Lumaktaw sa nilalaman

Sam Audio · Visual Separate

I-integrate

ID ng 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"

Mga file na katulad ng halimbawa: $0.05 50 kredito ng API sinusukat ang iyong mga file bago patakbuhin Patakbuhin ito sa page na ito

Kumuha ng API key
Meta Video patungong Audio 10–60 s #video-to-audio#sam-audio

Inihihiwalay ang isang tunog mula sa audio track ng video, na ginagabayan ng opsyonal na mask video at teksto prompt

Meta · Data (JSON)

Dito mapupunta ang iyong unang resulta

Bumuo ng kahilingan sa ibaba at patakbuhin ito gamit ang iyong API key. Kinokopya ang mga output sa aming storage, na pinananatili nang walang hanggan o 7 araw nang libre.

Bumuo ng kahilingan

Ang mga control ay binubuo mula sa schema ng modelo. Nagbabago ang code at presyo habang ina-adjust mo ang mga ito.

default na

Paglalarawan sa natural na wika ng target na tunog para makatulong sa paghihiwalay.

•kinakailangan video_url
Mag-drop ng file, o

URL ng video file para sa pagproseso, sa mga format gaya ng MP4 o MOV.

default na 1

Bilang ng candidate na ginawa para sa ranking.

advanced mask_video_url · acceleration · output_format · max_chunk_duration · chunk_overlap
Mag-drop ng file, o

URL ng mask video gamit ang binary encoding kung saan itim ang target na object laban sa puting background.

acceleration default na balanced

Antas ng acceleration na inilapat sa pagproseso.

output_format default na wav

Format ng nabuong audio.

default na 60

Limitasyon ng audio bawat pass, sinusukat sa segundo; kapag lumampas dito, gumagamit ang pagproseso ng magkakapatong na chunk na pinaghahalo.

default na 5

Haba ng overlap sa pagitan ng mga chunk, sinusukat sa segundo, na ginagamit para sa crossfade blending.

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

Patakbuhin ang kahilingang ito

Nananatili ang iyong key sa browser na ito: ipinapadala lamang ito sa Doitong API at sine-save (localStorage) lamang kung pipiliin mo ang Tandaan. Kumuha ng API key

Tungkol sa Sam Audio · Visual Separate

Tumatanggap ng `video_url` at kumukuha ng target na tunog mula sa audio nito. Ang opsyonal na `mask_video_url` ay nagmamarka sa target na object (itim para sa target, puti para sa background), at maaaring magdagdag ng teksto na pahiwatig ang `prompt`. Maaaring i-rank ang hanggang 4 na `reranking_candidates`, at hinahati sa chunk ang mahabang audio. Ang output ay may `target` at `residual` na audio sa wav o mp3.

Mga parameter

Ipadala ang canonical na pangalan o ang native na pangalan, hindi pareho. Mga canonical na pangalan

PangalanUri defaultPinapayagan Paglalarawan
video_urlkinakailangan video
Uriurl · video
URL ng video file para sa pagproseso, sa mga format gaya ng MP4 o MOV.
mask_video_urlopsyonal
Uriurl · video
URL ng mask video gamit ang binary encoding kung saan itim ang target na object laban sa puting background.
promptopsyonal
Uristring
default
Paglalarawan sa natural na wika ng target na tunog para makatulong sa paghihiwalay.
reranking_candidatesopsyonal
Uriinteger
default1
1 – 4
Bilang ng candidate na ginawa para sa ranking.
accelerationopsyonal
Urienum
defaultbalanced
fastbalancedquality
Antas ng acceleration na inilapat sa pagproseso.
max_chunk_durationopsyonal
Urinumber
default60
10 – 60
Limitasyon ng audio bawat pass, sinusukat sa segundo; kapag lumampas dito, gumagamit ang pagproseso ng magkakapatong na chunk na pinaghahalo.
chunk_overlapopsyonal
Urinumber
default5
0 – 30
Haba ng overlap sa pagitan ng mga chunk, sinusukat sa segundo, na ginagamit para sa crossfade blending.
output_formatopsyonal
Urienum
defaultwav
wavmp3
Format ng nabuong audio.
kinakailangan Canonical na pangalan, tinatanggap din

Tumatanggap ang mga parameter ng file ng pampublikong https:// URL, data: URI na hanggang 10 MB, o file_url ng isang upload. Mga file

Output

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"
  }
}
Ikaw ang pumipili para sa iyong mga fileAng bawat outputs[].url ay kopya sa aming storage: pinananatili nang walang hanggan (sinisingil bawat GB-month) o 7 araw nang libre, ayon sa setting ng iyong account o ?storage=.
Parehong shape sa bawat modelotype, url, content_type, width, height at duration, para sa mga larawan, video at audio. Ang output ay sariling result object ng modelo.
Mga field ng output
target
object {url, content_type, file_name, file_size}Target na tunog na hiwalay na kinuha.
residual
object {url, content_type, file_name, file_size}Audio na natitira bukod sa target na tunog.
duration
numberHaba ng output audio, sinusukat sa segundo.
sample_rate
integerSampling frequency sa Hz para sa output audio.

Higit pang modelo: Video patungong Audio

Para sa mga AI agent: nasa Markdown ang pahinang ito sa https://doitong.com/fil/developers/models/sam-audio/visual-separate.md. Lahat ng modelo at gabay: https://doitong.com/developers/llms.txt