Przejdź do treści

Stable Audio 3 · Medium · Text to Audio

Integracja

Identyfikator modelu 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"

To żądanie: 0,038 $ 38 kredytów API Uruchom na tej stronie

Uzyskaj klucz API
Stability AI Audio 1–380 s #music#audio#stereo

Destylowany text-to-audio Medium z szybkim domyślnym ustawieniem 8 kroków, klipy do 380 sekund

Stability AI · Audio

Tutaj pojawi się pierwszy wynik

Zbuduj poniżej żądanie i uruchom je za pomocą klucza API. Wyniki są kopiowane do naszej przestrzeni dyskowej i przechowywane bezterminowo lub 7 dni bezpłatnie.

Zbuduj żądanie

Elementy sterujące są generowane ze schematu modelu. Kod i cena aktualizują się podczas ich zmiany.

•wymagane

Tekst określający żądaną zawartość audio.

domyślnie 30

Długość audio w sekundach, z maksymalną długością 380 sekund dla modelu medium (około 6 minut 20 sekund).

Zaawansowane negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · seed · enable_prompt_expansion · enable_safety_checker
domyślnie

Tekst określający niepożądane cechy wyniku.

output_format domyślnie mp3

Format kontenera używany dla wynikowego audio.

domyślnie 192k

Przepływność wynikowego audio, ignorowana dla wav i flac, ponieważ są bezstratne. Dla formatów skompresowanych, takich jak mp3, aac lub opus, podaj wartość w postaci '192k' lub '320k'.

domyślnie 8

Liczba iteracji próbkowania, domyślnie 8, ponieważ destylowane, potreningowe checkpointy już przy tej wartości zapewniają dobrą jakość; dodatkowe iteracje dają niewielką korzyść.

domyślnie 1

Siła bezklasowego prowadzenia klasyfikatora wyłącznie dla bazowych checkpointów; nie wpływa na checkpointy destylowane. W obsługiwanych checkpointach jej zwiększenie wzmacnia zgodność z promptem.

Seed generatora losowego zapewniający powtarzalne wyniki; pominięcie wartości wybiera losowy seed.

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

Uruchom to żądanie

Klucz pozostaje w tej przeglądarce: jest wysyłany tylko do Doitong API i zapisywany (localStorage) tylko po zaznaczeniu opcji Zapamiętaj. Uzyskaj klucz API

Informacje o Stable Audio 3 · Medium · Text to Audio

Tworzy audio z tekstowego `prompt`, opcjonalnie z `negative_prompt`. Ten wariant po treningu domyślnie używa 8 kroków próbkowania i niewiele zyskuje przy większej liczbie, a skala sterowania domyślnie wynosi 1, ponieważ działa wyłącznie na bazowych checkpointach. `duration` mieści się w zakresie od 1 do 380 sekund. Wybierz wynik mp3, wav, flac, ogg, opus, m4a lub aac.

Parametry

NazwaTyp DomyślneDozwolone Opis
negative_promptopcjonalne
Typstring
Domyślne
Tekst określający niepożądane cechy wyniku.
durationopcjonalne
Typnumber
Domyślne30
1 – 380
Długość audio w sekundach, z maksymalną długością 380 sekund dla modelu medium (około 6 minut 20 sekund).
num_inference_stepsopcjonalne
Typinteger
Domyślne8
1 – 100
Liczba iteracji próbkowania, domyślnie 8, ponieważ destylowane, potreningowe checkpointy już przy tej wartości zapewniają dobrą jakość; dodatkowe iteracje dają niewielką korzyść.
guidance_scaleopcjonalne
Typnumber
Domyślne1
0 – 25
Siła bezklasowego prowadzenia klasyfikatora wyłącznie dla bazowych checkpointów; nie wpływa na checkpointy destylowane. W obsługiwanych checkpointach jej zwiększenie wzmacnia zgodność z promptem.
seedopcjonalne
Typinteger | null
Seed generatora losowego zapewniający powtarzalne wyniki; pominięcie wartości wybiera losowy seed.
enable_prompt_expansionopcjonalne
Typboolean
Domyślnefalse
Rozszerzanie promptu za pomocą LLM po włączeniu, dodające szczegóły i poprawiające jakość wyniku.
enable_safety_checkeropcjonalne
Typboolean
Domyślnetrue
Sprawdzanie bezpieczeństwa pod kątem treści NSFW.
output_formatopcjonalne
Typenum
Domyślnemp3
mp3wavflacoggopusm4aaac
Format kontenera używany dla wynikowego audio.
bitrateopcjonalne
Typstring
Domyślne192k
Przepływność wynikowego audio, ignorowana dla wav i flac, ponieważ są bezstratne. Dla formatów skompresowanych, takich jak mp3, aac lub opus, podaj wartość w postaci '192k' lub '320k'.
promptwymagane
Typstring
Tekst określający żądaną zawartość audio.
wymagane

Wynik

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"
  }
}
Twoje pliki, Twój wybórKażdy outputs[].url to kopia w naszej przestrzeni dyskowej: przechowywana bezterminowo (opłata za GB-miesiąc) lub 7 dni bezpłatnie, zgodnie z ustawieniem konta lub ?storage=.
Taki sam format w każdym modelutype, url, content_type, width, height i duration — tak samo dla obrazów, filmów i dźwięku. output to własny obiekt wyniku modelu.
Pola wyniku
audio
object {url, content_type, file_name, file_size}Klip audio utworzony w wyniku generowania.
seed
integerZiarno sterujące losowością podczas generowania.
prompt
stringPrompt użyty do wygenerowania wyniku.

Więcej modeli: Audio

Dla agentów AI: ta strona w formacie Markdown jest dostępna pod adresem https://doitong.com/pl/developers/models/stable-audio-3/medium/text-to-audio.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt