Hoppa till innehåll

Stable Audio 3 Medium Base Text to Audio

Integrera

Modell-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"

Den här begäran: 0,048 $ 48 API-krediter · ≈ 5,16 ₽ Kör den på den här sidan

Hämta API-nyckel
Stability AI Ljud 1–380 s #music#audio#stereo

Text-till-ljud med Medium och baskontrollpunkt för finjusteringsarbetsflöden, klipp på upp till 380 sekunder

Stability AI · Ljud

Ditt första resultat visas här

Skapa en begäran nedan och kör den med din API-nyckel. Utdata kopieras till vår lagring och sparas för alltid eller 7 dagar kostnadsfritt.

Skapa en begäran

Kontrollerna genereras från modellschemat. Koden och priset uppdateras när du ändrar dem.

•obligatoriskt

Text som anger önskat ljudinnehåll.

standard 30

Ljudlängd i sekunder, med en maximal längd på 380 sekunder för medium-modellen (cirka 6 minuter 20 sekunder).

Avancerat negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · seed · enable_prompt_expansion · enable_safety_checker
standard

Text som anger oönskade egenskaper i utdata.

output_format standard mp3

Containerformat som används för det resulterande ljudet.

standard 192k

Utdata-ljudets bithastighet, ignoreras vid wav eller flac eftersom de är förlustfria. För komprimerade format som mp3, aac eller opus anger du ett värde i formen '192k' eller '320k'.

standard 50

Välj hur många samplingssteg som ska köras; cirka 50 ger god kvalitet vid användning av baskontrollpunkter (icke-destillerade).

standard 7

Klassificerarfri vägledningsstyrka, där cirka 7.0 initialt rekommenderas för baskontrollpunkter; en höjning gör att genereringen följer prompten närmare.

Slumpgeneratorns frö för upprepningsbara resultat; om det utelämnas väljs ett slumpmässigt frö.

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

Kör den här begäran

Din nyckel stannar i den här webbläsaren: den skickas endast till Doitong API och sparas endast i localStorage om du markerar Kom ihåg. Hämta en API-nyckel

Om Stable Audio 3 Medium Base Text to Audio

Genererar ljud från en text-`prompt`, med en valfri `negative_prompt` för att styra bort från oönskade egenskaper. `duration` sträcker sig från 1 till 380 sekunder. Eftersom detta är den icke-destillerade baskontrollpunkten är standardvärdena 50 samplingsteg och en vägledningsskala på 7, och vägledning upp till 25 accepteras. Utdataformat omfattar mp3, wav, flac, ogg, opus, m4a och aac.

Parametrar

NamnTyp StandardTillåtna Beskrivning
negative_promptvalfritt
Typstring
Standard
Text som anger oönskade egenskaper i utdata.
durationvalfritt
Typnumber
Standard30
1 – 380
Ljudlängd i sekunder, med en maximal längd på 380 sekunder för medium-modellen (cirka 6 minuter 20 sekunder).
num_inference_stepsvalfritt
Typinteger
Standard50
1 – 100
Välj hur många samplingssteg som ska köras; cirka 50 ger god kvalitet vid användning av baskontrollpunkter (icke-destillerade).
guidance_scalevalfritt
Typnumber
Standard7
0 – 25
Klassificerarfri vägledningsstyrka, där cirka 7.0 initialt rekommenderas för baskontrollpunkter; en höjning gör att genereringen följer prompten närmare.
seedvalfritt
Typinteger | null
Slumpgeneratorns frö för upprepningsbara resultat; om det utelämnas väljs ett slumpmässigt frö.
enable_prompt_expansionvalfritt
Typboolean
Standardfalse
Promptutökning med en LLM när den är aktiverad, vilket lägger till detaljer och förbättrar resultatkvaliteten.
enable_safety_checkervalfritt
Typboolean
Standardtrue
Säkerhetskontroll av NSFW-innehåll.
output_formatvalfritt
Typenum
Standardmp3
mp3wavflacoggopusm4aaac
Containerformat som används för det resulterande ljudet.
bitratevalfritt
Typstring
Standard192k
Utdata-ljudets bithastighet, ignoreras vid wav eller flac eftersom de är förlustfria. För komprimerade format som mp3, aac eller opus anger du ett värde i formen '192k' eller '320k'.
promptobligatoriskt
Typstring
Text som anger önskat ljudinnehåll.
obligatoriskt

Resultat

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"
  }
}
Dina filer, ditt valVarje outputs[].url är en kopia i vår lagring: sparad för alltid (debiteras per GB-månad) eller 7 dagar kostnadsfritt, enligt din kontoinställning eller ?storage=.
Samma struktur för varje modelltype, url, content_type, width, height och duration, för bilder, video och ljud. output är modellens eget resultatobjekt.
Resultatets fält
audio
object {url, content_type, file_name, file_size}Ljudklipp som producerats genom generering.
seed
integerStartvärde som styrde slumpmässigheten under genereringen.
prompt
stringPrompten som användes för att generera utdata.

Fler modeller: Ljud

För AI-agenter: den här sidan som Markdown finns på https://doitong.com/sv/developers/models/stable-audio-3/medium/base/text-to-audio.md. Alla modeller och guider: https://doitong.com/developers/llms.txt