativada, adicionando detalhes e melhorando a qualidade do resultado.
enable_safety_checkeropcional
Tipoboolean
Padrãotrue
Verificação de segurança para conteúdo NSFW.
output_formatopcional
Tipoenum
Padrãomp3
mp3wavflacoggopusm4aaac
Formato do contêiner usado para o áudio resultante.
bitrateopcional
Tipostring
Padrão192k
Taxa de bits do áudio de saída, ignorada ao usar wav ou flac porque são formatos sem perdas. Para formatos compactados como mp3, aac ou opus, forneça um valor no formato '192k' ou '320k'.
promptobrigatório
Tipostring
Texto que especifica o conteúdo de áudio desejado.
obrigatório

Saída

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"
  }
}
Seus arquivos, sua escolhaCada outputs[].url é uma cópia em nosso armazenamento: mantida para sempre (cobrada por GB-mês) ou por 7 dias gratuitamente, conforme a configuração da sua conta ou ?storage=.
Mesmo formato em todos os modelostype, url, content_type, width, height e duration, para imagens, vídeos e áudios. output é o próprio objeto de resultado do modelo.
Campos da saída
audio
object {url, content_type, file_name, file_size}Clipe de áudio produzido pela geração.
seed
integerSeed que controlou a aleatoriedade durante a geração.
prompt
stringPrompt usado para gerar a saída.

Mais modelos: Áudio

Para agentes de IA: esta página em Markdown está em https://doitong.com/pt-BR/developers/models/stable-audio-3/medium/base/text-to-audio.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt