Como usar a API Stable Audio 3 Medium

Stable Audio 3 Medium está disponível na EmpirioLabs. É o modelo text-to-audio da Stability AI para música e efeitos sonoros: descreva uma faixa ou um som e ele retorna um clipe estéreo de 44,1 kHz de 1 a 380 segundos de duração. Ele roda PÓS-/v1/audio/generations, na API e na Playground. Powered by Stability AI.

Escuta

Uma batida de 30 segundos do prompt "Batida quente de hip hop lo-fi com piano Rhodes suave, estalos de vinil, baixo suave e bateria escovada, 85 BPM":

E um efeito sonoro de 10 segundos, "Um trem a vapor passando por uma estação: aproximando-se bufando, um apito longo, freios rangendo, depois desaparecendo":

Ambos os prompts contra Stable Audio 2.5 e ACE-Step 1.5 XL estão em Stable Audio 3 Médio vs Stable Audio 2.5 vs ACE-Step 1.5 XL.

Como ele difere do Stable Audio 2.5 e ACE-Step 1.5 XL

Stable Audio 2.5 faz clipes de até 190 segundos em MP3 ou WAV. O Stable Audio 3 Medium vai para 380 segundos e adiciona FLAC e Ogg. ACE-Step 1.5 XL escreve músicas com letras cantadas; Stable Audio 3 Medium produz música instrumental e efeitos sonoros e não aceita letras.

Seu primeiro pedido

curl https://api.empiriolabs.ai/v1/audio/generations \ -H "Autorização: Portador $EMPIRIOLABS_API_KEY" \ -H "Tipo-Conteúdo: application/json" \ -d '{ "modelo": "stable-audio-3-medium", "prompt": "Folk acústico animado com violão brilhante e percussão suave, 110 BPM", "duração": 45 }'

A resposta é um job id. Faça uma pesquisa até que ele termine; o resultado carrega uma URL assinada para o clipe, MP3 por padrão:

curl https://api.empiriolabs.ai/v1/jobs/JOB_ID \ -H "Autorização: Portador $EMPIRIOLABS_API_KEY"

Controles

• Comprimento. duração (ou audio_duration) de 1 a 380 segundos; 30 por padrão.
• Passos. num_inference_steps de 4 para 8; 8 por padrão.
• Semente. Semente define a semente aleatória para um clipe.
• Formats. Formato Takes mp3, WAV, FLAC, ou ogg, e response_format definir para b64_json retorna base64 em vez de uma URL.

Prompts de escrita

• Música. Diga o gênero, os instrumentos principais, o clima e o tempo em BPM.
• Efeitos sonoros. Descreva o que acontece em ordem, como se aproximar, um apito e depois desaparecer.

Notas operacionais

• Cada pedido é cobrado igual, com qualquer extensão. Uma faixa de 380 segundos custa o mesmo que uma de 10 segundos, então peça o comprimento que você precisa em um pedido.
• Campos recusados. negative_prompt, Letra, as configurações de orientação e entradas de áudio são recusadas com 400, assim como uma duração acima de 380 segundos.
• Política de uso. O uso deste modelo segue a Política de Uso Aceitável da Stability AI e a Política de Uso Proibido da Gemma para seu codificador de texto, ambas na seção 18 do nosso Termos de Serviço.

Preços

Cobrado conforme solicitado. Uma solicitação retorna um clipe no comprimento que você pediu, e uma solicitação recusada não é cobrada. As tarifas atuais estão no página do modelo e o página de preços.

Comece a construir

Tente o Stable Audio 3 Medium no Playground e lê o Documentação da API para cada parâmetro.

Stable Audio 3 Medium está licenciado sob a Licença Comunitária Stability AI, Copyright © Stability AI Ltd. Todos os direitos reservados. Powered by Stability AI.

Divulgação: Este artigo foi escrito com assistência de IA e revisado por EmpirioLabs IA.