رفتن به محتوا

Sam Audio · Span Separate

یکپارچه‌سازی

شناسه مدل sam-audio/span-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/span-separate?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "spans": [
      {
        "end": 10,
        "include": true,
        "start": 6
      }
    ]
  }'

# 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"

فایل‌هایی مانند نمونه: ⁨‎$۰٫۰۵⁩ ۵۰ اعتبار API فایل‌های شما پیش از اجرا اندازه‌گیری می‌شوند اجرای آن در این صفحه

دریافت کلید API
Meta صوت ۱۰–۶۰ ثانیه #audio-to-audio#sam-audio

جداسازی یک صدا از فایل صوتی با استفاده از بازه‌های زمانی ارائه‌شده و راهنمای متنی اختیاری

Meta · داده (JSON)

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.

کمک‌کنندهٔ شناسایی صدا برای استخراج صوت از بازه. ارائهٔ توضیح متنی صدای موردنظر برای جداسازی توصیه می‌شود، اما الزامی نیست.

•الزامی audio_url
یک فایل بیندازید، یا

URL فایل صوتی برای پردازش.

پیش‌فرض 1

تعداد نامزدها که فقط با پرامپت متنی استفاده می‌شود: همین تعداد نامزد تولید و رتبه‌بندی می‌شود. جداسازی فقط‌بازه‌ای این تنظیم را نادیده می‌گیرد.

•الزامی

بازه‌های زمانی شامل صدای هدف برای جداسازی.

پیشرفته acceleration · output_format · max_chunk_duration · chunk_overlap · use_sound_activity_ranking · trim_to_span
acceleration پیش‌فرض balanced

سطح شتاب اعمال‌شده به پردازش.

output_format پیش‌فرض wav

قالب صوت تولیدشده.

پیش‌فرض 60

حد صوتی هر گذر، برحسب ثانیه، که پس از آن پردازش از قطعه‌های هم‌پوشانِ ترکیب‌شده استفاده می‌کند.

پیش‌فرض 5

طول هم‌پوشانی بین قطعه‌ها، برحسب ثانیه، برای ترکیب crossfade.

POST /run/sam-audio/span-separate?wait=20 قیمت → ⁨‎$۰٫۰۵⁩
# 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/span-separate?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "spans": [
      {
        "end": 10,
        "include": true,
        "start": 6
      }
    ]
  }'

# 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 Sam Audio · Span Separate

به‌جای تکیه بر متن، `spans` را ارسال می‌کنید که زمان وقوع صدای هدف را در `audio_url` مشخص می‌کنند. `prompt` اختیاری است، اما به شناسایی نوع صدا کمک می‌کند. `trim_to_span` می‌تواند خروجی را به بازه span برش دهد و `use_sound_activity_ranking` بدون پرامپت امکان رتبه‌بندی مجدد را فراهم می‌کند. صوت `target` و `residual` را در قالب wav یا mp3 برمی‌گرداند.

پارامترها

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

نامنوع پیش‌فرضمجاز توضیحات
audio_urlالزامی audio
نوعurl · audio
URL فایل صوتی برای پردازش.
promptاختیاری
نوعstring | null
کمک‌کنندهٔ شناسایی صدا برای استخراج صوت از بازه. ارائهٔ توضیح متنی صدای موردنظر برای جداسازی توصیه می‌شود، اما الزامی نیست.
spansالزامی
نوعobject[]
بازه‌های زمانی شامل صدای هدف برای جداسازی.
spans[].startالزامی
نوعnumber
≥ ۰
مهر زمانی آغاز بازه، برحسب ثانیه.
spans[].endالزامی
نوعnumber
≥ ۰
مهر زمانی پایان بازه، برحسب ثانیه.
spans[].includeاختیاری
نوعboolean
پیش‌فرضtrue
شامل‌کردن صداهای درون بازه: True آن‌ها را شامل می‌کند و False حذفشان می‌کند.
reranking_candidatesاختیاری
نوعinteger
پیش‌فرض1
۱ – ۷
تعداد نامزدها که فقط با پرامپت متنی استفاده می‌شود: همین تعداد نامزد تولید و رتبه‌بندی می‌شود. جداسازی فقط‌بازه‌ای این تنظیم را نادیده می‌گیرد.
accelerationاختیاری
نوعenum
پیش‌فرضbalanced
fastbalancedquality
سطح شتاب اعمال‌شده به پردازش.
max_chunk_durationاختیاری
نوعnumber
پیش‌فرض60
۱۰ – ۶۰
حد صوتی هر گذر، برحسب ثانیه، که پس از آن پردازش از قطعه‌های هم‌پوشانِ ترکیب‌شده استفاده می‌کند.
chunk_overlapاختیاری
نوعnumber
پیش‌فرض5
۰ – ۳۰
طول هم‌پوشانی بین قطعه‌ها، برحسب ثانیه، برای ترکیب crossfade.
use_sound_activity_rankingاختیاری
نوعboolean
پیش‌فرضfalse
گزینهٔ رتبه‌بندی فعالیت صدا که به reranking_candidates > 1 نیاز دارد و بدون پرامپت متنی، بازرتبه‌بندی مؤثر را برای جداسازی فقط‌بازه‌ای فعال می‌کند. نامزدها بر اساس میزان هم‌راستایی نواحی بدون سکوتِ تشخیص‌داده‌شده با بازه‌های ارائه‌شده امتیازدهی می‌شوند.
trim_to_spanاختیاری
نوعboolean
پیش‌فرضfalse
انتخاب طول خروجی بین خود بازهٔ مشخص‌شده و صوت کامل. فعال‌سازی آن خروجی را به محدودهٔ زمانی بازه برش می‌دهد؛ False طول کامل را حفظ می‌کند و صدای هدف را در سراسر آن جدا می‌کند.
output_formatاختیاری
نوعenum
پیش‌فرضwav
wavmp3
قالب صوت تولیدشده.
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": "sam-audio/span-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": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "spans": [
      {
        "end": 10,
        "include": true,
        "start": 6
      }
    ]
  },
  "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"
  }
}
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
target
object {url, content_type, file_name, file_size}صدای هدف استخراج‌شده به‌صورت جداگانه.
residual
object {url, content_type, file_name, file_size}صوت باقی‌مانده به‌جز صدای هدف.
duration
numberطول خروجی صوت، برحسب ثانیه.
sample_rate
integerفرکانس نمونه‌برداری صوت خروجی برحسب Hz.

مدل‌های بیشتر: صوت

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