Wie man die Stable Audio 3 Medium API verwendet

Stable Audio 3 Medium ist auf EmpirioLabs verfügbar. Es ist das text-to-audio Modell von Stability AI für Musik und Soundeffekte: Beschreibt man eine Spur oder einen Ton, gibt er einen 44,1 kHz langen Stereoclip von 1 bis 380 Sekunden zurück. Er läuft auf POST /v1/audio/generations, in der API und im Playground. Angetrieben von Stability AI.

Hör zu

Ein 30-sekündiger Beat aus dem Prompt "Warmer Lo-Fi-Hip-Hop-Beat mit sanftem Rhodes-Klavier, Vinyl-Knistern, sanftem Bass und gebrushten Drums, 85 BPM":

Und ein 10-sekündiger Soundeffekt: "Eine Dampflokomotive, die durch einen Bahnhof fährt: nähert sich schnaufend, ein langer Pfiff, quietschende Bremsen, dann verschwindet er":

Beide Prompts gegen Stable Audio 2.5 und ACE-Step 1.5 XL sind aktiviert Stable Audio 3 Medium vs. Stable Audio 2.5 vs. ACE-Step 1.5 XL.

Wie unterscheidet es sich von Stable Audio 2.5 und ACE-Step 1.5 XL

Stable Audio 2.5 macht Clips bis zu 190 Sekunden in MP3 oder WAV. Stable Audio 3 Medium wird auf 380 Sekunden verlängert und fügt FLAC und Ogg hinzu. ACE-Step 1.5 XL schreibt Songs mit gesungenen Texten; Stable Audio 3 Medium erstellt instrumentale Musik und Soundeffekte und nimmt keine Texte auf.

Deine erste Bitte

curl https://api.empiriolabs.ai/v1/audio/generations \ -H "Autorisierung: Träger $EMPIRIOLABS_API_KEY" \ -H "Inhaltstyp: application/json" \ -d '{ "model": "stable-audio-3-medium", "prompt": "Beschwingte akustische Folkmusik mit leuchtender Gitarre und sanfter Percussion, 110 BPM", "Duration": 45 }'

Die Antwort lautet ein job id. Abfragen Sie es, bis es abgeschlossen ist; das Ergebnis enthält eine signierte URL zum Clip, standardmäßig MP3:

curl https://api.empiriolabs.ai/v1/jobs/JOB_ID \ -H "Berechtigung: Bearer $EMPIRIOLABS API KEY"

Steuerung

• Länge. dauer (oder audio_duration) von 1 auf 380 Sekunden; standardmäßig 30.
• Schritte. num_inference_steps von 4 auf 8; standardmäßig 8.
• Samen. Saatgut setzt den zufälligen Seed für einen Clip.
• Formate. Format Takes mp3, WAV, FLAC, oder ogg, und response_format Setzen Sie auf b64_json gibt base64 statt einer URL zurück.

Schreibanregungen

• Musik. Benennen Sie das Genre, die Hauptinstrumente, die Stimmung und das Tempo in BPM.
• Soundeffekte. Beschreiben Sie, was in der richtigen Reihenfolge passiert, wie zum Beispiel Annähern, ein Pfeifen und dann wieder verschwinden.

Betriebshinweise

• Jede Anfrage wird gleich abgerechnet, in beliebiger Länge. Ein 380-Sekunden-Track kostet das, was ein 10-Sekunden-Track kostet, also frage in einer Anfrage nach der benötigten Länge.
• Abgelehnte Felder. negative_prompt, Liedtext, Steuereinstellungen und Audioeingänge werden mit 400 abgelehnt, ebenso wie eine Dauer über 380 Sekunden.
• Nutzungsrichtlinie. Die Nutzung dieses Modells folgt der Stability AI Acceptable Use Policy und der Gemma Prohibited Use Policy für seinen Textcoder, beide in Abschnitt 18 unseres Nutzungsbedingungen.

Preisgestaltung

Berechnet pro Anfrage. Eine Anfrage bringt einen Clip in der gewünschten Länge zurück, und eine abgelehnte Anfrage wird nicht berechnet. Die aktuellen Preise sind auf dem modellblatt und die preisseite.

Beginnen Sie mit dem Bau

Versuche Stable Audio 3 Medium im Playground und lies die API-Dokumentation für jeden Parameter.

Stable Audio 3 Medium ist unter der Stability AI Community License lizenziert, Copyright © Stability AI Ltd. Alle Rechte vorbehalten. Angetrieben von Stability AI.