কনটেন্টে যান

Stable Audio 3 Medium Audio to Audio

ইন্টিগ্রেট করুন

মডেল id stable-audio-3/medium/audio-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/audio-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",
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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"

এই অনুরোধ: ০.০৪২$ ৪২ API ক্রেডিট এই পেজে চালান

API কী পান
Stability AI অডিও ১–৩৮০ s #music#style-transfer#remix

ডিস্টিলড Stable Audio 3 Medium, যা একটি প্রম্পট থেকে সোর্স ক্লিপকে নতুন ভ্যারিয়েশনে রিমিক্স করে

Stability AI · অডিও

আপনার প্রথম ফলাফল এখানে আসবে

নিচে একটি রিকোয়েস্ট তৈরি করে আপনার API কী দিয়ে চালান। আউটপুট আমাদের স্টোরেজে কপি করা হয়, চিরকাল বা বিনামূল্যে ৭ দিন পর্যন্ত রাখা হয়।

একটি অনুরোধ তৈরি করুন

মডেল স্কিমা থেকে কন্ট্রোল তৈরি করা হয়। এগুলো পরিবর্তন করলে কোড ও মূল্য আপডেট হয়।

•আবশ্যক

সোর্স অডিওতে প্রয়োগ করার রূপান্তর বর্ণনাকারী টেক্সট নির্দেশনা।

•আবশ্যক audio_url
একটি ফাইল ড্রপ করুন, অথবা

রূপান্তরের জন্য ইনপুট অডিও।

ডিফল্ট 30

সেকেন্ডে অডিওর দৈর্ঘ্য; medium মডেলের সর্বোচ্চ 380 সেকেন্ড (প্রায় 6 মিনিট 20 সেকেন্ড)।

অ্যাডভান্সড negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · init_noise_level · seed · enable_prompt_expansion · enable_safety_checker
ডিফল্ট

আউটপুটে অনাকাঙ্ক্ষিত গুণাবলি নির্দিষ্ট করা টেক্সট।

output_format ডিফল্ট mp3

ফলস্বরূপ অডিওতে ব্যবহৃত কনটেইনার ফরম্যাট।

ডিফল্ট 192k

আউটপুট অডিওর বিটরেট; wav বা flac ব্যবহারে উপেক্ষা করা হয়, কারণ এগুলো লসলেস। mp3, aac বা opus-এর মতো সংকুচিত ফরম্যাটে '192k' বা '320k' আকারে একটি মান সরবরাহ করুন।

ডিফল্ট 8

স্যাম্পলিং পুনরাবৃত্তির সংখ্যা, ডিফল্ট 8; কারণ ডিস্টিলড, পোস্ট-ট্রেন করা চেকপয়েন্টগুলো সেখানেই ইতিমধ্যে ভালো মান অর্জন করে। অতিরিক্ত পুনরাবৃত্তিতে সামান্যই সুবিধা হয়।

ডিফল্ট 1

শুধু বেস চেকপয়েন্টের জন্য ক্লাসিফায়ার-ফ্রি গাইডেন্স শক্তি; ডিস্টিলড চেকপয়েন্টে এর প্রভাব নেই। প্রযোজ্য চেকপয়েন্টে এটি বাড়ালে প্রম্পট অনুসরণ আরও কঠোর হয়।

ডিফল্ট 0.9

সোর্স অডিওর নয়েজের মাত্রা: 0.1 ইনপুটের সঙ্গে ঘনিষ্ঠ সাদৃশ্য বজায় রাখে, 0.5 মধ্যবর্তী, আর 1.0 সোর্সকে সম্পূর্ণভাবে নয়েজে প্রতিস্থাপন করে বিশুদ্ধ জেনারেশন তৈরি করে।

পুনরাবৃত্তিযোগ্য ফলাফলের জন্য র‍্যান্ডম জেনারেটর সিড; বাদ দিলে একটি র‍্যান্ডম সিড নির্বাচন করা হয়।

POST /run/stable-audio-3/medium/audio-to-audio?wait=20 মূল্য → ০.০৪২$
# 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/audio-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",
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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"

এই অনুরোধ চালান

আপনার key এই ব্রাউজারেই থাকে: এটি শুধু Doitong API-তে পাঠানো হয় এবং Remember টিক দিলে কেবল localStorage-এ সংরক্ষিত হয়। একটি API কী পান

Stable Audio 3 Medium Audio to Audio সম্পর্কে

`prompt` অনুযায়ী `audio_url` রূপান্তর করে 1 থেকে 380 সেকেন্ডের (`duration`, ডিফল্ট 30) অডিও তৈরি করে। `init_noise_level` 0 থেকে 1 পর্যন্ত সেট করে ফলাফলটি সোর্সকে কতটা অনুসরণ করবে: কম মানে সোর্সের কাছাকাছি, আর 1.0 সম্পূর্ণ জেনারেশন। ডিফল্টে 8টি ধাপ ব্যবহার করা হয় এবং একাধিক আউটপুট ফরম্যাট উপলভ্য।

