ข้ามไปยังเนื้อหา

ACE Step Audio Inpaint

ผสานการทำงาน

ID โมเดล ace-step/audio-inpaint
# 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/ace-step/audio-inpaint?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "tags": "lofi, hiphop, drum and bass, trap, chill"
  }'

# 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"

ไฟล์เช่นเดียวกับตัวอย่าง: $0.002 2 เครดิต API · ≈ ₽0.21 ไฟล์ของคุณจะถูกวัดก่อนเรียกใช้ เรียกใช้ในหน้านี้

รับคีย์ API
ACE Studio ข้อความเป็นเพลง #audio-to-audio#audio-inpaint#audio-repaint

สร้างช่วงเวลาที่เลือกของไฟล์เสียงที่มีอยู่ขึ้นใหม่โดยใช้แท็กและเนื้อเพลงใหม่

ACE Studio · เสียง

ผลลัพธ์แรกของคุณจะแสดงที่นี่

สร้างคำขอด้านล่างและเรียกใช้ด้วยคีย์ API ของคุณ เอาต์พุตจะถูกคัดลอกไปยังพื้นที่จัดเก็บของเรา และเก็บไว้ตลอดไปหรือฟรี 7 วัน

สร้างคำขอ

ตัวควบคุมสร้างจากสคีมาของโมเดล โค้ดและราคาจะอัปเดตเมื่อคุณเปลี่ยนค่า

•จำเป็น audio_url
วางไฟล์ หรือ

URL ไฟล์เสียงสำหรับการเติมส่วนภาพ

•จำเป็น

แท็กรูปแบบเสียงที่ระบุเป็นแนวเพลงคั่นด้วยจุลภาค โดยสามารถใช้ `prompt` เป็นทางเลือกในการระบุแท็กเหล่านี้ได้

ขั้นสูง lyrics · start_time_relative_to · end_time_relative_to · scheduler · guidance_type · start_time · end_time · variance · number_of_steps · granularity_scale · guidance_interval · guidance_interval_decay · guidance_scale · minimum_guidance_scale · tag_guidance_scale · lyric_guidance_scale · seed
ค่าเริ่มต้น

เนื้อร้องที่ใช้ขับร้อง โดยจัดส่วนของเพลงด้วยตัวควบคุม เช่น [verse], [chorus] และ [bridge] หากเป็นเสียงที่ไม่มีเนื้อร้อง ให้เว้นอินพุตนี้ไว้หรือระบุเพียง [inst] หรือ [instrumental]

start_time_relative_to ค่าเริ่มต้น start

จุดอ้างอิงสำหรับเวลาเริ่มต้น: จุดเริ่มต้นหรือจุดสิ้นสุดของเสียง

end_time_relative_to ค่าเริ่มต้น start

จุดอ้างอิงสำหรับเวลาสิ้นสุด: จุดเริ่มต้นหรือจุดสิ้นสุดของเสียง

scheduler ค่าเริ่มต้น euler

ตัวจัดตารางเวลาที่ใช้ระหว่างการสร้าง

guidance_type ค่าเริ่มต้น apg

ประเภท CFG ที่ใช้ระหว่างการสร้าง

ค่าเริ่มต้น 0

เวลาเริ่มต้นของการเติมส่วนภาพ หน่วยเป็นวินาที

ค่าเริ่มต้น 30

เวลาสิ้นสุดของการเติมส่วนภาพ หน่วยเป็นวินาที

ค่าเริ่มต้น 0.5

ความแปรปรวนของการเติมส่วนภาพควบคุมความหลากหลายของผลลัพธ์ การเพิ่มค่าอาจทำให้เกิดความแตกต่างมากขึ้น

ค่าเริ่มต้น 27

จำนวนขั้นตอนที่ใช้ระหว่างการสร้างเสียง

ค่าเริ่มต้น 10

สเกลความละเอียดเชิงรายละเอียดที่ใช้ระหว่างการสร้าง การเพิ่มค่านี้อาจลดสิ่งแปลกปลอมได้

ค่าเริ่มต้น 0.5

สัดส่วนของตารางเวลาการสร้างที่ได้รับคำแนะนำ: การเลือก 0.5 จะจำกัดไว้ที่ขั้นตอนตั้งแต่ 0.25 * infer_steps ถึง 0.75 * infer_steps ทำให้ช่วงเริ่มต้นและสิ้นสุดไม่มีคำแนะนำ

