உள்ளடக்கத்திற்குச் செல்க

Stable Audio 3 Medium Base Audio to Audio

ஒருங்கிணை

மாடல் id stable-audio-3/medium/base/audio-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/audio-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",
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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"

இந்தக் கோரிக்கை: $0.053 53 API கிரெடிட்கள் · ≈ ₽5.70 இந்தப் பக்கத்தில் இயக்குங்கள்

API விசையைப் பெறுக
Stability AI ஆடியோ 1–380 s #music#style-transfer#remix

அடிப்படைச் சேமிப்புப் புள்ளி Medium ஆடியோ-டு-ஆடியோ ரீமிக்ஸ்: `prompt` மூலம் மூலக் கிளிப்பை மாற்றியமைக்கிறது, 380 வினாடிகள் வரை

Stability AI · ஆடியோ

உங்கள் முதல் முடிவு இங்கே வரும்

கீழே ஒரு கோரிக்கையை உருவாக்கி, உங்கள் API விசையுடன் இயக்குங்கள். வெளியீடுகள் எங்கள் சேமிப்பகத்தில் நகலெடுக்கப்பட்டு, நிரந்தரமாக அல்லது இலவசமாக 7 நாட்கள் வைக்கப்படும்.

கோரிக்கையை உருவாக்கு

மாடல் ஸ்கீமாவிலிருந்து கட்டுப்பாடுகள் உருவாக்கப்படுகின்றன. அவற்றை மாற்றும்போது குறியீடும் விலையும் புதுப்பிக்கப்படும்.

•தேவை

மூல ஆடியோவில் செய்ய வேண்டிய மாற்றத்தை விவரிக்கும் உரை வழிமுறைகள்.

•தேவை audio_url
கோப்பை விடுங்கள் அல்லது

மாற்றத்திற்கான உள்ளீட்டு ஆடியோ.

இயல்புநிலை 30

ஆடியோ நீளம் வினாடிகளில்; medium மாதிரியின் அதிகபட்சம் 380 வினாடிகள் (சுமார் 6 நிமிடங்கள் 20 வினாடிகள்).

மேம்பட்டவை negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · init_noise_level · seed · enable_prompt_expansion · enable_safety_checker
இயல்புநிலை

வெளியீட்டில் விரும்பப்படாத பண்புகளைக் குறிப்பிடும் உரை.

output_format இயல்புநிலை mp3

விளைவாக வரும் ஆடியோவுக்குப் பயன்படுத்தப்படும் container வடிவம்.

இயல்புநிலை 192k

வெளியீட்டு ஆடியோ bitrate; wav அல்லது flac lossless என்பதால் அவற்றைப் பயன்படுத்தும்போது புறக்கணிக்கப்படும். mp3, aac அல்லது opus போன்ற சுருக்கப்பட்ட வடிவங்களுக்கு '192k' அல்லது '320k' வடிவில் மதிப்பை வழங்கவும்.

இயல்புநிலை 50

இயக்க வேண்டிய sampling படிகளின் எண்ணிக்கையைத் தேர்ந்தெடுக்கவும்; base (non-distilled) checkpoints-ஐப் பயன்படுத்தும்போது நல்ல தரத்திற்கு சுமார் 50 படிகள் போதுமானவை.

இயல்புநிலை 7

Classifier-free guidance வலிமை; base checkpoints-ல் தொடக்கத்தில் சுமார் 7.0 பரிந்துரைக்கப்படுகிறது. இதை உயர்த்தினால் உருவாக்கம் ப்ராம்ப்ட்டை இன்னும் நெருக்கமாகப் பின்பற்றும்.

இயல்புநிலை 0.9

மூல ஆடியோவின் noise அளவு: 0.1 உள்ளீட்டுடன் நெருங்கிய ஒற்றுமையைத் தக்கவைக்கும்; 0.5 இடைநிலை; 1.0 மூலத்தை முழுமையாக noise-ஆக மாற்றி தூய உருவாக்கத்தை வழங்கும்.

மீண்டும் உருவாக்கக்கூடிய முடிவுகளுக்கான சீரற்ற generator விதை; இதை விடுபட்டால் சீரற்ற விதை தேர்ந்தெடுக்கப்படும்.

POST /run/stable-audio-3/medium/base/audio-to-audio?wait=20 விலை → $0.053
# 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/audio-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",
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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"

இந்தக் கோரிக்கையை இயக்கு

உங்கள் key இந்த உலாவியில் மட்டுமே இருக்கும்: அது Doitong API-க்கு மட்டும் அனுப்பப்படும்; Remember-ஐத் தேர்ந்தெடுத்தால் மட்டுமே (localStorage)-ல் சேமிக்கப்படும். API விசையைப் பெறுங்கள்

Stable Audio 3 Medium Base Audio to Audio பற்றி

`audio_url` மூலம் மூலக் கிளிப்பையும், உரை `prompt` ஐயும் பெற்று மாற்றியமைக்கப்பட்ட பதிப்பை உருவாக்குகிறது. `init_noise_level` (0 முதல் 1 வரை) முடிவு உள்ளீட்டுடன் எவ்வளவு நெருக்கமாகப் பின்பற்ற வேண்டும் என்பதை அமைக்கிறது; `duration` 1 முதல் 380 வினாடிகள் வரை ஏற்கிறது. இது வடிகட்டப்படாத சேமிப்புப் புள்ளி என்பதால், இயல்புநிலைகள் 50 மாதிரியாக்கப் படிகளும் வழிகாட்டல் அளவு 7-ம் ஆகும். வெளியீடு mp3, wav, flac, ogg, opus, m4a அல்லது aac ஆக இருக்கலாம்.

