सामग्री पर जाएँ

Sam Audio · Visual Separate

इंटीग्रेट करें

मॉडल id 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"

उदाहरण जैसी फ़ाइलें: $0.05 50 API क्रेडिट चलाने से पहले आपकी फ़ाइलों को मापा जाता है इसे इस पेज पर चलाएँ

API कुंजी प्राप्त करें
Meta वीडियो से ऑडियो 10–60 s #video-to-audio#sam-audio

वैकल्पिक मास्क वीडियो और टेक्स्ट प्रॉम्प्ट के मार्गदर्शन में वीडियो के ऑडियो ट्रैक से ध्वनि अलग करता है

Meta · डेटा (JSON)

आपका पहला परिणाम यहाँ आएगा

नीचे एक अनुरोध बनाएँ और उसे अपनी API कुंजी से चलाएँ। आउटपुट हमारे स्टोरेज में कॉपी किए जाते हैं और हमेशा के लिए या 7 दिन तक मुफ़्त में रखे जाते हैं।

अनुरोध बनाएँ

कंट्रोल मॉडल स्कीमा से जनरेट होते हैं। इन्हें बदलने पर कोड और कीमत अपडेट होती है।

डिफ़ॉल्ट

पृथक्करण में मदद के लिए लक्षित ध्वनि का स्वाभाविक भाषा में वर्णन।

•आवश्यक video_url
फ़ाइल ड्रॉप करें, या

प्रोसेसिंग के लिए वीडियो फ़ाइल का URL, MP4 या MOV जैसे फ़ॉर्मैट में।

डिफ़ॉल्ट 1

रैंकिंग के लिए बनाए जाने वाले विकल्पों की संख्या।

उन्नत mask_video_url · acceleration · output_format · max_chunk_duration · chunk_overlap
फ़ाइल ड्रॉप करें, या

बाइनरी एन्कोडिंग वाले मास्क वीडियो का URL, जिसमें लक्षित वस्तु सफ़ेद पृष्ठभूमि पर काली दिखाई देती है।

acceleration डिफ़ॉल्ट balanced

प्रोसेसिंग पर लागू त्वरण स्तर।

output_format डिफ़ॉल्ट wav

निर्मित ऑडियो का फ़ॉर्मैट।

डिफ़ॉल्ट 60

हर पास में ऑडियो की सीमा, सेकंड में; इससे अधिक होने पर प्रोसेसिंग ओवरलैप करने वाले खंडों में होती है, जिन्हें आपस में मिलाया जाता है।

डिफ़ॉल्ट 5

क्रॉसफ़ेड ब्लेंडिंग के लिए इस्तेमाल होने वाले खंडों के बीच ओवरलैप की अवधि, सेकंड में।

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

यह अनुरोध चलाएँ

आपकी key इसी ब्राउज़र में रहती है: इसे केवल Doitong API को भेजा जाता है और केवल तभी (localStorage) में सेव किया जाता है जब आप Remember चुनते हैं। API कुंजी प्राप्त करें

Sam Audio · Visual Separate के बारे में

`video_url` लेता है और उसके ऑडियो से लक्ष्य ध्वनि निकालता है। वैकल्पिक `mask_video_url` लक्ष्य ऑब्जेक्ट को चिह्नित करता है (लक्ष्य के लिए काला, बैकग्राउंड के लिए सफ़ेद), और `prompt` टेक्स्ट संकेत जोड़ सकता है। अधिकतम 4 `reranking_candidates` को रैंक किया जा सकता है और लंबे ऑडियो को हिस्सों में बाँटा जाता है। आउटपुट में wav या mp3 का `target` और `residual` ऑडियो होता है।

पैरामीटर

कैनोनिकल नाम या नेटिव नाम में से कोई एक भेजें, दोनों नहीं। कैनोनिकल नाम

नामप्रकार डिफ़ॉल्टअनुमत विवरण
video_urlआवश्यक video
प्रकारurl · video
प्रोसेसिंग के लिए वीडियो फ़ाइल का URL, MP4 या MOV जैसे फ़ॉर्मैट में।
mask_video_urlवैकल्पिक
प्रकारurl · video
बाइनरी एन्कोडिंग वाले मास्क वीडियो का URL, जिसमें लक्षित वस्तु सफ़ेद पृष्ठभूमि पर काली दिखाई देती है।
promptवैकल्पिक
प्रकारstring
डिफ़ॉल्ट
पृथक्करण में मदद के लिए लक्षित ध्वनि का स्वाभाविक भाषा में वर्णन।
reranking_candidatesवैकल्पिक
प्रकारinteger
डिफ़ॉल्ट1
1 – 4
रैंकिंग के लिए बनाए जाने वाले विकल्पों की संख्या।
accelerationवैकल्पिक
प्रकारenum
डिफ़ॉल्टbalanced
fastbalancedquality
प्रोसेसिंग पर लागू त्वरण स्तर।
max_chunk_durationवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट60
10 – 60
हर पास में ऑडियो की सीमा, सेकंड में; इससे अधिक होने पर प्रोसेसिंग ओवरलैप करने वाले खंडों में होती है, जिन्हें आपस में मिलाया जाता है।
chunk_overlapवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट5
0 – 30
क्रॉसफ़ेड ब्लेंडिंग के लिए इस्तेमाल होने वाले खंडों के बीच ओवरलैप की अवधि, सेकंड में।
output_formatवैकल्पिक
प्रकारenum
डिफ़ॉल्टwav
wavmp3
निर्मित ऑडियो का फ़ॉर्मैट।
आवश्यक कैनोनिकल नाम, यह भी स्वीकार्य है

फ़ाइल पैरामीटर में सार्वजनिक https:// URL, 10 MB तक का data: URI, या अपलोड का file_url लिया जाता है। फ़ाइलें

आउटपुट

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"
  }
}
आपकी फ़ाइलें, आपकी पसंदहर outputs[].url हमारे स्टोरेज में एक कॉपी है: हमेशा के लिए (प्रति GB-माह भुगतान) या 7 दिन तक मुफ़्त में, आपके अकाउंट की सेटिंग या ?storage= के अनुसार।
हर मॉडल पर एक जैसा आकारइमेज, वीडियो और ऑडियो सभी के लिए type, url, content_type, width, height और duration। output मॉडल का अपना परिणाम ऑब्जेक्ट है।
आउटपुट के फ़ील्ड
target
object {url, content_type, file_name, file_size}अलग करके निकाली गई लक्षित ध्वनि।
residual
object {url, content_type, file_name, file_size}लक्षित ध्वनि के अलावा बचा हुआ ऑडियो।
duration
numberआउटपुट ऑडियो की अवधि, सेकंड में।
sample_rate
integerआउटपुट ऑडियो की Hz में सैंपलिंग फ़्रीक्वेंसी।

और मॉडल: वीडियो से ऑडियो

AI एजेंट के लिए: इस पेज का Markdown यहाँ है https://doitong.com/hi/developers/models/sam-audio/visual-separate.md. सभी मॉडल और गाइड: https://doitong.com/developers/llms.txt