Přejít na obsah

Stable Audio 3 Medium Base Text to Audio

Integrace

ID modelu 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.com/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.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Tento požadavek: 0,048 $ 48 kreditů API Spustit na této stránce

Získat API klíč
Stability AI Zvuk 1–380 s #music#audio#stereo

Převod textu na zvuk pro Medium se základním checkpointem a pracovními postupy doladění, klipy až 380 sekund

Stability AI · Zvuk

Zde se zobrazí váš první výsledek

Níže sestavte požadavek a spusťte ho pomocí svého API klíče. Výstupy se kopírují do našeho úložiště a uchovávají se navždy nebo 7 dne zdarma.

Sestavit požadavek

Ovládací prvky se generují ze schématu modelu. Kód a cena se aktualizují podle provedených změn.

•povinné

Text určující požadovaný obsah zvuku.

výchozí 30

Délka zvuku v sekundách, s maximem modelu medium 380 sekund (přibližně 6 minut 20 sekund).

Pokročilé negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · seed · enable_prompt_expansion · enable_safety_checker
výchozí

Text určující nežádoucí vlastnosti výstupu.

output_format výchozí mp3

Kontejnerový formát výsledného zvuku.

výchozí 192k

Bitový tok výstupního zvuku, který se ignoruje při použití wav nebo flac, protože jsou bezztrátové. U komprimovaných formátů, jako jsou mp3, aac nebo opus, zadejte hodnotu ve tvaru '192k' nebo '320k'.

výchozí 50

Zvolte počet kroků vzorkování; při použití základních (nedestilovaných) checkpointů se pro dobrou kvalitu doporučuje přibližně 50.

výchozí 7

Síla classifier-free guidance, pro kterou se u základních checkpointů zpočátku doporučuje přibližně 7.0; zvýšení způsobí těsnější dodržení promptu při generování.

Seed náhodného generátoru pro opakovatelné výsledky; při vynechání se vybere náhodný seed.

POST /run/stable-audio-3/medium/base/text-to-audio?wait=20 cena → 0,048 $
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/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.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Spustit tento požadavek

Váš klíč zůstává v tomto prohlížeči: odesílá se pouze do Doitong API a uloží se do localStorage jen tehdy, když zaškrtnete možnost Zapamatovat. Získat klíč API

O modelu Stable Audio 3 Medium Base Text to Audio

Generuje zvuk z textového `prompt` s volitelným `negative_prompt`, který odvede výsledek od nežádoucích vlastností. `duration` je v rozsahu 1 až 380 sekund. Jako nedestilovaný základní checkpoint má ve výchozím nastavení 50 vzorkovacích kroků a guidance scale 7; přijímá guidance až do 25. Výstupní formáty zahrnují mp3, wav, flac, ogg, opus, m4a a aac.

Parametry

NázevTyp VýchozíPovolené Popis
negative_promptvolitelné
Typstring
Výchozí
Text určující nežádoucí vlastnosti výstupu.
durationvolitelné
Typnumber
Výchozí30
1 – 380
Délka zvuku v sekundách, s maximem modelu medium 380 sekund (přibližně 6 minut 20 sekund).
num_inference_stepsvolitelné
Typinteger
Výchozí50
1 – 100
Zvolte počet kroků vzorkování; při použití základních (nedestilovaných) checkpointů se pro dobrou kvalitu doporučuje přibližně 50.
guidance_scalevolitelné
Typnumber
Výchozí7
0 – 25
Síla classifier-free guidance, pro kterou se u základních checkpointů zpočátku doporučuje přibližně 7.0; zvýšení způsobí těsnější dodržení promptu při generování.
seedvolitelné
Typinteger | null
Seed náhodného generátoru pro opakovatelné výsledky; při vynechání se vybere náhodný seed.
enable_prompt_expansionvolitelné
Typboolean
Výchozífalse
Rozšíření promptu pomocí LLM, které po zapnutí přidá podrobnosti a zlepší kvalitu výsledku.
enable_safety_checkervolitelné
Typboolean
Výchozítrue
Kontrola bezpečnosti obsahu NSFW.
output_formatvolitelné
Typenum
Výchozímp3
mp3wavflacoggopusm4aaac
Kontejnerový formát výsledného zvuku.
bitratevolitelné
Typstring
Výchozí192k
Bitový tok výstupního zvuku, který se ignoruje při použití wav nebo flac, protože jsou bezztrátové. U komprimovaných formátů, jako jsou mp3, aac nebo opus, zadejte hodnotu ve tvaru '192k' nebo '320k'.
promptpovinné
Typstring
Text určující požadovaný obsah zvuku.
povinné

Výstup

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.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Vaše soubory, vaše volbaKaždý outputs[].url je kopie v našem úložišti: uchovávaná navždy (zpoplatněná za GB-měsíc) nebo 7 dne zdarma podle nastavení účtu nebo ?storage=.
Stejná struktura u každého modelutype, url, content_type, width, height a duration pro obrázky, video i zvuk. output je vlastní objekt výsledku modelu.
Pole výstupu
audio
object {url, content_type, file_name, file_size}Zvukový klip vytvořený generováním.
seed
integerSeed řídící náhodnost během generování.
prompt
stringPrompt použitý k vygenerování výstupu.

Další modely: Zvuk

Pro AI agenty: tato stránka je ve formátu Markdown na adrese https://doitong.com/cs/developers/models/stable-audio-3/medium/base/text-to-audio.md. Všechny modely a návody: https://doitong.com/developers/llms.txt