Zum Inhalt springen

Sam Audio · Visual Separate

Integrieren

Modell-ID 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"

Dateien wie das Beispiel: 0,05 $ 50 API-Credits Deine Dateien werden vor der Ausführung gemessen Auf dieser Seite ausführen

API-Schlüssel abrufen
Meta Video zu Audio 10–60 s #video-to-audio#sam-audio

Trennt einen Ton aus der Audiospur eines Videos, gesteuert durch ein optionales Maskenvideo und einen Text-Prompt

Meta · Daten (JSON)

Dein erstes Ergebnis erscheint hier

Erstelle unten eine Anfrage und führe sie mit deinem API-Schlüssel aus. Ausgaben werden in unseren Speicher kopiert und dauerhaft oder 7 Tage kostenlos aufbewahrt.

Anfrage erstellen

Die Steuerelemente werden aus dem Modellschema generiert. Code und Preis werden aktualisiert, während du sie änderst.

Standard

Beschreibung des Zielgeräuschs in natürlicher Sprache zur Unterstützung der Trennung.

•erforderlich video_url
Datei ablegen oder

URL der zu verarbeitenden Videodatei, beispielsweise im MP4- oder MOV-Format.

Standard 1

Anzahl der für das Ranking generierten Kandidaten.

Erweitert mask_video_url · acceleration · output_format · max_chunk_duration · chunk_overlap
Datei ablegen oder

Maskenvideo-URL mit binärer Kodierung, bei der das Zielobjekt vor weißem Hintergrund schwarz erscheint.

acceleration Standard balanced

Auf die Verarbeitung angewendete Beschleunigungsstufe.

output_format Standard wav

Format des generierten Audios.

Standard 60

Audio-Limit pro Durchlauf, gemessen in Sekunden; darüber hinaus werden überlappende und miteinander verblendete Segmente verwendet.

Standard 5

Länge der Überlappung zwischen Segmenten, gemessen in Sekunden und für die Crossfade-Verblendung verwendet.

POST /run/sam-audio/visual-separate?wait=20 Preis → 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"

Diese Anfrage ausführen

Dein Schlüssel bleibt in diesem Browser: Er wird nur an die Doitong API gesendet und nur gespeichert (localStorage), wenn du „Merken“ aktivierst. API-Schlüssel abrufen

Über Sam Audio · Visual Separate

Verarbeitet eine `video_url` und extrahiert einen Zielton aus dem Audio. Eine optionale `mask_video_url` markiert das Zielobjekt (schwarz für das Ziel, weiß für den Hintergrund), und `prompt` kann einen Texthinweis hinzufügen. Bis zu 4 `reranking_candidates` können bewertet werden, und lange Audiodateien werden in Abschnitte aufgeteilt. Die Ausgabe enthält `target`- und `residual`-Audio als wav oder mp3.

Parameter

Sende entweder den kanonischen Namen oder den nativen Namen, nicht beide. Kanonische Namen

NameTyp StandardZulässig Beschreibung
video_urlerforderlich video
Typurl · video
URL der zu verarbeitenden Videodatei, beispielsweise im MP4- oder MOV-Format.
mask_video_urloptional
Typurl · video
Maskenvideo-URL mit binärer Kodierung, bei der das Zielobjekt vor weißem Hintergrund schwarz erscheint.
promptoptional
Typstring
Standard
Beschreibung des Zielgeräuschs in natürlicher Sprache zur Unterstützung der Trennung.
reranking_candidatesoptional
Typinteger
Standard1
1 – 4
Anzahl der für das Ranking generierten Kandidaten.
accelerationoptional
Typenum
Standardbalanced
fastbalancedquality
Auf die Verarbeitung angewendete Beschleunigungsstufe.
max_chunk_durationoptional
Typnumber
Standard60
10 – 60
Audio-Limit pro Durchlauf, gemessen in Sekunden; darüber hinaus werden überlappende und miteinander verblendete Segmente verwendet.
chunk_overlapoptional
Typnumber
Standard5
0 – 30
Länge der Überlappung zwischen Segmenten, gemessen in Sekunden und für die Crossfade-Verblendung verwendet.
output_formatoptional
Typenum
Standardwav
wavmp3
Format des generierten Audios.
erforderlich Kanonischer Name, ebenfalls akzeptiert

Dateiparameter akzeptieren eine öffentliche https://-URL, eine data:-URI bis 10 MB oder die file_url eines Uploads. Dateien

Ausgabe

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"
  }
}
Deine Dateien, deine EntscheidungJede outputs[].url ist eine Kopie in unserem Speicher: dauerhaft aufbewahrt (Abrechnung pro GB-Monat) oder 7 Tage kostenlos – je nach Kontoeinstellung oder ?storage=.
Gleiche Struktur bei jedem Modelltype, url, content_type, width, height und duration – für Bilder, Video und Audio gleichermaßen. output ist das Ergebnisobjekt des Modells.
Ausgabefelder
target
object {url, content_type, file_name, file_size}Isoliert extrahiertes Zielgeräusch.
residual
object {url, content_type, file_name, file_size}Audio, das abgesehen vom Zielgeräusch übrig bleibt.
duration
numberLänge der Ausgabe-Audios, gemessen in Sekunden.
sample_rate
integerAbtastfrequenz des Ausgabe-Audios in Hz.

Weitere Modelle: Video zu Audio

Für KI-Agenten: Diese Seite ist als Markdown verfügbar unter https://doitong.com/de/developers/models/sam-audio/visual-separate.md. Alle Modelle und Anleitungen: https://doitong.com/developers/llms.txt