Cómo usar la API Stable Audio 3 Medium

Stable Audio 3 Medium está disponible en EmpirioLabs. Es el modelo text-to-audio de Stability AI para música y efectos de sonido: describe una pista o un sonido y devuelve un clip estéreo de 44,1 kHz de 1 a 380 segundos de duración. Funciona DESPUÉS /v1/audio/generations, en la API y en la Playground. Impulsado por Stability AI.

Escucha

Un ritmo de 30 segundos del prompt "Ritmo cálido de hip hop lo-fi con suave piano Rhodes, crackle de vinilo, bajo suave y batería cepillada, 85 BPM":

Y un efecto de sonido de 10 segundos, "Un tren de vapor pasando por una estación: acercándose bufando, un silbato largo, frenos chirriando, y luego desvaneciéndose":

Ambos avisos contra Stable Audio 2.5 y ACE-Step 1.5 XL están en Stable Audio 3 Medium vs Stable Audio 2.5 vs ACE-Step 1.5 XL.

Cómo se diferencia de Stable Audio 2.5 y ACE-Step 1.5 XL

Audio estable 2.5 hace que los clips puedan durar hasta 190 segundos en MP3 o WAV. Stable Audio 3 Medium llega a 380 segundos y añade FLAC y Ogg. ACE-Step 1.5 XL escribe canciones con letras cantadas; Stable Audio 3 Medium produce música instrumental y efectos de sonido y no toma letras.

Tu primera petición

curl https://api.empiriolabs.ai/v1/audio/generations \ -H "Autorización: Portador $EMPIRIOLABS_API_KEY" \ -H "Tipo-Contenido: application/json" \ -d '{ "modelo": "stable-audio-3-medium", "prompt": "Folk acústico animado con guitarra brillante y percusión suave, 110 BPM", "duración": 45 }'

La respuesta es una job id. Consulta hasta que termine; el resultado lleva una URL firmada al clip, MP3 por defecto:

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

Controles

• Longitud. duración (o audio_duration) de 1 a 380 segundos; 30 por defecto.
• Escalones. num_inference_steps de 4 a 8; 8 por defecto.
• Semillas. Semilla Establece la semilla aleatoria para un clip.
• Formatos. Formato Toma mp3, WAW, FLAC, o Ogg, y response_format Establecido a b64_json devuelve base64 en lugar de una URL.

Prompts de escritura

• Música. Nombra el género, los instrumentos principales, el ambiente y el tempo en BPM.
• Efectos de sonido. Describe lo que ocurre en orden, como acercarse, un silbido y luego desvanecerse.

Notas operativas

• Cada solicitud se factura igual, con cualquier extensión. Una pista de 380 segundos cuesta lo que una de 10 segundos, así que pide la duración que necesitas en una sola petición.
• Campos rechazados. negative_prompt, Letra, los ajustes de guía y las entradas de audio se rechazan con un 400, al igual que una duración superior a 380 segundos.
• Política de uso. El uso de este modelo sigue la Política de Uso Aceptable de Stability AI y la Política de Uso Prohibido de Gemma para su codificador de texto, ambas en la sección 18 de nuestro Términos de servicio.

Precios

Facturado por petición. Una solicitud devuelve un clip de la longitud que pides, y una solicitud rechazada no se factura. Las tarifas actuales están en el página modelo y el página de precios.

Empieza a construir

Prueba Stable Audio 3 Medium en el Playground y lee el Documentación de la API para cada parámetro.

Stable Audio 3 Medium está licenciado bajo la Licencia de la Comunidad Stability AI, Copyright © Stability AI Ltd. Todos los derechos reservados. Impulsado por Stability AI.