رفتن به محتوا

MMAudio V2

یکپارچه‌سازی

شناسه مدل mmaudio-v2
# 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/mmaudio-v2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "video": "https://content.doitong.com/dev-api/2026/10/21/req_qicb9wfr7rqfo46hqcxollq6/0-QQGxyL6x8ywkCEWdZ94UY_YyJVjs3R.mp4",
    "prompt": "Gentle waves lapping against a wooden boat, oars creaking, seagulls calling in the distance, light wind",
    "duration": 5
  }'

# 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: ⁨‎$۰٫۰۰۵⁩ ۵ اعتبار API اجرای آن در این صفحه

دریافت کلید API
Sony AI صوت ۱–۳۰ ثانیه #sound-effects#foley#video-to-audio

افزودن جلوه‌های صوتی و صدای محیط هماهنگ به ویدئوی بی‌صدا از توضیح متنی کوتاه.

نمونه‌ها

ورودی
خروجی · ~20 ثانیه

پرامپتGentle waves lapping against a wooden boat, oars creaking, seagulls calling in the distance, light wind

۵ s⁨‎$۰٫۰۰۵⁩ · ۵ اعتبار API

ساخت درخواست

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

•الزامی

پرامپت توصیف‌کننده صوت مورد نظر برای ایجاد.

•الزامی video_url
یک فایل بیندازید، یا

URL ویدیو که به‌عنوان منبع تولید صوت استفاده می‌شود.

طول صوت تولیدشده.

پیشرفته negative_prompt · num_steps · cfg_strength · seed · mask_away_clip
پیش‌فرض

پرامپت منفی که موارد حذف‌شده هنگام تولید صوت را مشخص می‌کند.

پیش‌فرض 25

تعداد گام‌های مورد استفاده برای تولید صوت.

پیش‌فرض 4.5

شدت Classifier Free Guidance.

مقدار seed مورد استفاده مولد اعداد تصادفی.

POST /run/mmaudio-v2?wait=20 قیمت → ⁨‎$۰٫۰۰۵⁩
# 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/mmaudio-v2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "video": "https://content.doitong.com/dev-api/2026/10/21/req_qicb9wfr7rqfo46hqcxollq6/0-QQGxyL6x8ywkCEWdZ94UY_YyJVjs3R.mp4",
    "prompt": "Gentle waves lapping against a wooden boat, oars creaking, seagulls calling in the distance, light wind",
    "duration": 5
  }'

# 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 MMAudio V2

MMAudio V2 ویدیو را بررسی می‌کند و صوت هماهنگ تولید می‌کند: صدای قدم‌ها روی ضرب، پاشش آب، موتور، جمعیت و صدای محیط اتاق، با هدایت پرامپت شما و یک پرامپت منفی اختیاری. 1 تا 30 ثانیه صوت تولید می‌کند و ویدیو را همراه با موسیقی متن جدید برمی‌گرداند.

پارامترها

نام استاندارد یا نام بومی را ارسال کنید، نه هر دو. نام‌های استاندارد

نامنوع پیش‌فرضمجاز توضیحات
video_urlالزامی video
نوعurl · video
URL ویدیو که به‌عنوان منبع تولید صوت استفاده می‌شود.
promptالزامی
نوعstring
پرامپت توصیف‌کننده صوت مورد نظر برای ایجاد.
negative_promptاختیاری
نوعstring
پیش‌فرض
پرامپت منفی که موارد حذف‌شده هنگام تولید صوت را مشخص می‌کند.
seedاختیاری
نوعinteger | null
۰ – ۶۵٬۵۳۵
مقدار seed مورد استفاده مولد اعداد تصادفی.
num_stepsاختیاری
نوعinteger
پیش‌فرض25
۴ – ۵۰
تعداد گام‌های مورد استفاده برای تولید صوت.
durationاختیاری
نوعnumber
پیش‌فرض8
۱ – ۳۰
طول صوت تولیدشده.
cfg_strengthاختیاری
نوعnumber
پیش‌فرض4.5
۰ – ۲۰
شدت Classifier Free Guidance.
mask_away_clipاختیاری
نوعboolean
پیش‌فرضfalse
کنترل می‌کند که آیا کلیپ ماسک شود یا نه.
الزامی نام استاندارد، همچنین پذیرفته می‌شود

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": "mmaudio-v2",
  "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": 5,
    "usd": "0.005",
    "charged": 5,
    "refunded": 0
  },
  "input": {
    "video": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4",
    "prompt": "Night forest ambience, soft paws running on grass, crickets, gentle magical chimes",
    "duration": 6
  },
  "output": {
    "video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_name": "0-output.mp4",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "video",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_size": 1843200,
      "width": 1280,
      "height": 720,
      "duration": 5,
      "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
video
object {url, content_type, file_name, file_size}ویدیوی خروجی حاوی حرکات لب همگام‌شده.

مدل‌های بیشتر: صوت

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/mmaudio-v2.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt