Μετάβαση στο περιεχόμενο

Sam Audio · Visual Separate

Ενσωμάτωση

id μοντέλου 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"

Αρχεία όπως το παράδειγμα: 0,05 $ 50 πιστώσεις API τα αρχεία σας μετρώνται πριν από την εκτέλεση Εκτέλεση σε αυτήν τη σελίδα

Λήψη κλειδιού API
Meta Βίντεο σε ήχο 10–60 s #video-to-audio#sam-audio

Διαχωρίζει έναν ήχο από το ηχητικό κομμάτι ενός βίντεο, με προαιρετική καθοδήγηση από βίντεο μάσκας και prompt κειμένου

Meta · Δεδομένα (JSON)

Το πρώτο σας αποτέλεσμα θα εμφανιστεί εδώ

Δημιουργήστε ένα αίτημα παρακάτω και εκτελέστε το με το κλειδί API σας. Οι έξοδοι αντιγράφονται στην αποθήκευσή μας και διατηρούνται για πάντα ή 7 ημέρες δωρεάν.

Δημιουργία αιτήματος

Τα στοιχεία ελέγχου δημιουργούνται από το σχήμα του μοντέλου. Ο κώδικας και η τιμή ενημερώνονται καθώς τα αλλάζετε.

προεπιλογή

Περιγραφή σε φυσική γλώσσα του ήχου-στόχου για υποβοήθηση του διαχωρισμού.

•απαιτείται video_url
Αποθέστε ένα αρχείο ή

URL αρχείου βίντεο για επεξεργασία, σε μορφές όπως MP4 ή MOV.

προεπιλογή 1

Αριθμός υποψηφίων που δημιουργούνται για κατάταξη.

Για προχωρημένους mask_video_url · acceleration · output_format · max_chunk_duration · chunk_overlap
Αποθέστε ένα αρχείο ή

URL βίντεο μάσκας με δυαδική κωδικοποίηση, όπου το αντικείμενο-στόχος εμφανίζεται μαύρο σε λευκό φόντο.

acceleration προεπιλογή balanced

Επίπεδο επιτάχυνσης που εφαρμόζεται στην επεξεργασία.

output_format προεπιλογή wav

Μορφή του παραγόμενου ήχου.

προεπιλογή 60

Όριο ήχου ανά πέρασμα, μετρημένο σε δευτερόλεπτα, πέρα από το οποίο η επεξεργασία χρησιμοποιεί επικαλυπτόμενα τμήματα που αναμειγνύονται μεταξύ τους.

προεπιλογή 5

Μήκος της επικάλυψης μεταξύ τμημάτων, μετρημένο σε δευτερόλεπτα, που χρησιμοποιείται για ανάμειξη crossfade.

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

Εκτέλεση αυτού του αιτήματος

Το κλειδί σας παραμένει σε αυτό το πρόγραμμα περιήγησης: αποστέλλεται μόνο στο Doitong API και αποθηκεύεται (localStorage) μόνο αν ενεργοποιήσετε την επιλογή «Να απομνημονεύεται». Λήψη κλειδιού API

Σχετικά με το Sam Audio · Visual Separate

Λαμβάνει ένα `video_url` και εξάγει έναν ήχο-στόχο από τον ήχο του. Ένα προαιρετικό `mask_video_url` επισημαίνει το αντικείμενο-στόχο (μαύρο για τον στόχο, λευκό για το φόντο) και το `prompt` μπορεί να προσθέσει κειμενική υπόδειξη. Μπορούν να καταταχθούν έως 4 `reranking_candidates` και ο μεγάλης διάρκειας ήχος τμηματοποιείται. Η έξοδος περιέχει ήχο `target` και `residual` σε wav ή mp3.

Παράμετροι

Στείλτε είτε το κανονικό όνομα είτε το εγγενές όνομα, όχι και τα δύο. Κανονικά ονόματα

ΌνομαΤύπος ΠροεπιλογήΕπιτρεπόμενο Περιγραφή
video_urlαπαιτείται video
Τύποςurl · video
URL αρχείου βίντεο για επεξεργασία, σε μορφές όπως MP4 ή MOV.
mask_video_urlπροαιρετικό
Τύποςurl · video
URL βίντεο μάσκας με δυαδική κωδικοποίηση, όπου το αντικείμενο-στόχος εμφανίζεται μαύρο σε λευκό φόντο.
promptπροαιρετικό
Τύποςstring
Προεπιλογή
Περιγραφή σε φυσική γλώσσα του ήχου-στόχου για υποβοήθηση του διαχωρισμού.
reranking_candidatesπροαιρετικό
Τύποςinteger
Προεπιλογή1
1 – 4
Αριθμός υποψηφίων που δημιουργούνται για κατάταξη.
accelerationπροαιρετικό
Τύποςenum
Προεπιλογήbalanced
fastbalancedquality
Επίπεδο επιτάχυνσης που εφαρμόζεται στην επεξεργασία.
max_chunk_durationπροαιρετικό
Τύποςnumber
Προεπιλογή60
10 – 60
Όριο ήχου ανά πέρασμα, μετρημένο σε δευτερόλεπτα, πέρα από το οποίο η επεξεργασία χρησιμοποιεί επικαλυπτόμενα τμήματα που αναμειγνύονται μεταξύ τους.
chunk_overlapπροαιρετικό
Τύποςnumber
Προεπιλογή5
0 – 30
Μήκος της επικάλυψης μεταξύ τμημάτων, μετρημένο σε δευτερόλεπτα, που χρησιμοποιείται για ανάμειξη crossfade.
output_formatπροαιρετικό
Τύποςenum
Προεπιλογήwav
wavmp3
Μορφή του παραγόμενου ήχου.
απαιτείται Κανονικό όνομα, επίσης αποδεκτό

Οι παράμετροι αρχείων δέχονται ένα δημόσιο URL https://, ένα URI data: έως 10 MB ή το file_url μιας μεταφόρτωσης. Αρχεία

Έξοδος

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"
  }
}
Τα αρχεία σας, η επιλογή σαςΚάθε outputs[].url είναι ένα αντίγραφο στην αποθήκευσή μας: διατηρείται για πάντα (χρέωση ανά GB-μήνα) ή 7 ημέρες δωρεάν, σύμφωνα με τη ρύθμιση του λογαριασμού σας ή ?storage=.
Ίδια μορφή σε κάθε μοντέλοtype, url, content_type, width, height και duration, τόσο για εικόνες όσο και για βίντεο και ήχο. Το output είναι το αντικείμενο αποτελέσματος του ίδιου του μοντέλου.
Πεδία εξόδου
target
object {url, content_type, file_name, file_size}Ήχος-στόχος που εξάγεται μεμονωμένα.
residual
object {url, content_type, file_name, file_size}Ήχος που απομένει εκτός του ήχου-στόχου.
duration
numberΜήκος ήχου εξόδου, μετρημένο σε δευτερόλεπτα.
sample_rate
integerΣυχνότητα δειγματοληψίας σε Hz για τον ήχο εξόδου.

Περισσότερα μοντέλα: Βίντεο σε ήχο

Για πράκτορες AI: αυτή η σελίδα σε Markdown βρίσκεται στη διεύθυνση https://doitong.com/el/developers/models/sam-audio/visual-separate.md. Όλα τα μοντέλα και οι οδηγοί: https://doitong.com/developers/llms.txt