رفتن به محتوا

DiffRhythm: Lyrics to Song

یکپارچه‌سازی

شناسه مدل diffrhythm
# 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/diffrhythm?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "lyrics": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# 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"

این درخواست: ⁨‎$۰٫۱۰⁩ ۱۰۰ اعتبار API اجرای آن در این صفحه

دریافت کلید API
Open model متن به موسیقی ورودی‌های مرجع۹۵–۲۸۵ ثانیه #music

متن ترانه را با پرامپت سبک اختیاری، صوت مرجع و طول 95 s یا 285 s به یک آهنگ کامل تبدیل می‌کند

Open model · صوت

اولین نتیجه شما اینجا قرار می‌گیرد

درخواست را در زیر بسازید و با کلید API خود اجرا کنید. خروجی‌ها در فضای ذخیره‌سازی ما کپی می‌شوند و برای همیشه یا به‌مدت ۷ روز رایگان نگه‌داری می‌شوند.

ساخت درخواست

کنترل‌ها از شِمای مدل تولید می‌شوند. با تغییر آن‌ها، کد و قیمت به‌روزرسانی می‌شوند.

•الزامی

پرامپت تولید آهنگ شامل دقیقاً دو بخش که هرکدام با [chorus] یا [verse] آغاز می‌شوند.

music_duration ۹۵ s

مدت موسیقی تولیدشده.

پیشرفته style_prompt · reference_audio_url · scheduler · cfg_strength · num_inference_steps

پرامپت توصیف‌کننده سبک موسیقی تولیدشده.

یک فایل بیندازید، یا

URL اشاره‌کننده به صوت مرجع برای تولید موسیقی.

scheduler پیش‌فرض euler

زمان‌بندی استفاده‌شده هنگام تولید موسیقی.

پیش‌فرض 4

قدرت CFG اعمال‌شده هنگام تولید موسیقی.

پیش‌فرض 32

تعداد گام‌های استنتاج برای تولید موسیقی.

POST /run/diffrhythm?wait=20 قیمت → ⁨‎$۰٫۱۰⁩
# 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/diffrhythm?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "lyrics": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# 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"

اجرای این درخواست

کلید شما در این مرورگر باقی می‌ماند: فقط به Doitong API ارسال می‌شود و فقط در صورت فعال‌کردن گزینه «یادآوری»، در localStorage ذخیره می‌شود. دریافت کلید API

درباره DiffRhythm: Lyrics to Song

از متن ترانه آهنگی کامل می‌سازد. `lyrics` باید حداقل دو بخش داشته باشد و هر بخش با برچسب [verse] یا [chorus] شروع شود. صدا را با `style_prompt` یا `reference_audio_url` هدایت کنید و `music_duration` را روی 95s یا 285s بگذارید. کنترل‌های نمونه‌برداری شامل `scheduler`، `cfg_strength` (1 تا 10) و `num_inference_steps` (10 تا 100) هستند.

پارامترها

نامنوع پیش‌فرضمجاز توضیحات
lyricsالزامی
نوعstring
پرامپت تولید آهنگ شامل دقیقاً دو بخش که هرکدام با [chorus] یا [verse] آغاز می‌شوند.
reference_audio_urlاختیاری
نوعurl · audio
URL اشاره‌کننده به صوت مرجع برای تولید موسیقی.
style_promptاختیاری
نوعstring
پرامپت توصیف‌کننده سبک موسیقی تولیدشده.
music_durationاختیاری
نوعenum
پیش‌فرض95s
95s285s
مدت موسیقی تولیدشده.
cfg_strengthاختیاری
نوعnumber
پیش‌فرض4
۱ – ۱۰
قدرت CFG اعمال‌شده هنگام تولید موسیقی.
schedulerاختیاری
نوعenum
پیش‌فرضeuler
eulermidpointrk4implicit_adams
زمان‌بندی استفاده‌شده هنگام تولید موسیقی.
num_inference_stepsاختیاری
نوعinteger
پیش‌فرض32
۱۰ – ۱۰۰
تعداد گام‌های استنتاج برای تولید موسیقی.
الزامی

پارامترهای فایل یک URL عمومی https://، یک URI از نوع data: تا سقف 10 MB، یا file_url یک فایل بارگذاری‌شده را می‌پذیرند. فایل‌ها

خروجی

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "diffrhythm",
  "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": 100,
    "usd": "0.10",
    "charged": 100,
    "refunded": 0
  },
  "input": {
    "lyrics": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  },
  "output": {
    "audio": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_name": "0-output.mp3",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "audio",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_size": 1843200,
      "duration": 12,
      "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"
  }
}
فایل‌های شما، انتخاب شماهر outputs[].url کپی‌ای در فضای ذخیره‌سازی ماست: برای همیشه (با هزینه به‌ازای هر GB-ماه) یا به‌مدت ۷ روز رایگان، بر اساس تنظیم حساب شما یا ?storage=.
ساختار یکسان در همه مدل‌هاtype، url، content_type، width، height و duration برای تصاویر، ویدیو و صدا یکسان هستند. output شیء نتیجه اختصاصی مدل است.
فیلدهای خروجی
audio
object {url, content_type, file_name, file_size}فایل حاوی موسیقی تولیدشده.

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/diffrhythm.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt