ਸਮੱਗਰੀ ਵੱਲ ਜਾਓ

Stable Audio 3 Medium Base Text to Audio

ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ

ਮਾਡਲ 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"

ਇਹ ਬੇਨਤੀ: $0.048 48 API ਕ੍ਰੈਡਿਟ ਇਸ ਪੰਨੇ ’ਤੇ ਚਲਾਓ

API ਕੁੰਜੀ ਲਵੋ
Stability AI ਆਡੀਓ 1–380 s #music#audio#stereo

ਫਾਈਨ-ਟਿਊਨਿੰਗ ਵਰਕਫਲੋ ਲਈ ਬੇਸ-ਚੈਕਪੌਇੰਟ Medium ਟੈਕਸਟ-ਤੋਂ-ਆਡੀਓ, 380 ਸਕਿੰਟ ਤੱਕ ਦੀਆਂ ਕਲਿੱਪਾਂ

Stability AI · ਆਡੀਓ

ਤੁਹਾਡਾ ਪਹਿਲਾ ਨਤੀਜਾ ਇੱਥੇ ਹੋਵੇਗਾ

ਹੇਠਾਂ ਬੇਨਤੀ ਬਣਾਓ ਅਤੇ ਆਪਣੀ API ਕੁੰਜੀ ਨਾਲ ਚਲਾਓ। ਆਉਟਪੁੱਟ ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਕਾਪੀ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਹਮੇਸ਼ਾ ਲਈ ਜਾਂ ਮੁਫ਼ਤ ਵਿੱਚ 7 ਦਿਨ ਤੱਕ ਰੱਖੇ ਜਾਂਦੇ ਹਨ।

ਰਿਕਵੈਸਟ ਬਣਾਓ

ਕੰਟਰੋਲ ਮਾਡਲ ਸਕੀਮਾ ਤੋਂ ਤਿਆਰ ਹੁੰਦੇ ਹਨ। ਤੁਸੀਂ ਬਦਲਾਅ ਕਰਦੇ ਹੀ ਕੋਡ ਅਤੇ ਕੀਮਤ ਅੱਪਡੇਟ ਹੋ ਜਾਂਦੇ ਹਨ।

•ਲੋੜੀਂਦਾ

ਇੱਛਿਤ ਆਡੀਓ ਸਮੱਗਰੀ ਦਰਸਾਉਣ ਵਾਲਾ ਟੈਕਸਟ।

ਡਿਫ਼ਾਲਟ 30

ਸਕਿੰਟਾਂ ਵਿੱਚ ਆਡੀਓ ਦੀ ਲੰਬਾਈ, ਜਿਸ ਦੀ medium ਮਾਡਲ ਲਈ ਵੱਧ ਤੋਂ ਵੱਧ ਸੀਮਾ 380 ਸਕਿੰਟ (ਲਗਭਗ 6 ਮਿੰਟ 20 ਸਕਿੰਟ) ਹੈ।

ਉੱਨਤ negative_prompt · output_format · bitrate · num_inference_steps · guidance_scale · seed · enable_prompt_expansion · enable_safety_checker
ਡਿਫ਼ਾਲਟ

ਆਉਟਪੁੱਟ ਵਿੱਚ ਅਣਚਾਹੇ ਗੁਣ ਦਰਸਾਉਣ ਵਾਲਾ ਟੈਕਸਟ।

output_format ਡਿਫ਼ਾਲਟ mp3

ਨਤੀਜੇ ਵਜੋਂ ਆਉਟਪੁੱਟ ਆਡੀਓ ਲਈ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਕੰਟੇਨਰ ਫਾਰਮੈਟ।

ਡਿਫ਼ਾਲਟ 192k

ਆਉਟਪੁੱਟ ਆਡੀਓ ਬਿਟਰੇਟ, wav ਜਾਂ flac ਵਰਤਣ ਵੇਲੇ ਅਣਦੇਖਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਬਿਨਾਂ ਨੁਕਸਾਨ ਵਾਲੇ ਫਾਰਮੈਟ ਹਨ। mp3, aac ਜਾਂ opus ਵਰਗੇ ਕੰਪ੍ਰੈੱਸਡ ਫਾਰਮੈਟਾਂ ਲਈ '192k' ਜਾਂ '320k' ਰੂਪ ਵਿੱਚ ਮੁੱਲ ਦਿਓ।

ਡਿਫ਼ਾਲਟ 50

ਚਲਾਏ ਜਾਣ ਵਾਲੇ ਸੈਂਪਲਿੰਗ ਕਦਮਾਂ ਦੀ ਗਿਣਤੀ ਚੁਣੋ; ਬੇਸ (ਨਾਨ-ਡਿਸਟਿਲਡ) ਚੈਕਪੌਇੰਟ ਵਰਤਣ ਵੇਲੇ ਚੰਗੀ ਗੁਣਵੱਤਾ ਲਈ ਲਗਭਗ 50 ਕਦਮ ਲੋੜੀਂਦੇ ਹਨ।

ਡਿਫ਼ਾਲਟ 7

ਕਲਾਸੀਫ਼ਾਇਰ-ਮੁਕਤ ਗਾਈਡੈਂਸ ਦੀ ਤਾਕਤ, ਜਿਸ ਲਈ ਬੇਸ ਚੈਕਪੌਇੰਟਾਂ ਉੱਤੇ ਸ਼ੁਰੂਆਤ ਵਿੱਚ ਲਗਭਗ 7.0 ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ; ਇਸਨੂੰ ਵਧਾਉਣ ਨਾਲ ਸਿਰਜਣਾ ਪ੍ਰੌਂਪਟ ਦੀ ਹੋਰ ਨੇੜੇ ਪਾਲਣਾ ਕਰਦੀ ਹੈ।

ਦੁਹਰਾਏ ਜਾ ਸਕਣ ਵਾਲੇ ਨਤੀਜਿਆਂ ਲਈ ਬੇਤਰਤੀਬ ਜਨਰੇਟਰ ਸੀਡ; ਇਸਨੂੰ ਛੱਡਣ ਨਾਲ ਬੇਤਰਤੀਬ ਸੀਡ ਚੁਣਿਆ ਜਾਂਦਾ ਹੈ।

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

ਇਹ ਬੇਨਤੀ ਚਲਾਓ

ਤੁਹਾਡੀ key ਇਸ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਰਹਿੰਦੀ ਹੈ: ਇਹ ਸਿਰਫ਼ Doitong API ਨੂੰ ਭੇਜੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਸਿਰਫ਼ ਤਾਂ ਹੀ (localStorage) ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਹੁੰਦੀ ਹੈ ਜੇ ਤੁਸੀਂ Remember ਚੁਣੋ। API ਕੁੰਜੀ ਪ੍ਰਾਪਤ ਕਰੋ

Stable Audio 3 Medium Base Text to Audio ਬਾਰੇ

ਟੈਕਸਟ `prompt` ਤੋਂ ਆਡੀਓ ਬਣਾਉਂਦਾ ਹੈ ਅਤੇ ਅਣਚਾਹੇ ਗੁਣਾਂ ਤੋਂ ਦੂਰ ਰੱਖਣ ਲਈ ਵਿਕਲਪਿਕ `negative_prompt` ਲੈਂਦਾ ਹੈ। `duration` 1 ਤੋਂ 380 ਸਕਿੰਟ ਤੱਕ ਹੈ। ਗੈਰ-ਡਿਸਟਿਲਡ ਬੇਸ ਚੈਕਪੌਇੰਟ ਵਜੋਂ ਇਹ ਪੂਰਵ-ਨਿਰਧਾਰਤ ਤੌਰ 'ਤੇ 50 ਸੈਂਪਲਿੰਗ ਪੜਾਅ ਅਤੇ 7 ਦਾ ਗਾਈਡੈਂਸ ਸਕੇਲ ਵਰਤਦਾ ਹੈ, ਅਤੇ 25 ਤੱਕ ਗਾਈਡੈਂਸ ਸਵੀਕਾਰ ਕਰਦਾ ਹੈ। ਆਉਟਪੁੱਟ ਫਾਰਮੈਟਾਂ ਵਿੱਚ mp3, wav, flac, ogg, opus, m4a ਅਤੇ aac ਸ਼ਾਮਲ ਹਨ।

