Avançar 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"

Este pedido: 0,048 $ 48 créditos da API · ≈ 5,16 ₽ Executar nesta página

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

Text-to-audio Medium com checkpoint base para fluxos de ajuste fino, clips até 380 segundos

Stability AI · Áudio

O seu primeiro resultado aparece aqui

Crie um pedido abaixo e execute-o com a sua chave de API. As saídas são copiadas para o nosso armazenamento, guardadas para sempre ou durante 7 dias gratuitamente.

Criar um pedido

Os controlos são gerados a partir do esquema do modelo. O código e o preço são atualizados à medida que os altera.

•obrigatório

Texto que especifica o conteúdo de áudio pretendido.

predefinição 30

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

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

Texto que especifica qualidades indesejadas na saída.

output_format predefinição mp3

Formato do contentor usado para o áudio resultante.

predefinição 192k

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

predefinição 50

Escolha quantos passos de amostragem executar, permitindo aproximadamente 50 para obter boa qualidade ao usar checkpoints base (não destilados).

predefinição 7

Intensidade de orientação sem classificador, para a qual se recomenda inicialmente aproximadamente 7.0 nos checkpoints base; aumentá-la faz com que a geração adira mais estreitamente ao prompt.

Seed do gerador aleatório para resultados reproduzíveis; omiti-la seleciona uma seed 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 este pedido

A sua chave permanece neste navegador: é enviada apenas para a Doitong API e guardada em localStorage apenas se selecionar 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 entre 1 e 380 segundos. Enquanto checkpoint base não destilado, utiliza por predefinição 50 passos de amostragem e uma escala de orientação de 7, aceitando orientação até 25. Os formatos de saída incluem mp3, wav, flac, ogg, opus, m4a e aac.

Parâmetros

NomeTipo PredefiniçãoPermitido Descrição
negative_promptopcional
Tipostring
Predefinição
Texto que especifica qualidades indesejadas na saída.
durationopcional
Tiponumber
Predefinição30
1 – 380
Duração do áudio em segundos, com um máximo de 380 segundos para o modelo médio (aproximadamente 6 minutos 20 segundos).
num_inference_stepsopcional
Tipointeger
Predefinição50
1 – 100
Escolha quantos passos de amostragem executar, permitindo aproximadamente 50 para obter boa qualidade ao usar checkpoints base (não destilados).
guidance_scaleopcional
Tiponumber
Predefinição7
0 – 25
Intensidade de orientação sem classificador, para a qual se recomenda inicialmente aproximadamente 7.0 nos checkpoints base; aumentá-la faz com que a geração adira mais estreitamente ao prompt.
seedopcional
Tipointeger | null
Seed do gerador aleatório para resultados reproduzíveis; omiti-la seleciona uma seed aleatória.
enable_prompt_expansionopcional
Tipoboolean
Predefiniçãofalse
Expansão do prompt com um LLM quando ativada, adicionando detalhes e melhorando a qualidade do resultado.
enable_safety_checkeropcional
Tipoboolean
Predefiniçãotrue
Verificação de segurança para conteúdo NSFW.
output_formatopcional
Tipoenum
Predefiniçãomp3
mp3wavflacoggopusm4aaac
Formato do contentor usado para o áudio resultante.
bitrateopcional
Tipostring
Predefinição192k
Taxa de bits do áudio de saída, ignorada ao usar wav ou flac por serem formatos sem perdas. Para formatos comprimidos como mp3, aac ou opus, forneça um valor no formato '192k' ou '320k'.
promptobrigatório
Tipostring
Texto que especifica o conteúdo de áudio pretendido.
obrigatório

Resultado

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"
  }
}
Os seus ficheiros, a sua escolhaCada outputs[].url é uma cópia no nosso armazenamento: guardada para sempre (paga por GB-mês) ou durante 7 dias gratuitamente, conforme a definição da sua conta ou ?storage=.
A mesma estrutura em todos os modelostype, url, content_type, width, height e duration, tanto para imagens como para vídeo e áudio. output é o próprio objeto de resultado do modelo.
Campos do resultado
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 utilizado para gerar a saída.

Mais modelos: Áudio

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