Neidio i'r cynnwys

Sam Audio · Visual Separate

Integreiddio

ID y model sam-audio/visual-separate
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/sam-audio/visual-separate?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "video": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Ffeiliau fel yr enghraifft: $0.05 50 o gredydau API caiff eich ffeiliau eu mesur cyn y rhediad Ei redeg ar y dudalen hon

Cael allwedd API
Meta Fideo i Sain 10–60 s #video-to-audio#sam-audio

Yn gwahanu sain oddi wrth drac sain fideo, wedi'i harwain gan fideo masg a phrompt testun dewisol

Meta · Data (JSON)

Mae eich canlyniad cyntaf yn mynd yma

Adeiladwch gais isod a'i redeg gyda'ch allwedd API. Mae allbynnau'n cael eu copïo i'n storio, wedi'u cadw am byth neu am 7 diwrnod am ddim.

Adeiladu cais

Cynhyrchir rheolyddion o sgema'r model. Mae'r cod a'r pris yn diweddaru wrth i chi eu newid.

rhagosodedig

Disgrifiad iaith naturiol o'r sain darged i gynorthwyo gwahanu.

•gofynnol video_url
Gollyngwch ffeil, neu

URL ffeil fideo i'w phrosesu, mewn fformatau megis MP4 neu MOV.

rhagosodedig 1

Nifer yr ymgeiswyr a gynhyrchir ar gyfer graddio.

Uwch mask_video_url · acceleration · output_format · max_chunk_duration · chunk_overlap
Gollyngwch ffeil, neu

URL fideo mwgwd sy'n defnyddio amgodio deuaidd lle mae'r gwrthrych targed yn ymddangos yn ddu yn erbyn cefndir gwyn.

acceleration rhagosodedig balanced

Lefel cyflymu a gymhwysir i brosesu.

output_format rhagosodedig wav

Fformat ar gyfer y sain a gynhyrchir.

rhagosodedig 60

Terfyn sain fesul pas, wedi'i fesur mewn eiliadau, y tu hwnt iddo mae prosesu'n defnyddio talpiau sy'n gorgyffwrdd ac yn cael eu cyfuno.

rhagosodedig 5

Hyd y gorgyffwrdd rhwng talpiau, wedi'i fesur mewn eiliadau, a ddefnyddir ar gyfer cyfuno traws-pylu.

POST /run/sam-audio/visual-separate?wait=20 dyfynbris → $0.05
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/sam-audio/visual-separate?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "video": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Rhedeg y cais hwn

Mae'ch allwedd yn aros yn y porwr hwn: caiff ei hanfon at Doitong API yn unig a'i chadw (localStorage) dim ond os ticiwch Cofio. Cael allwedd API

Ynglŷn â Sam Audio · Visual Separate

Yn cymryd `video_url` ac yn echdynnu sain darged o'i sain. Mae `mask_video_url` dewisol yn nodi'r gwrthrych targed (du ar gyfer y targed, gwyn ar gyfer y cefndir), a gall `prompt` ychwanegu awgrym testun. Gellir graddio hyd at 4 `reranking_candidates`, a chaiff sain hir ei rhannu'n ddarnau. Mae'r allbwn yn cynnwys sain `target` a `residual` mewn wav neu mp3.

Paramedrau

Anfonwch naill ai'r enw canonaidd neu'r enw brodorol, nid y ddau. Enwau canonaidd

EnwMath RhagosodedigCaniateir Disgrifiad
video_urlgofynnol video
Mathurl · video
URL ffeil fideo i'w phrosesu, mewn fformatau megis MP4 neu MOV.
mask_video_urldewisol
Mathurl · video
URL fideo mwgwd sy'n defnyddio amgodio deuaidd lle mae'r gwrthrych targed yn ymddangos yn ddu yn erbyn cefndir gwyn.
promptdewisol
Mathstring
Rhagosodedig
Disgrifiad iaith naturiol o'r sain darged i gynorthwyo gwahanu.
reranking_candidatesdewisol
Mathinteger
Rhagosodedig1
1 – 4
Nifer yr ymgeiswyr a gynhyrchir ar gyfer graddio.
accelerationdewisol
Mathenum
Rhagosodedigbalanced
fastbalancedquality
Lefel cyflymu a gymhwysir i brosesu.
max_chunk_durationdewisol
Mathnumber
Rhagosodedig60
10 – 60
Terfyn sain fesul pas, wedi'i fesur mewn eiliadau, y tu hwnt iddo mae prosesu'n defnyddio talpiau sy'n gorgyffwrdd ac yn cael eu cyfuno.
chunk_overlapdewisol
Mathnumber
Rhagosodedig5
0 – 30
Hyd y gorgyffwrdd rhwng talpiau, wedi'i fesur mewn eiliadau, a ddefnyddir ar gyfer cyfuno traws-pylu.
output_formatdewisol
Mathenum
Rhagosodedigwav
wavmp3
Fformat ar gyfer y sain a gynhyrchir.
gofynnol Enw canonaidd, derbyniol hefyd

Mae paramedrau ffeil yn derbyn URL cyhoeddus https://, URI data: hyd at 10 MB, neu file_url uwchlwythiad. Ffeiliau

Allbwn

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "sam-audio/visual-separate",
  "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": 50,
    "usd": "0.05",
    "charged": 50,
    "refunded": 0
  },
  "input": {
    "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  },
  "output": {
    "target": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    },
    "residual": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    },
    "duration": 5,
    "sample_rate": 48000
  },
  "outputs": [
    {
      "type": "file",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_size": 1843200,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Eich ffeiliau, eich dewisMae pob outputs[].url yn gopi ar ein storio: wedi'i gadw am byth (telir fesul GB-mis) neu am 7 diwrnod am ddim, yn ôl gosodiad eich cyfrif neu ?storage=.
Yr un siâp ar bob modeltype, url, content_type, width, height a duration, ar gyfer delweddau, fideo a sain fel ei gilydd. Gwrthrych canlyniad y model ei hun yw output.
Meysydd yr allbwn
target
object {url, content_type, file_name, file_size}Sain darged wedi'i hechdynnu ar ei phen ei hun.
residual
object {url, content_type, file_name, file_size}Sain sy'n weddill ar wahân i'r sain darged.
duration
numberHyd sain allbwn, wedi'i fesur mewn eiliadau.
sample_rate
integerAmledd samplu mewn Hz ar gyfer y sain allbwn.

Mwy o fodelau: Fideo i Sain

Ar gyfer asiantau AI: mae'r dudalen hon fel Markdown ar gael yn https://doitong.com/cy/developers/models/sam-audio/visual-separate.md. Pob model a chanllaw: https://doitong.com/developers/llms.txt