稳定音频3中介已在EmpirioLabs上提供。 它是Stability AI的text-to-audio音乐和音效模型：描述一条轨道或声音，它会返回一段44.1 kHz的立体声剪辑，时长从1秒到380秒。它会继续运行 /v1/audio/generations后， 在 API 和 Playground 中。由 Stability AI 驱动。
听着
来自提示词“温暖的低保真嘻哈节拍，配以柔和的Rhodes钢琴、黑胶爆裂声、柔和贝斯和刷鼓，85 BPM”的30秒节拍：
还有一段10秒的音效：“一列蒸汽火车经过车站：呼啸声接近，长哨声，刹车尖叫，随后渐渐消失”：
针对Stable Audio 2.5和ACE-Step 1.5 XL的两个提示都已出现 Stable Audio 3 中等版 vs Stable Audio 2.5 vs ACE-Step 1.5 XL。 。 。.
它与Stable Audio 2.5和ACE-Step 1.5 XL的区别
稳定音频 2.5 MP3或WAV版本可将最长190秒的片段制作。Stable Audio 3 Medium延长至380秒，并增加了FLAC和Ogg。 ACE-Step 1.5 XL 创作带有歌词的歌曲;Stable Audio 3 Medium制作器乐音乐和音效，不接受歌词。
你的第一个请求
curl https://api.empiriolabs.ai/v1/audio/generations \ -h “授权：持有者 $EMPIRIOLABS_API_key” \ -h “内容类型：application/json” \ -d '{ “model”：“stable-audio-3-medium”， “提示”：“欢快的原声民谣，明亮的吉他和柔和的打击乐，110 BPM”，“时长：45 }'回应是 任务(d).轮询直到它完成;结果默认带有带签名的片段 MP3 URL：
卷 https://api.empiriolabs.ai/v1/jobs/JOB_ID \H "授权:熊熊$EMPRIOLABS API KEY"控制
- 长度。
会期（或audio_duration）从1秒到380秒;默认为30秒。 - 台阶。
num_inference_steps从4分到8分;默认为8分。 - 种子。
种子为剪辑设置随机种子。 - 格式。
节目形式拿到mp3, (中文),WAV, (中文),FLAC，或者奥格， 和response_format设置为b64_json返回base64而非URL。
写作提示
- 音乐。 说出曲风、主奏乐器、氛围和BPM中的节奏。
- 音效。 描述发生的顺序，比如接近、吹口哨，然后渐渐消失。
作战笔记
- 每个请求的计费都一样，无论长度如何。 380秒的曲目价格相当于10秒的曲目，所以一次请求时可以要求你需要的长度。
- 田地被拒绝。
negative_prompt, (中文),歌词400 不允许 、 导航设置和音频输入，持续时间超过 380 秒也不适用。 - 使用政策。 该模型的使用遵循了Stability AI可接受使用政策和Gemma禁止使用政策，均见我们的第18节 服务条件。 。 。.
定价
按请求计费。 一次请求返回一个片段，长度符合你的要求，拒绝的请求则不计费。当前费率在 模型页面 页:1 定价页面。 。 。.
开始建造
试试 Stable Audio 3 Medium 在 Playground 并阅读 API 文档 对每个参数。
Stable Audio 3 Medium 采用 Stability AI 社区许可证，版权归 © Stability AI Ltd. 所有。保留所有权利。由 Stability AI 支持。
