Ir al contenido

Sam Audio · Visual Separate

Integrar

ID del modelo 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"

Archivos como el ejemplo: 0,05 $ 50 créditos de API tus archivos se miden antes de la ejecución Ejecutar en esta página

Obtener clave de API
Meta Vídeo a audio 10–60 s #video-to-audio#sam-audio

Separa un sonido de la pista de audio de un vídeo, guiado por un vídeo de máscara y una indicación de texto opcionales

Meta · Datos (JSON)

Tu primer resultado aparecerá aquí

Crea una solicitud a continuación y ejecútala con tu clave de API. Las salidas se copian en nuestro almacenamiento, conservadas para siempre o 7 días gratis.

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan al modificarlos.

predeterminado

Descripción en lenguaje natural del sonido objetivo para facilitar la separación.

•obligatorio video_url
Suelta un archivo o

URL del archivo de vídeo para procesarlo, en formatos como MP4 o MOV.

predeterminado 1

Número de candidatos generados para la clasificación.

Avanzado mask_video_url · acceleration · output_format · max_chunk_duration · chunk_overlap
Suelta un archivo o

URL del vídeo de máscara mediante una codificación binaria en la que el objeto objetivo aparece en negro sobre un fondo blanco.

acceleration predeterminado balanced

Nivel de aceleración aplicado al procesamiento.

output_format predeterminado wav

Formato del audio generado.

predeterminado 60

Límite de audio por pasada, medido en segundos, a partir del cual el procesamiento utiliza fragmentos superpuestos que se mezclan entre sí.

predeterminado 5

Duración de la superposición entre fragmentos, medida en segundos, utilizada para la mezcla de fundido cruzado.

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

Ejecutar esta solicitud

Tu clave permanece en este navegador: solo se envía a la Doitong API y solo se guarda en localStorage si marcas Recordar. Obtener una clave de API

Acerca de Sam Audio · Visual Separate

Acepta un `video_url` y extrae un sonido objetivo de su audio. Una `mask_video_url` opcional marca el objeto objetivo (negro para el objetivo, blanco para el fondo), y `prompt` puede añadir una indicación de texto. Se pueden clasificar hasta 4 `reranking_candidates`, y los audios largos se dividen en fragmentos. La salida contiene audio `target` y `residual` en wav o mp3.

Parámetros

Envía el nombre canónico o el nombre nativo, pero no ambos. Nombres canónicos

NombreTipo PredeterminadoPermitido Descripción
video_urlobligatorio video
Tipourl · video
URL del archivo de vídeo para procesarlo, en formatos como MP4 o MOV.
mask_video_urlopcional
Tipourl · video
URL del vídeo de máscara mediante una codificación binaria en la que el objeto objetivo aparece en negro sobre un fondo blanco.
promptopcional
Tipostring
Predeterminado
Descripción en lenguaje natural del sonido objetivo para facilitar la separación.
reranking_candidatesopcional
Tipointeger
Predeterminado1
1 – 4
Número de candidatos generados para la clasificación.
accelerationopcional
Tipoenum
Predeterminadobalanced
fastbalancedquality
Nivel de aceleración aplicado al procesamiento.
max_chunk_durationopcional
Tiponumber
Predeterminado60
10 – 60
Límite de audio por pasada, medido en segundos, a partir del cual el procesamiento utiliza fragmentos superpuestos que se mezclan entre sí.
chunk_overlapopcional
Tiponumber
Predeterminado5
0 – 30
Duración de la superposición entre fragmentos, medida en segundos, utilizada para la mezcla de fundido cruzado.
output_formatopcional
Tipoenum
Predeterminadowav
wavmp3
Formato del audio generado.
obligatorio Nombre canónico, también aceptado

Los parámetros de archivo aceptan una URL pública https://, un URI data: de hasta 10 MB o el file_url de una subida. Archivos

Salida

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"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: conservada para siempre (con pago por GB-mes) o 7 días gratis, según la configuración de tu cuenta o ?storage=.
La misma estructura en todos los modelostype, url, content_type, width, height y duration, tanto para imágenes como para vídeo y audio. output es el objeto de resultado propio del modelo.
Campos de salida
target
object {url, content_type, file_name, file_size}Sonido objetivo extraído de forma aislada.
residual
object {url, content_type, file_name, file_size}Audio restante aparte del sonido objetivo.
duration
numberDuración del audio de salida, medida en segundos.
sample_rate
integerFrecuencia de muestreo en Hz del audio de salida.

Más modelos: Vídeo a audio

Para agentes de IA: esta página en Markdown está en https://doitong.com/es-ES/developers/models/sam-audio/visual-separate.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt