Przejdź do treści

Stable Audio 3 Trainer

Integracja

Identyfikator modelu stable-audio-3-trainer
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/stable-audio-3-trainer?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio_data_url": "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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Pliki takie jak przykład: 3,00 $ 3000 kredytów API · ≈ 316,39 ₽ Twoje pliki są mierzone przed uruchomieniem Uruchom na tej stronie

Uzyskaj klucz API
Stability AI Trenowanie 1–380 s #music#audio#sfx#lora

Trenuje LoRA dla Stable Audio 3 z archiwum zip zawierającego klipy audio i odpowiadające im podpisy tekstowe

Stability AI · Plik

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

Adres URL archiwum zip zbioru danych, w którym każda para audio/opis jest przechowywana razem pod zgodnymi nazwami bazowymi: na przykład `clip.wav` odpowiada `clip.txt`. Opisy muszą używać rozszerzenia `.txt`.

domyślnie 1000

Liczba kroków trenowania LoRA.

Długość przycinania/dopełniania w sekundach, we wszystkich przypadkach ograniczona natywną długością treningową wybranego modelu. Podaj długość albo pomiń ją, aby użyć najdłuższego klipu wykrytego w zbiorze danych, z uwzględnieniem tego limitu.

domyślnie 1

Rozmiar partii używany podczas trenowania.

Zaawansowane model · base_precision · adapter_type · lora_checkpoint_url · learning_rate · rank · seed · pre_encode · include · exclude
model domyślnie medium-base

Bazowy checkpoint do dostrajania Stable Audio 3.

base_precision domyślnie bf16

Precyzja używana przez zamrożone wagi bazowe; parametry LoRA pozostają w fp32.

domyślnie dora-rows

Rodzina adaptera używana podczas trenowania LoRA.

Opcjonalny adres URL checkpointu LoRA `.safetensors`, od którego ma zostać wznowione działanie.

domyślnie 0.0001

Współczynnik uczenia stosowany przez AdamW do parametrów LoRA.

domyślnie 16

Ranga adaptera LoRA.

domyślnie 42

Seed używany do losowania.

Podciągi nazw modułów ograniczające miejsca dodania LoRA: otrzymują je tylko pasujące moduły.

Podciągi nazw używane do wykluczania pasujących modułów.

POST /run/stable-audio-3-trainer?wait=20 wycena → 3,00 $
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/stable-audio-3-trainer?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio_data_url": "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.ru/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 Trainer

Dostraja bazowy checkpoint (medium-base, small-music-base lub small-sfx-base) na archiwum zip `audio_data_url`, w którym każdy plik audio ma podpis `.txt` o tej samej nazwie. Możesz dostosować `number_of_steps` (do 20000), `learning_rate`, `rank` (od 1 do 256), `adapter_type` i `batch_size` albo wznowić pracę z checkpointu `.safetensors`. Zwraca wagi LoRA i plik konfiguracyjny.

Parametry

NazwaTyp DomyślneDozwolone Opis
audio_data_urlwymagane
Typstring
Adres URL archiwum zip zbioru danych, w którym każda para audio/opis jest przechowywana razem pod zgodnymi nazwami bazowymi: na przykład `clip.wav` odpowiada `clip.txt`. Opisy muszą używać rozszerzenia `.txt`.
modelopcjonalne
Typenum
Domyślnemedium-base
medium-basesmall-music-basesmall-sfx-base
Bazowy checkpoint do dostrajania Stable Audio 3.
number_of_stepsopcjonalne
Typinteger
Domyślne1000
1 – 20 000
Liczba kroków trenowania LoRA.
learning_rateopcjonalne
Typnumber
Domyślne0.0001
≤ 0,01> 0
Współczynnik uczenia stosowany przez AdamW do parametrów LoRA.
rankopcjonalne
Typinteger
Domyślne16
1 – 256
Ranga adaptera LoRA.
adapter_typeopcjonalne
Typenum
Domyślnedora-rows
loradoradora-rowsdora-colsboralora-xsdora-rows-xsdora-cols-xsbora-xs
Rodzina adaptera używana podczas trenowania LoRA.
durationopcjonalne
Typnumber | null
1 – 380
Długość przycinania/dopełniania w sekundach, we wszystkich przypadkach ograniczona natywną długością treningową wybranego modelu. Podaj długość albo pomiń ją, aby użyć najdłuższego klipu wykrytego w zbiorze danych, z uwzględnieniem tego limitu.
batch_sizeopcjonalne
Typinteger
Domyślne1
1 – 8
Rozmiar partii używany podczas trenowania.
seedopcjonalne
Typinteger
Domyślne42
0 – 2 147 483 647
Seed używany do losowania.
base_precisionopcjonalne
Typenum
Domyślnebf16
bf16bfloat16fp16float16
Precyzja używana przez zamrożone wagi bazowe; parametry LoRA pozostają w fp32.
includeopcjonalne
Typstring[]
Podciągi nazw modułów ograniczające miejsca dodania LoRA: otrzymują je tylko pasujące moduły.
excludeopcjonalne
Typstring[]
Podciągi nazw używane do wykluczania pasujących modułów.
lora_checkpoint_urlopcjonalne
Typstring | null
Opcjonalny adres URL checkpointu LoRA `.safetensors`, od którego ma zostać wznowione działanie.
pre_encodeopcjonalne
Typboolean
Domyślnefalse
Wstępne zakodowanie archiwum audio do latentów SAME przed trenowaniem LoRA.
wymagane

Wynik

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "stable-audio-3-trainer",
  "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": 3000,
    "usd": "3.00",
    "charged": 3000,
    "refunded": 0
  },
  "input": {
    "audio_data_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "lora_file": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    },
    "config_file": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "file",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_size": 1843200,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/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
lora_file
object {url, content_type, file_name, file_size}Wagi LoRA wytrenowane dla Stable Audio 3.
config_file
object {url, content_type, file_name, file_size}Metadane JSON opisujące przebieg trenowania i model zgodny z wnioskowaniem.

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