ค่าเริ่มต้น 0

การลดลงของคำแนะนำภายในช่วงการสร้าง: 0.0 จะปิดใช้การลดลง มิฉะนั้นสเกลจะลดลงตลอดช่วงดังกล่าวจาก guidance_scale เป็น min_guidance_scale

ค่าเริ่มต้น 15

สเกลของคำแนะนำที่ใช้ระหว่างการสร้าง

ค่าเริ่มต้น 3

สเกลคำแนะนำต่ำสุดที่ถึงหลังการลดลงระหว่างการสร้าง

ค่าเริ่มต้น 5

สเกลของคำแนะนำแท็กที่ใช้ระหว่างการสร้าง

ค่าเริ่มต้น 1.5

สเกลของคำแนะนำเนื้อร้องที่ใช้ระหว่างการสร้าง

Seed สำหรับการสร้างซ้ำได้ผลลัพธ์เดิม ซึ่งจะสุ่มเลือกหากคุณไม่ระบุค่า

POST /run/ace-step/audio-inpaint?wait=20 ใบเสนอราคา → $0.002
# 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/ace-step/audio-inpaint?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "tags": "lofi, hiphop, drum and bass, trap, chill"
  }'

# 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"

เรียกใช้คำขอนี้

คีย์ของคุณจะอยู่ในเบราว์เซอร์นี้ โดยส่งไปยัง Doitong API เท่านั้น และจะบันทึกใน localStorage ก็ต่อเมื่อคุณเลือกจดจำ รับคีย์ API

เกี่ยวกับ ACE Step Audio Inpaint

รับ `audio_url` และเขียนเฉพาะส่วนระหว่าง `start_time` กับ `end_time` ใหม่ โดยแต่ละค่ามีหน่วยเป็นวินาทีตั้งแต่ 0 ถึง 240 แต่ละเวลาสามารถกำหนดโดยอ้างอิงจากจุดเริ่มต้นหรือจุดสิ้นสุดของคลิปได้ `tags` และ `lyrics` ใหม่จะควบคุมส่วนที่ถูกแทนที่ และ `variance` ใช้ควบคุมความหลากหลายของผลลัพธ์ มีการตั้งค่าคำแนะนำและจำนวนสเต็ปตามปกติให้ใช้งาน

พารามิเตอร์

ส่งชื่อมาตรฐานหรือชื่อดั้งเดิมอย่างใดอย่างหนึ่งเท่านั้น ห้ามส่งทั้งสองชื่อ ชื่อมาตรฐาน