அளவுருக்கள்

நியமப் பெயர் அல்லது நேட்டிவ் பெயர் இரண்டில் ஒன்றை மட்டும் அனுப்பவும். நியமப் பெயர்கள்

பெயர்வகை இயல்புநிலைஅனுமதிக்கப்பட்டது விளக்கம்
negative_promptவிருப்பத்தேர்வு
வகைstring
இயல்புநிலை
வெளியீட்டில் விரும்பப்படாத பண்புகளைக் குறிப்பிடும் உரை.
durationவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை30
1 – 380
ஆடியோ நீளம் வினாடிகளில்; medium மாதிரியின் அதிகபட்சம் 380 வினாடிகள் (சுமார் 6 நிமிடங்கள் 20 வினாடிகள்).
num_inference_stepsவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை50
1 – 100
இயக்க வேண்டிய sampling படிகளின் எண்ணிக்கையைத் தேர்ந்தெடுக்கவும்; base (non-distilled) checkpoints-ஐப் பயன்படுத்தும்போது நல்ல தரத்திற்கு சுமார் 50 படிகள் போதுமானவை.
guidance_scaleவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை7
0 – 25
Classifier-free guidance வலிமை; base checkpoints-ல் தொடக்கத்தில் சுமார் 7.0 பரிந்துரைக்கப்படுகிறது. இதை உயர்த்தினால் உருவாக்கம் ப்ராம்ப்ட்டை இன்னும் நெருக்கமாகப் பின்பற்றும்.
seedவிருப்பத்தேர்வு
வகைinteger | null
மீண்டும் உருவாக்கக்கூடிய முடிவுகளுக்கான சீரற்ற generator விதை; இதை விடுபட்டால் சீரற்ற விதை தேர்ந்தெடுக்கப்படும்.
enable_prompt_expansionவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைfalse
இயக்கப்பட்டால் LLM-ஐப் பயன்படுத்தி ப்ராம்ப்ட் விரிவாக்கப்படும்; இது விவரங்களைச் சேர்த்து முடிவுத் தரத்தை மேம்படுத்தும்.
enable_safety_checkerவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைtrue
NSFW உள்ளடக்கத்திற்கான பாதுகாப்புச் சரிபார்ப்பு.
output_formatவிருப்பத்தேர்வு
வகைenum
இயல்புநிலைmp3
mp3wavflacoggopusm4aaac
விளைவாக வரும் ஆடியோவுக்குப் பயன்படுத்தப்படும் container வடிவம்.
bitrateவிருப்பத்தேர்வு
வகைstring
இயல்புநிலை192k
வெளியீட்டு ஆடியோ bitrate; wav அல்லது flac lossless என்பதால் அவற்றைப் பயன்படுத்தும்போது புறக்கணிக்கப்படும். mp3, aac அல்லது opus போன்ற சுருக்கப்பட்ட வடிவங்களுக்கு '192k' அல்லது '320k' வடிவில் மதிப்பை வழங்கவும்.
promptதேவை
வகைstring
மூல ஆடியோவில் செய்ய வேண்டிய மாற்றத்தை விவரிக்கும் உரை வழிமுறைகள்.
audio_urlதேவை audio
வகைurl · audio
மாற்றத்திற்கான உள்ளீட்டு ஆடியோ.
init_noise_levelவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை0.9
0 – 1
மூல ஆடியோவின் noise அளவு: 0.1 உள்ளீட்டுடன் நெருங்கிய ஒற்றுமையைத் தக்கவைக்கும்; 0.5 இடைநிலை; 1.0 மூலத்தை முழுமையாக noise-ஆக மாற்றி தூய உருவாக்கத்தை வழங்கும்.
தேவை நியமப் பெயர், இதுவும் ஏற்கப்படும்

கோப்பு அளவுருக்கள் பொதுவான https:// URL, 10 MB வரையிலான data: URI அல்லது பதிவேற்றத்தின் file_url-ஐ ஏற்கும். கோப்புகள்

வெளியீடு

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "stable-audio-3/medium/base/audio-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": 53,
    "usd": "0.053",
    "charged": 53,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "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"
  }
}
உங்கள் கோப்புகள், உங்கள் தேர்வுஒவ்வொரு outputs[].url-ம் எங்கள் சேமிப்பகத்தில் உள்ள ஒரு நகல்: நிரந்தரமாக (GB-மாதத்திற்கு கட்டணம்) அல்லது உங்கள் கணக்கு அமைப்பு அல்லது ?storage= மூலம் இலவசமாக 7 நாட்கள் வைக்கப்படும்.
ஒவ்வொரு மாடலிலும் ஒரே வடிவம்படங்கள், வீடியோ மற்றும் ஆடியோ ஆகிய அனைத்திற்குமான type, url, content_type, width, height மற்றும் duration. output என்பது மாதிரியின் சொந்த முடிவு பொருளாகும்.
வெளியீட்டின் புலங்கள்
audio
object {url, content_type, file_name, file_size}உருவாக்கத்தால் உருவாக்கப்பட்ட ஆடியோ கிளிப்.
seed
integerஉருவாக்கத்தின் போது சீரற்ற தன்மையைக் கட்டுப்படுத்திய விதை.
prompt
stringவெளியீட்டை உருவாக்கப் பயன்படுத்தப்பட்ட ப்ராம்ப்ட்.

மேலும் மாதிரிகள்: ஆடியோ

AI ஏஜெண்டுகளுக்கு: இந்தப் பக்கம் Markdown வடிவில் இங்கே உள்ளது https://doitong.com/ta/developers/models/stable-audio-3/medium/base/audio-to-audio.md. அனைத்து மாடல்களும் வழிகாட்டிகளும்: https://doitong.com/developers/llms.txt