ਪੈਰਾਮੀਟਰ

ਨਾਮਕਿਸਮ ਡਿਫ਼ਾਲਟਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵੇਰਵਾ
negative_promptਵਿਕਲਪਿਕ
ਕਿਸਮstring
ਡਿਫ਼ਾਲਟ
ਆਉਟਪੁੱਟ ਵਿੱਚ ਅਣਚਾਹੇ ਗੁਣ ਦਰਸਾਉਣ ਵਾਲਾ ਟੈਕਸਟ।
durationਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ30
1 – 380
ਸਕਿੰਟਾਂ ਵਿੱਚ ਆਡੀਓ ਦੀ ਲੰਬਾਈ, ਜਿਸ ਦੀ medium ਮਾਡਲ ਲਈ ਵੱਧ ਤੋਂ ਵੱਧ ਸੀਮਾ 380 ਸਕਿੰਟ (ਲਗਭਗ 6 ਮਿੰਟ 20 ਸਕਿੰਟ) ਹੈ।
num_inference_stepsਵਿਕਲਪਿਕ
ਕਿਸਮinteger
ਡਿਫ਼ਾਲਟ50
1 – 100
ਚਲਾਏ ਜਾਣ ਵਾਲੇ ਸੈਂਪਲਿੰਗ ਕਦਮਾਂ ਦੀ ਗਿਣਤੀ ਚੁਣੋ; ਬੇਸ (ਨਾਨ-ਡਿਸਟਿਲਡ) ਚੈਕਪੌਇੰਟ ਵਰਤਣ ਵੇਲੇ ਚੰਗੀ ਗੁਣਵੱਤਾ ਲਈ ਲਗਭਗ 50 ਕਦਮ ਲੋੜੀਂਦੇ ਹਨ।
guidance_scaleਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ7
0 – 25
ਕਲਾਸੀਫ਼ਾਇਰ-ਮੁਕਤ ਗਾਈਡੈਂਸ ਦੀ ਤਾਕਤ, ਜਿਸ ਲਈ ਬੇਸ ਚੈਕਪੌਇੰਟਾਂ ਉੱਤੇ ਸ਼ੁਰੂਆਤ ਵਿੱਚ ਲਗਭਗ 7.0 ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ; ਇਸਨੂੰ ਵਧਾਉਣ ਨਾਲ ਸਿਰਜਣਾ ਪ੍ਰੌਂਪਟ ਦੀ ਹੋਰ ਨੇੜੇ ਪਾਲਣਾ ਕਰਦੀ ਹੈ।
seedਵਿਕਲਪਿਕ
ਕਿਸਮinteger | null
ਦੁਹਰਾਏ ਜਾ ਸਕਣ ਵਾਲੇ ਨਤੀਜਿਆਂ ਲਈ ਬੇਤਰਤੀਬ ਜਨਰੇਟਰ ਸੀਡ; ਇਸਨੂੰ ਛੱਡਣ ਨਾਲ ਬੇਤਰਤੀਬ ਸੀਡ ਚੁਣਿਆ ਜਾਂਦਾ ਹੈ।
enable_prompt_expansionਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟfalse
ਚਾਲੂ ਹੋਣ 'ਤੇ LLM ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪ੍ਰੌਂਪਟ ਦਾ ਵਿਸਤਾਰ, ਜਿਸ ਨਾਲ ਵੇਰਵਾ ਵਧਦਾ ਅਤੇ ਨਤੀਜੇ ਦੀ ਗੁਣਵੱਤਾ ਸੁਧਰਦੀ ਹੈ।
enable_safety_checkerਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟtrue
NSFW ਸਮੱਗਰੀ ਦੀ ਸੁਰੱਖਿਆ ਜਾਂਚ।
output_formatਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟmp3
mp3wavflacoggopusm4aaac
ਨਤੀਜੇ ਵਜੋਂ ਆਉਟਪੁੱਟ ਆਡੀਓ ਲਈ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਕੰਟੇਨਰ ਫਾਰਮੈਟ।
bitrateਵਿਕਲਪਿਕ
ਕਿਸਮstring
ਡਿਫ਼ਾਲਟ192k
ਆਉਟਪੁੱਟ ਆਡੀਓ ਬਿਟਰੇਟ, wav ਜਾਂ flac ਵਰਤਣ ਵੇਲੇ ਅਣਦੇਖਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਬਿਨਾਂ ਨੁਕਸਾਨ ਵਾਲੇ ਫਾਰਮੈਟ ਹਨ। mp3, aac ਜਾਂ opus ਵਰਗੇ ਕੰਪ੍ਰੈੱਸਡ ਫਾਰਮੈਟਾਂ ਲਈ '192k' ਜਾਂ '320k' ਰੂਪ ਵਿੱਚ ਮੁੱਲ ਦਿਓ।
promptਲੋੜੀਂਦਾ
ਕਿਸਮstring
ਇੱਛਿਤ ਆਡੀਓ ਸਮੱਗਰੀ ਦਰਸਾਉਣ ਵਾਲਾ ਟੈਕਸਟ।
ਲੋੜੀਂਦਾ