প্যারামিটার

ক্যানোনিকাল নাম অথবা নেটিভ নাম—দুটো একসঙ্গে নয়—পাঠান। ক্যানোনিকাল নামগুলো

নামধরন ডিফল্টঅনুমোদিত বিবরণ
negative_promptঐচ্ছিক
ধরনstring
ডিফল্ট
আউটপুটে অনাকাঙ্ক্ষিত গুণাবলি নির্দিষ্ট করা টেক্সট।
durationঐচ্ছিক
ধরনnumber
ডিফল্ট30
১ – ৩৮০
সেকেন্ডে অডিওর দৈর্ঘ্য; medium মডেলের সর্বোচ্চ 380 সেকেন্ড (প্রায় 6 মিনিট 20 সেকেন্ড)।
num_inference_stepsঐচ্ছিক
ধরনinteger
ডিফল্ট8
১ – ১০০
স্যাম্পলিং পুনরাবৃত্তির সংখ্যা, ডিফল্ট 8; কারণ ডিস্টিলড, পোস্ট-ট্রেন করা চেকপয়েন্টগুলো সেখানেই ইতিমধ্যে ভালো মান অর্জন করে। অতিরিক্ত পুনরাবৃত্তিতে সামান্যই সুবিধা হয়।
guidance_scaleঐচ্ছিক
ধরনnumber
ডিফল্ট1
০ – ২৫
শুধু বেস চেকপয়েন্টের জন্য ক্লাসিফায়ার-ফ্রি গাইডেন্স শক্তি; ডিস্টিলড চেকপয়েন্টে এর প্রভাব নেই। প্রযোজ্য চেকপয়েন্টে এটি বাড়ালে প্রম্পট অনুসরণ আরও কঠোর হয়।
seedঐচ্ছিক
ধরনinteger | null
পুনরাবৃত্তিযোগ্য ফলাফলের জন্য র‍্যান্ডম জেনারেটর সিড; বাদ দিলে একটি র‍্যান্ডম সিড নির্বাচন করা হয়।
enable_prompt_expansionঐচ্ছিক
ধরনboolean
ডিফল্টfalse
সক্রিয় থাকলে LLM ব্যবহার করে প্রম্পট সম্প্রসারণ, যা বিস্তারিত যোগ করে এবং ফলাফলের মান উন্নত করে।
enable_safety_checkerঐচ্ছিক
ধরনboolean
ডিফল্টtrue
NSFW বিষয়বস্তুর নিরাপত্তা যাচাই।
output_formatঐচ্ছিক
ধরনenum
ডিফল্টmp3
mp3wavflacoggopusm4aaac
ফলস্বরূপ অডিওতে ব্যবহৃত কনটেইনার ফরম্যাট।
bitrateঐচ্ছিক
ধরনstring
ডিফল্ট192k
আউটপুট অডিওর বিটরেট; wav বা flac ব্যবহারে উপেক্ষা করা হয়, কারণ এগুলো লসলেস। mp3, aac বা opus-এর মতো সংকুচিত ফরম্যাটে '192k' বা '320k' আকারে একটি মান সরবরাহ করুন।
promptআবশ্যক
ধরনstring
সোর্স অডিওতে প্রয়োগ করার রূপান্তর বর্ণনাকারী টেক্সট নির্দেশনা।
audio_urlআবশ্যক audio
ধরনurl · audio
রূপান্তরের জন্য ইনপুট অডিও।
init_noise_levelঐচ্ছিক
ধরনnumber
ডিফল্ট0.9
০ – ১
সোর্স অডিওর নয়েজের মাত্রা: 0.1 ইনপুটের সঙ্গে ঘনিষ্ঠ সাদৃশ্য বজায় রাখে, 0.5 মধ্যবর্তী, আর 1.0 সোর্সকে সম্পূর্ণভাবে নয়েজে প্রতিস্থাপন করে বিশুদ্ধ জেনারেশন তৈরি করে।
আবশ্যক ক্যানোনিকাল নাম, এটিও গ্রহণযোগ্য

ফাইল প্যারামিটার হিসেবে একটি পাবলিক https:// URL, 10 MB পর্যন্ত একটি data: URI, অথবা আপলোডের file_url গ্রহণ করা হয়। ফাইল

আউটপুট

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "stable-audio-3/medium/audio-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": 42,
    "usd": "0.042",
    "charged": 42,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "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"
  }
}
আপনার ফাইল, আপনার পছন্দপ্রতিটি outputs[].url আমাদের স্টোরেজে একটি কপি: চিরকাল রাখা হয় (প্রতি GB-মাস অনুযায়ী অর্থপ্রদত্ত) অথবা অ্যাকাউন্ট সেটিংস বা ?storage= অনুযায়ী বিনামূল্যে ৭ দিন পর্যন্ত।
প্রতিটি মডেলে একই গঠনছবি, ভিডিও এবং অডিও—সব ক্ষেত্রেই type, url, content_type, width, height এবং duration। output হলো মডেলের নিজস্ব ফলাফল অবজেক্ট।
আউটপুটের ফিল্ড
audio
object {url, content_type, file_name, file_size}জেনারেশনের মাধ্যমে তৈরি অডিও ক্লিপ।
seed
integerজেনারেশনের সময় এলোমেলোতা নিয়ন্ত্রণ করা সিড।
prompt
stringআউটপুট জেনারেট করতে ব্যবহৃত প্রম্পট।

আরও মডেল: অডিও

AI এজেন্টদের জন্য: এই পৃষ্ঠাটি Markdown হিসেবে এখানে আছে https://doitong.com/bn/developers/models/stable-audio-3/medium/audio-to-audio.md. সব মডেল ও গাইড: https://doitong.com/developers/llms.txt