Gå til indhold

Stable Audio 3 Medium Base Text to Audio

Integrer

Model-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.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"

Denne anmodning: 0,048 $ 48 API-kreditter Kør den på denne side

Hent API-nøgle
Stability AI Lyd 1–380 s #music#audio#stereo

Tekst-til-lyd med Medium-grund-checkpoint til finjusteringsworkflows, klip på op til 380 sekunder

Stability AI · Lyd

Dit første resultat kommer her

Opret en anmodning nedenfor, og kør den med din API-nøgle. Output kopieres til vores lagring, gemt for altid eller 7 dage gratis.

Opret en anmodning

Kontrollerne genereres fra modellens skema. Koden og prisen opdateres, når du ændrer dem.

•påkrævet

Tekst, der angiver det ønskede lydindhold.

standard 30

Længde på lyden i sekunder, med en maksimumværdi på 380 sekunder for medium-modellen (ca. 6 minutter og 20 sekunder).

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

Tekst, der angiver uønskede egenskaber i outputtet.

output_format standard mp3

Containerformat, der bruges til den resulterende lyd.

standard 192k

Bitrate for outputlyden, ignoreres ved brug af wav eller flac, fordi de er tabsfri. For komprimerede formater som mp3, aac eller opus skal du angive en værdi i formen '192k' eller '320k'.

standard 50

Vælg, hvor mange samplingtrin der skal køres; ca. 50 giver god kvalitet ved brug af basiskontrolpunkter (ikke-destillerede).

standard 7

Classifier-free guidance-styrke, hvor ca. 7.0 anbefales til at begynde med på basiskontrolpunkter; en højere værdi får genereringen til at følge prompten tættere.

Tilfældig generators seed til gentagelige resultater; hvis den udelades, vælges en tilfældig seed.

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.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"

Kør denne anmodning

Din nøgle forbliver i denne browser: Den sendes kun til Doitong API og gemmes kun i localStorage, hvis du markerer Husk. Hent en API-nøgle

Om Stable Audio 3 Medium Base Text to Audio

Genererer lyd fra en tekstbaseret `prompt` med en valgfri `negative_prompt` til at styre uden om uønskede egenskaber. `duration` går fra 1 til 380 sekunder. Som ikke-destilleret grund-checkpoint bruger den som standard 50 samplingstrin og en guidance scale på 7, og guidance op til 25 accepteres. Outputformater omfatter mp3, wav, flac, ogg, opus, m4a og aac.

Parametre

NavnType StandardTilladt Beskrivelse
negative_promptvalgfri
Typestring
Standard
Tekst, der angiver uønskede egenskaber i outputtet.
durationvalgfri
Typenumber
Standard30
1 – 380
Længde på lyden i sekunder, med en maksimumværdi på 380 sekunder for medium-modellen (ca. 6 minutter og 20 sekunder).
num_inference_stepsvalgfri
Typeinteger
Standard50
1 – 100
Vælg, hvor mange samplingtrin der skal køres; ca. 50 giver god kvalitet ved brug af basiskontrolpunkter (ikke-destillerede).
guidance_scalevalgfri
Typenumber
Standard7
0 – 25
Classifier-free guidance-styrke, hvor ca. 7.0 anbefales til at begynde med på basiskontrolpunkter; en højere værdi får genereringen til at følge prompten tættere.
seedvalgfri
Typeinteger | null
Tilfældig generators seed til gentagelige resultater; hvis den udelades, vælges en tilfældig seed.
enable_prompt_expansionvalgfri
Typeboolean
Standardfalse
Promptudvidelse med en LLM, når den er aktiveret, som tilføjer detaljer og forbedrer resultatkvaliteten.
enable_safety_checkervalgfri
Typeboolean
Standardtrue
Sikkerhedskontrol for NSFW-indhold.
output_formatvalgfri
Typeenum
Standardmp3
mp3wavflacoggopusm4aaac
Containerformat, der bruges til den resulterende lyd.
bitratevalgfri
Typestring
Standard192k
Bitrate for outputlyden, ignoreres ved brug af wav eller flac, fordi de er tabsfri. For komprimerede formater som mp3, aac eller opus skal du angive en værdi i formen '192k' eller '320k'.
promptpåkrævet
Typestring
Tekst, der angiver det ønskede lydindhold.
påkrævet

Output

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"
  }
}
Dine filer, dit valgHver outputs[].url er en kopi på vores lagring: gemt for altid (betales pr. GB-måned) eller 7 dage gratis, afhængigt af din kontoindstilling eller ?storage=.
Samme struktur for alle modellertype, url, content_type, width, height og duration for billeder, video og lyd. output er modellens eget resultatobjekt.
Outputfelter
audio
object {url, content_type, file_name, file_size}Lydklip produceret ved generering.
seed
integerSeed, der styrede tilfældigheden under genereringen.
prompt
stringPrompten, der blev brugt til at generere outputtet.

Flere modeller: Lyd

Til AI-agenter: Denne side som Markdown findes på https://doitong.com/da/developers/models/stable-audio-3/medium/base/text-to-audio.md. Alle modeller og vejledninger: https://doitong.com/developers/llms.txt