Aqbeż għall-kontenut

Stable Audio 3 · Medium · Text to Audio

Integra

Id tal-mudell stable-audio-3/medium/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/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: $0.038 38 krediti tal-API Ħaddmu f’din il-paġna

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

Medium text-to-audio distillat bi prestabbilit veloċi ta' 8 passi, 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 8

Għadd ta’ iterazzjonijiet tat-teħid tal-kampjuni, prestabbilit għal 8 minħabba li checkpoints distilled u mħarrġa wara t-taħriġ diġà jiksbu kwalità tajba hemmhekk; iterazzjonijiet addizzjonali joffru ftit benefiċċju.

prestabbilit 1

Qawwa tal-gwida mingħajr klassifikatur għal checkpoints bażi biss; checkpoints distilled ma jiġux affettwati. Fuq checkpoints applikabbli, iż-żieda tagħha ssaħħaħ il-konformità mal-prompt.

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

POST /run/stable-audio-3/medium/text-to-audio?wait=20 kwotazzjoni → $0.038
# 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/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 · Text to Audio

Joħloq awdjo minn prompt ta' test `prompt`, b'`negative_prompt` fakultattiv. Dan il-varjant imħarreġ wara huwa prestabbilit għal 8 passi ta' teħid ta' kampjuni u jibbenefika ftit minn aktar passi, u l-guidance scale huwa prestabbilit għal 1 għax għandu effett biss fuq checkpoints bażiċi. `duration` tvarja minn 1 sa 380 sekonda. Agħżel output mp3, wav, flac, ogg, opus, m4a jew 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
Prestabbilit8
1 – 100
Għadd ta’ iterazzjonijiet tat-teħid tal-kampjuni, prestabbilit għal 8 minħabba li checkpoints distilled u mħarrġa wara t-taħriġ diġà jiksbu kwalità tajba hemmhekk; iterazzjonijiet addizzjonali joffru ftit benefiċċju.
guidance_scalemhux obbligatorju
Tipnumber
Prestabbilit1
0 – 25
Qawwa tal-gwida mingħajr klassifikatur għal checkpoints bażi biss; checkpoints distilled ma jiġux affettwati. Fuq checkpoints applikabbli, iż-żieda tagħha ssaħħaħ il-konformità 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/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": 38,
    "usd": "0.038",
    "charged": 38,
    "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/text-to-audio.md. Il-mudelli u l-gwidi kollha: https://doitong.com/developers/llms.txt