ਆਉਟਪੁੱਟ

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"
  }
}
ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ, ਤੁਹਾਡੀ ਚੋਣਹਰ outputs[].url ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਇੱਕ ਕਾਪੀ ਹੈ: ਹਮੇਸ਼ਾ ਲਈ ਰੱਖੀ ਜਾਂਦੀ ਹੈ (ਪ੍ਰਤੀ GB-ਮਹੀਨਾ ਭੁਗਤਾਨ) ਜਾਂ 7 ਦਿਨ ਤੱਕ ਮੁਫ਼ਤ, ਤੁਹਾਡੀ ਖਾਤਾ ਸੈਟਿੰਗ ਜਾਂ ?storage= ਅਨੁਸਾਰ।
ਹਰ ਮਾਡਲ ’ਤੇ ਇੱਕੋ ਜਿਹਾ ਰੂਪਤਸਵੀਰਾਂ, ਵੀਡੀਓ ਅਤੇ ਆਡੀਓ ਸਭ ਲਈ type, url, content_type, width, height ਅਤੇ duration। output ਮਾਡਲ ਦਾ ਆਪਣਾ ਨਤੀਜਾ ਆਬਜੈਕਟ ਹੈ।
ਆਉਟਪੁੱਟ ਦੇ ਫ਼ੀਲਡ
audio
object {url, content_type, file_name, file_size}ਸਿਰਜਣਾ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤਾ ਆਡੀਓ ਕਲਿੱਪ।
seed
integerਸਿਰਜਣਾ ਦੌਰਾਨ ਯਾਦ੍ਰਿਚਛਿਕਤਾ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਨ ਵਾਲਾ ਸੀਡ।
prompt
stringਆਉਟਪੁੱਟ ਸਿਰਜਣ ਲਈ ਵਰਤਿਆ ਗਿਆ ਪ੍ਰੌਂਪਟ।

ਹੋਰ ਮਾਡਲ: ਆਡੀਓ

AI ਏਜੰਟਾਂ ਲਈ: ਇਹ ਪੰਨਾ Markdown ਵਜੋਂ ਇੱਥੇ ਹੈ https://doitong.com/pa/developers/models/stable-audio-3/medium/base/text-to-audio.md. ਸਾਰੇ ਮਾਡਲ ਅਤੇ ਗਾਈਡ: https://doitong.com/developers/llms.txt