Aqbeż għall-kontenut

Stable Audio 3 Medium Base Text to Audio

Integra

Id tal-mudell 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"

Din it-talba: $0.048 48 krediti tal-API Ħaddmu f’din il-paġna

Ikseb ċavetta API
Stability AI Awdjo 1–380 s #music#audio#stereo

Text-to-audio ta’ Medium b’checkpoint bażi għal flussi ta’ rfinar, klipps sa 380 sekonda

Stability AI · Awdjo

L-ewwel riżultat tiegħek jidher hawn

Ibni talba hawn taħt u ħaddimha biċ-ċavetta API tiegħek. L-outputs jiġu kkupjati fil-ħażna tagħna, miżmuma għal dejjem jew 7 ijiem b’xejn.

Ibni talba

Il-kontrolli jiġu ġġenerati mill-iskema tal-mudell. Il-kodiċi u l-prezz jaġġornaw hekk kif tibdilhom.

•meħtieġ

Test li jispeċifika l-kontenut tal-awdjo mixtieq.

prestabbilit 30

Tul tal-awdjo f’sekondi, b’massimu ta’ 380 sekonda għall-mudell medium (madwar 6 minuti 20 sekonda).

Avvanzat negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · seed · enable_prompt_expansion · enable_safety_checker
prestabbilit

Test li jispeċifika kwalitajiet mhux mixtieqa fl-output.

output_format prestabbilit mp3

Format tal-kontenitur użat għall-awdjo li jirriżulta.

prestabbilit 192k

Bitrate tal-awdjo tal-output, injorat meta jintuża wav jew flac għax huma lossless. Għal formati kkompressati bħal mp3, aac jew opus, ipprovdi valur fil-forma '192k' jew '320k'.

prestabbilit 50

Agħżel kemm għandhom jitħaddmu passi tat-teħid tal-kampjuni; madwar 50 jagħtu kwalità tajba meta jintużaw checkpoints bażi (mhux distilled).

prestabbilit 7

Qawwa tal-gwida mingħajr klassifikatur, li għaliha madwar 7.0 huwa rakkomandat inizjalment fuq checkpoints bażi; iż-żieda tagħha tagħmel il-ġenerazzjoni tikkonforma aktar mill-qrib mal-prompt.

Seed tal-ġeneratur każwali għal riżultati ripetibbli; jekk jitħalla barra jintgħażel seed każwali.

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

Ħaddem din it-talba

Iċ-ċavetta tiegħek tibqa’ f’dan il-browser: tintbagħat biss lid-Doitong API u tiġi ssejvjata (localStorage) biss jekk timmarka Ftakar. Ikseb ċavetta API

Dwar Stable Audio 3 Medium Base Text to Audio

Jiġġenera awdjo minn `prompt` tat-test, bi `negative_prompt` fakultattiv biex jitbiegħed minn kwalitajiet mhux mixtieqa. `duration` ivarja minn 1 sa 380 sekonda. Bħala l-checkpoint bażiku mhux distillat, juża prestabbilitament 50 pass ta’ sampling u skala tal-gwida ta’ 7, u jaċċetta gwida sa 25. Il-formati tal-output jinkludu mp3, wav, flac, ogg, opus, m4a u aac.

Parametri

IsemTip PrestabbilitPermess Deskrizzjoni
negative_promptmhux obbligatorju
Tipstring
Prestabbilit
Test li jispeċifika kwalitajiet mhux mixtieqa fl-output.
durationmhux obbligatorju
Tipnumber
Prestabbilit30
1 – 380
Tul tal-awdjo f’sekondi, b’massimu ta’ 380 sekonda għall-mudell medium (madwar 6 minuti 20 sekonda).
num_inference_stepsmhux obbligatorju
Tipinteger
Prestabbilit50
1 – 100
Agħżel kemm għandhom jitħaddmu passi tat-teħid tal-kampjuni; madwar 50 jagħtu kwalità tajba meta jintużaw checkpoints bażi (mhux distilled).
guidance_scalemhux obbligatorju
Tipnumber
Prestabbilit7
0 – 25
Qawwa tal-gwida mingħajr klassifikatur, li għaliha madwar 7.0 huwa rakkomandat inizjalment fuq checkpoints bażi; iż-żieda tagħha tagħmel il-ġenerazzjoni tikkonforma aktar mill-qrib mal-prompt.
seedmhux obbligatorju
Tipinteger | null
Seed tal-ġeneratur każwali għal riżultati ripetibbli; jekk jitħalla barra jintgħażel seed każwali.
enable_prompt_expansionmhux obbligatorju
Tipboolean
Prestabbilitfalse
Espansjoni tal-prompt bl-użu ta’ LLM meta tkun attivata, li żżid id-dettall u ttejjeb il-kwalità tar-riżultat.
enable_safety_checkermhux obbligatorju
Tipboolean
Prestabbilittrue
Verifika tas-sikurezza għal kontenut NSFW.
output_formatmhux obbligatorju
Tipenum
Prestabbilitmp3
mp3wavflacoggopusm4aaac
Format tal-kontenitur użat għall-awdjo li jirriżulta.
bitratemhux obbligatorju
Tipstring
Prestabbilit192k
Bitrate tal-awdjo tal-output, injorat meta jintuża wav jew flac għax huma lossless. Għal formati kkompressati bħal mp3, aac jew opus, ipprovdi valur fil-forma '192k' jew '320k'.
promptmeħtieġ
Tipstring
Test li jispeċifika l-kontenut tal-awdjo mixtieq.
meħtieġ

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"
  }
}
Il-fajls tiegħek, l-għażla tiegħekKull outputs[].url huwa kopja fil-ħażna tagħna: miżmuma għal dejjem (imħallsa għal kull GB-xahar) jew 7 ijiem b’xejn, skont l-issettjar tal-kont tiegħek jew ?storage=.
L-istess struttura fuq kull mudelltype, url, content_type, width, height u duration, kemm għall-immaġnijiet kif ukoll għall-vidjo u l-awdjo. output huwa l-oġġett tar-riżultat tal-mudell innifsu.
Oqsma tal-output
audio
object {url, content_type, file_name, file_size}Klipp tal-awdjo prodott mill-ġenerazzjoni.
seed
integerSeed li kkontrolla r-randomness waqt il-ġenerazzjoni.
prompt
stringPrompt li ntuża biex jiġi ġġenerat l-output.

Aktar mudelli: Awdjo

Għall-aġenti tal-AI: din il-paġna bħala Markdown tinsab fuq https://doitong.com/mt/developers/models/stable-audio-3/medium/base/text-to-audio.md. Il-mudelli u l-gwidi kollha: https://doitong.com/developers/llms.txt