Zum Inhalt springen

Stable Audio 3 Medium Base Text to Audio

Integrieren

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.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"

Diese Anfrage: 0,048 $ 48 API-Credits Auf dieser Seite ausführen

API-Schlüssel abrufen
Stability AI Audio 1–380 s #music#audio#stereo

Text-zu-Audio von Medium auf Basis eines Checkpoints für Fine-Tuning-Workflows, Clips mit bis zu 380 Sekunden

Stability AI · Audio

Dein erstes Ergebnis erscheint hier

Erstelle unten eine Anfrage und führe sie mit deinem API-Schlüssel aus. Ausgaben werden in unseren Speicher kopiert und dauerhaft oder 7 Tage kostenlos aufbewahrt.

Anfrage erstellen

Die Steuerelemente werden aus dem Modellschema generiert. Code und Preis werden aktualisiert, während du sie änderst.

•erforderlich

Text mit dem gewünschten Audioinhalt.

Standard 30

Audiolänge in Sekunden, mit einem Maximum von 380 Sekunden beim mittleren Modell (etwa 6 Minuten 20 Sekunden).

Erweitert negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · seed · enable_prompt_expansion · enable_safety_checker
Standard

Text mit unerwünschten Eigenschaften der Ausgabe.

output_format Standard mp3

Containerformat der resultierenden Audioausgabe.

Standard 192k

Bitrate der Audioausgabe, bei wav oder flac ignoriert, da diese verlustfrei sind. Für komprimierte Formate wie mp3, aac oder opus geben Sie einen Wert im Format '192k' oder '320k' an.

Standard 50

Wählen Sie die Anzahl der Sampling-Schritte; bei Verwendung von Basis-Checkpoints (nicht destilliert) ermöglichen etwa 50 Schritte eine gute Qualität.

Standard 7

Klassifikatorfreie Guidance-Stärke, für die auf Basis-Checkpoints zunächst etwa 7.0 empfohlen wird; ein höherer Wert richtet die Generierung stärker am Prompt aus.

Zufälliger Generator-Seed für reproduzierbare Ergebnisse; ohne Angabe wird ein zufälliger Seed gewählt.

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

Diese Anfrage ausführen

Dein Schlüssel bleibt in diesem Browser: Er wird nur an die Doitong API gesendet und nur gespeichert (localStorage), wenn du „Merken“ aktivierst. API-Schlüssel abrufen

Über Stable Audio 3 Medium Base Text to Audio

Erzeugt Audio aus einem Text-`prompt`, optional mit `negative_prompt`, um unerwünschte Eigenschaften zu vermeiden. `duration` reicht von 1 bis 380 Sekunden. Als nicht destillierter Basis-Checkpoint verwendet das Modell standardmäßig 50 Sampling-Schritte und eine Guidance-Skala von 7; Guidance bis 25 wird akzeptiert. Ausgabeformate sind mp3, wav, flac, ogg, opus, m4a und aac.

Parameter

NameTyp StandardZulässig Beschreibung
negative_promptoptional
Typstring
Standard
Text mit unerwünschten Eigenschaften der Ausgabe.
durationoptional
Typnumber
Standard30
1 – 380
Audiolänge in Sekunden, mit einem Maximum von 380 Sekunden beim mittleren Modell (etwa 6 Minuten 20 Sekunden).
num_inference_stepsoptional
Typinteger
Standard50
1 – 100
Wählen Sie die Anzahl der Sampling-Schritte; bei Verwendung von Basis-Checkpoints (nicht destilliert) ermöglichen etwa 50 Schritte eine gute Qualität.
guidance_scaleoptional
Typnumber
Standard7
0 – 25
Klassifikatorfreie Guidance-Stärke, für die auf Basis-Checkpoints zunächst etwa 7.0 empfohlen wird; ein höherer Wert richtet die Generierung stärker am Prompt aus.
seedoptional
Typinteger | null
Zufälliger Generator-Seed für reproduzierbare Ergebnisse; ohne Angabe wird ein zufälliger Seed gewählt.
enable_prompt_expansionoptional
Typboolean
Standardfalse
Prompt-Erweiterung mit einem LLM, sofern aktiviert; fügt Details hinzu und verbessert die Ergebnisqualität.
enable_safety_checkeroptional
Typboolean
Standardtrue
Sicherheitsprüfung auf NSFW-Inhalte.
output_formatoptional
Typenum
Standardmp3
mp3wavflacoggopusm4aaac
Containerformat der resultierenden Audioausgabe.
bitrateoptional
Typstring
Standard192k
Bitrate der Audioausgabe, bei wav oder flac ignoriert, da diese verlustfrei sind. Für komprimierte Formate wie mp3, aac oder opus geben Sie einen Wert im Format '192k' oder '320k' an.
prompterforderlich
Typstring
Text mit dem gewünschten Audioinhalt.
erforderlich

Ausgabe

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"
  }
}
Deine Dateien, deine EntscheidungJede outputs[].url ist eine Kopie in unserem Speicher: dauerhaft aufbewahrt (Abrechnung pro GB-Monat) oder 7 Tage kostenlos – je nach Kontoeinstellung oder ?storage=.
Gleiche Struktur bei jedem Modelltype, url, content_type, width, height und duration – für Bilder, Video und Audio gleichermaßen. output ist das Ergebnisobjekt des Modells.
Ausgabefelder
audio
object {url, content_type, file_name, file_size}Durch Generierung erzeugter Audioclip.
seed
integerSeed, der die Zufälligkeit während der Generierung steuert.
prompt
stringZur Generierung der Ausgabe verwendeter Prompt.

Weitere Modelle: Audio

Für KI-Agenten: Diese Seite ist als Markdown verfügbar unter https://doitong.com/de/developers/models/stable-audio-3/medium/base/text-to-audio.md. Alle Modelle und Anleitungen: https://doitong.com/developers/llms.txt