ชื่อประเภท ค่าเริ่มต้นค่าที่อนุญาต คำอธิบาย
audio_urlจำเป็น audio
ประเภทurl · audio
URL ไฟล์เสียงสำหรับการเติมส่วนภาพ
start_time_relative_toไม่บังคับ
ประเภทenum
ค่าเริ่มต้นstart
startend
จุดอ้างอิงสำหรับเวลาเริ่มต้น: จุดเริ่มต้นหรือจุดสิ้นสุดของเสียง
start_timeไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0
0 – 240
เวลาเริ่มต้นของการเติมส่วนภาพ หน่วยเป็นวินาที
end_time_relative_toไม่บังคับ
ประเภทenum
ค่าเริ่มต้นstart
startend
จุดอ้างอิงสำหรับเวลาสิ้นสุด: จุดเริ่มต้นหรือจุดสิ้นสุดของเสียง
end_timeไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น30
0 – 240
เวลาสิ้นสุดของการเติมส่วนภาพ หน่วยเป็นวินาที
tagsจำเป็น
ประเภทstring
แท็กรูปแบบเสียงที่ระบุเป็นแนวเพลงคั่นด้วยจุลภาค โดยสามารถใช้ `prompt` เป็นทางเลือกในการระบุแท็กเหล่านี้ได้
lyricsไม่บังคับ
ประเภทstring
ค่าเริ่มต้น
เนื้อร้องที่ใช้ขับร้อง โดยจัดส่วนของเพลงด้วยตัวควบคุม เช่น [verse], [chorus] และ [bridge] หากเป็นเสียงที่ไม่มีเนื้อร้อง ให้เว้นอินพุตนี้ไว้หรือระบุเพียง [inst] หรือ [instrumental]
varianceไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0.5
0 – 1
ความแปรปรวนของการเติมส่วนภาพควบคุมความหลากหลายของผลลัพธ์ การเพิ่มค่าอาจทำให้เกิดความแตกต่างมากขึ้น
number_of_stepsไม่บังคับ
ประเภทinteger
ค่าเริ่มต้น27
3 – 60
จำนวนขั้นตอนที่ใช้ระหว่างการสร้างเสียง
seedไม่บังคับ
ประเภทinteger | null
Seed สำหรับการสร้างซ้ำได้ผลลัพธ์เดิม ซึ่งจะสุ่มเลือกหากคุณไม่ระบุค่า
schedulerไม่บังคับ
ประเภทenum
ค่าเริ่มต้นeuler
eulerheun
ตัวจัดตารางเวลาที่ใช้ระหว่างการสร้าง
guidance_typeไม่บังคับ
ประเภทenum
ค่าเริ่มต้นapg
cfgapgcfg_star
ประเภท CFG ที่ใช้ระหว่างการสร้าง
granularity_scaleไม่บังคับ
ประเภทinteger
ค่าเริ่มต้น10
-100 – 100
สเกลความละเอียดเชิงรายละเอียดที่ใช้ระหว่างการสร้าง การเพิ่มค่านี้อาจลดสิ่งแปลกปลอมได้
guidance_intervalไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0.5
0 – 1
สัดส่วนของตารางเวลาการสร้างที่ได้รับคำแนะนำ: การเลือก 0.5 จะจำกัดไว้ที่ขั้นตอนตั้งแต่ 0.25 * infer_steps ถึง 0.75 * infer_steps ทำให้ช่วงเริ่มต้นและสิ้นสุดไม่มีคำแนะนำ
guidance_interval_decayไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0
0 – 1
การลดลงของคำแนะนำภายในช่วงการสร้าง: 0.0 จะปิดใช้การลดลง มิฉะนั้นสเกลจะลดลงตลอดช่วงดังกล่าวจาก guidance_scale เป็น min_guidance_scale
guidance_scaleไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น15
0 – 200
สเกลของคำแนะนำที่ใช้ระหว่างการสร้าง
minimum_guidance_scaleไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น3
0 – 200
สเกลคำแนะนำต่ำสุดที่ถึงหลังการลดลงระหว่างการสร้าง
tag_guidance_scaleไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น5
0 – 10
สเกลของคำแนะนำแท็กที่ใช้ระหว่างการสร้าง
lyric_guidance_scaleไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น1.5
0 – 10
สเกลของคำแนะนำเนื้อร้องที่ใช้ระหว่างการสร้าง
จำเป็น ชื่อมาตรฐาน ซึ่งรองรับเช่นกัน

พารามิเตอร์ไฟล์รับ URL https:// สาธารณะ, data: URI ขนาดไม่เกิน 10 MB หรือ file_url ของไฟล์ที่อัปโหลด ไฟล์

เอาต์พุต

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ace-step/audio-inpaint",
  "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": 2,
    "usd": "0.002",
    "charged": 2,
    "refunded": 0
  },
  "input": {
    "tags": "lofi, hiphop, drum and bass, trap, chill",
    "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,
    "tags": "lofi, hiphop, drum and bass, trap, chill",
    "lyrics": "[inst]"
  },
  "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.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
ไฟล์ของคุณ คุณเลือกเองทุก outputs[].url คือสำเนาบนพื้นที่จัดเก็บของเรา: เก็บไว้ตลอดไป (คิดค่าบริการต่อ GB-เดือน) หรือฟรี 7 วัน โดยกำหนดได้ในการตั้งค่าบัญชีหรือ ?storage=
รูปแบบเดียวกันในทุกโมเดลtype, url, content_type, width, height และ duration สำหรับภาพ วิดีโอ และเสียงเหมือนกันทั้งหมด ส่วน output คือออบเจ็กต์ผลลัพธ์ของโมเดลเอง
ฟิลด์ของเอาต์พุต
audio
object {url, content_type, file_name, file_size}ไฟล์เสียงที่สร้างขึ้น
seed
integerRandom seed ที่ใช้ระหว่างการสร้าง
tags
stringแท็กแนวเพลงที่ใช้ระหว่างการสร้าง
lyrics
stringเนื้อร้องที่ใช้ระหว่างการสร้าง

โมเดลเพิ่มเติม: ข้อความเป็นเพลง

สำหรับเอเจนต์ AI: หน้า Markdown นี้อยู่ที่ https://doitong.com/th/developers/models/ace-step/audio-inpaint.md. โมเดลและคู่มือทั้งหมด: https://doitong.com/developers/llms.txt