Léim chuig an ábhar

Sam Audio · Span Separate

Comhtháthú

Aitheantas na samhla 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"

Comhaid cosúil leis an sampla: $0.05 50 gcreidmheas API déantar do chuid comhad a thomhas roimh an rith Rith ar an leathanach seo

Faigh eochair API
Meta Fuaim 10–60 s #audio-to-audio#sam-audio

Aonraíonn fuaim ó fhuaim de réir raonta ama a sholáthraíonn tú, le leid roghnach téacs

Meta · Sonraí (JSON)

Beidh do chéad toradh anseo

Tóg iarratas thíos agus rith é le d’eochair API. Cóipeáiltear na haschuir chuig ár stóráil, coinnithe go deo nó ar feadh 7 lá saor in aisce.

Tóg iarratas

Gintear na rialtáin ó scéim na samhla. Nuashonraítear an cód agus an praghas de réir mar a athraíonn tú iad.

Cúnamh chun fuaim a aithint agus fuaim a bhaint as an raon. Moltar cur síos téacs ar an bhfuaim atá le haonrú, ach níl sé riachtanach.

•riachtanach audio_url
Scaoil comhad, nó

URL comhaid fuaime le haghaidh próiseála.

réamhshocrú 1

Líon iarrthóirí a úsáidtear le leid téacs amháin: gintear agus rangaítear an líon sin iarrthóirí. Déanann deighilt raoin amháin neamhaird den socrú seo.

•riachtanach

Eatraimh ama ina bhfuil an fhuaim spriocdhírithe atá le haonrú.

Ardleibhéal acceleration · output_format · max_chunk_duration · chunk_overlap · use_sound_activity_ranking · trim_to_span
acceleration réamhshocrú balanced

Leibhéal luasghéaraithe a chuirtear i bhfeidhm ar phróiseáil.

output_format réamhshocrú wav

Formáid don fhuaim ghinte.

réamhshocrú 60

Teorainn fuaime in aghaidh an phas, tomhaiste i soicindí, agus úsáidtear smutáin fhorluiteacha chumaiscthe le chéile thar an teorainn sin.

réamhshocrú 5

Fad an fhorluí idir smutáin, tomhaiste i soicindí, a úsáidtear le haghaidh cumasc traschéimnithe.

POST /run/sam-audio/span-separate?wait=20 luachan → $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/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"

Rith an t-iarratas seo

Fanann d'eochair sa bhrabhsálaí seo: seoltar chuig Doitong API amháin í agus sábháiltear (localStorage) í ach amháin má chuireann tú tic le Meabhraigh. Faigh eochair API

Maidir le Sam Audio · Span Separate

In áit a bheith ag brath ar théacs amháin, cuireann tú `spans` isteach lena léirítear cathain a tharlaíonn an spriocfhuaim in `audio_url`. Tá `prompt` roghnach ach cabhraíonn sé leis an gcineál fuaime a aithint. Is féidir le `trim_to_span` an t-aschur a ghearradh go raon an tsínidh, agus ceadaíonn `use_sound_activity_ranking` athrangú gan leid. Tugann sé fuaim `target` agus `residual` ar ais i wav nó mp3.

Paraiméadair

Seol an t-ainm canónach nó an t-ainm dúchasach, ní an dá cheann. Ainmneacha canónacha

AinmCineál RéamhshocrúCeadaithe Cur síos
audio_urlriachtanach audio
Cineálurl · audio
URL comhaid fuaime le haghaidh próiseála.
promptroghnach
Cineálstring | null
Cúnamh chun fuaim a aithint agus fuaim a bhaint as an raon. Moltar cur síos téacs ar an bhfuaim atá le haonrú, ach níl sé riachtanach.
spansriachtanach
Cineálobject[]
Eatraimh ama ina bhfuil an fhuaim spriocdhírithe atá le haonrú.
spans[].startriachtanach
Cineálnumber
≥ 0
Stampa ama thús an raoin, tomhaiste i soicindí.
spans[].endriachtanach
Cineálnumber
≥ 0
Stampa ama dheireadh an raoin, tomhaiste i soicindí.
spans[].includeroghnach
Cineálboolean
Réamhshocrútrue
Fuaimeanna laistigh den raon a chur san áireamh: cuireann True san áireamh iad, agus eisiaann False iad.
reranking_candidatesroghnach
Cineálinteger
Réamhshocrú1
1 – 7
Líon iarrthóirí a úsáidtear le leid téacs amháin: gintear agus rangaítear an líon sin iarrthóirí. Déanann deighilt raoin amháin neamhaird den socrú seo.
accelerationroghnach
Cineálenum
Réamhshocrúbalanced
fastbalancedquality
Leibhéal luasghéaraithe a chuirtear i bhfeidhm ar phróiseáil.
max_chunk_durationroghnach
Cineálnumber
Réamhshocrú60
10 – 60
Teorainn fuaime in aghaidh an phas, tomhaiste i soicindí, agus úsáidtear smutáin fhorluiteacha chumaiscthe le chéile thar an teorainn sin.
chunk_overlaproghnach
Cineálnumber
Réamhshocrú5
0 – 30
Fad an fhorluí idir smutáin, tomhaiste i soicindí, a úsáidtear le haghaidh cumasc traschéimnithe.
use_sound_activity_rankingroghnach
Cineálboolean
Réamhshocrúfalse
Rogha rangaithe gníomhaíochta fuaime a éilíonn reranking_candidates > 1, rud a chumasaíonn athrangú éifeachtach do dheighilt raoin amháin gan leid téacs. Scóráiltear iarrthóirí de réir chomh gar agus atá a réigiúin bhraite neamhchiúin do na raonta soláthraithe.
trim_to_spanroghnach
Cineálboolean
Réamhshocrúfalse
Rogha faid aschuir idir an raon sonraithe amháin agus an fhuaim iomlán. Nuair a chumasaítear é, gearrtar go raon ama an raoin é; coinníonn False an fad iomlán agus aonraíonn sé an fhuaim spriocdhírithe ar feadh an ama.
output_formatroghnach
Cineálenum
Réamhshocrúwav
wavmp3
Formáid don fhuaim ghinte.
riachtanach Ainm canónach, glactar leis freisin

Glacann paraiméadair chomhaid le URL poiblí https://, URI data: suas le 10 MB, nó file_url uaslódála. Comhaid

Aschur

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"
  }
}
Do chuid comhad, do roghaIs cóip ar ár stóráil é gach outputs[].url: coinnithe go deo (íoctha in aghaidh GB-mhí) nó ar feadh 7 lá saor in aisce, de réir shocrú do chuntais nó ?storage=.
An cruth céanna ar gach samhailtype, url, content_type, width, height agus duration, d'íomhánna, d'fhíseáin agus d'fhuaim araon. Is é output réad toraidh na samhla féin.
Réimsí aschuir
target
object {url, content_type, file_name, file_size}Fuaim spriocdhírithe eastósctha ina haonar.
residual
object {url, content_type, file_name, file_size}Fuaim atá fágtha seachas an fhuaim spriocdhírithe.
duration
numberFad fuaime an aschuir, tomhaiste i soicindí.
sample_rate
integerMinicíocht samplála in Hz don fhuaim aschuir.

Tuilleadh samhlacha: Fuaim

Do ghníomhairí AI: tá an leathanach seo mar Markdown ag https://doitong.com/ga/developers/models/sam-audio/span-separate.md. Gach samhail agus treoir: https://doitong.com/developers/llms.txt