Vai al contenuto

Sam Audio · Visual Separate

Integra

ID del modello 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"

File come nell'esempio: 0,05 $ 50 crediti API i tuoi file vengono misurati prima dell'esecuzione Esegui in questa pagina

Ottieni la chiave API
Meta Da video ad audio 10–60 s #video-to-audio#sam-audio

Separa un suono dalla traccia audio di un video, guidato da un video maschera e da un prompt testuale opzionali

Meta · Dati (JSON)

Il tuo primo risultato apparirà qui

Crea una richiesta qui sotto ed eseguila con la tua chiave API. Gli output vengono copiati nella nostra archiviazione, conservati per sempre oppure 7 giorni gratuitamente.

Crea una richiesta

I controlli vengono generati dallo schema del modello. Il codice e il prezzo si aggiornano mentre li modifichi.

predefinito

Descrizione in linguaggio naturale del suono target per facilitare la separazione.

•obbligatorio video_url
Trascina un file oppure

URL del file video da elaborare, in formati come MP4 o MOV.

predefinito 1

Numero di candidati generati per la classificazione.

Avanzate mask_video_url · acceleration · output_format · max_chunk_duration · chunk_overlap
Trascina un file oppure

URL del video della maschera con codifica binaria, in cui l'oggetto target appare nero su sfondo bianco.

acceleration predefinito balanced

Livello di accelerazione applicato all'elaborazione.

output_format predefinito wav

Formato dell'audio generato.

predefinito 60

Limite audio per passaggio, misurato in secondi, oltre il quale l'elaborazione usa segmenti sovrapposti che vengono miscelati.

predefinito 5

Durata della sovrapposizione tra i segmenti, misurata in secondi, usata per la miscelazione con crossfade.

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

Esegui questa richiesta

La tua chiave rimane in questo browser: viene inviata solo al Doitong API e salvata in localStorage solo se selezioni Ricorda. Ottieni una chiave API

Informazioni su Sam Audio · Visual Separate

Accetta un `video_url` ed estrae un suono target dall'audio. Un `mask_video_url` opzionale indica l'oggetto target (nero per il target, bianco per lo sfondo) e `prompt` può aggiungere un suggerimento testuale. È possibile ordinare fino a 4 `reranking_candidates` e l'audio lungo viene suddiviso in blocchi. L'output contiene l'audio `target` e `residual` in wav o mp3.

Parametri

Invia il nome canonico oppure il nome nativo, non entrambi. Nomi canonici

NomeTipo PredefinitoConsentiti Descrizione
video_urlobbligatorio video
Tipourl · video
URL del file video da elaborare, in formati come MP4 o MOV.
mask_video_urlfacoltativo
Tipourl · video
URL del video della maschera con codifica binaria, in cui l'oggetto target appare nero su sfondo bianco.
promptfacoltativo
Tipostring
Predefinito
Descrizione in linguaggio naturale del suono target per facilitare la separazione.
reranking_candidatesfacoltativo
Tipointeger
Predefinito1
1 – 4
Numero di candidati generati per la classificazione.
accelerationfacoltativo
Tipoenum
Predefinitobalanced
fastbalancedquality
Livello di accelerazione applicato all'elaborazione.
max_chunk_durationfacoltativo
Tiponumber
Predefinito60
10 – 60
Limite audio per passaggio, misurato in secondi, oltre il quale l'elaborazione usa segmenti sovrapposti che vengono miscelati.
chunk_overlapfacoltativo
Tiponumber
Predefinito5
0 – 30
Durata della sovrapposizione tra i segmenti, misurata in secondi, usata per la miscelazione con crossfade.
output_formatfacoltativo
Tipoenum
Predefinitowav
wavmp3
Formato dell'audio generato.
obbligatorio Nome canonico, accettato anche

I parametri file accettano un URL pubblico https://, un URI data: fino a 10 MB oppure il file_url di un caricamento. 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"
  }
}
I tuoi file, la tua sceltaOgni outputs[].url è una copia nella nostra archiviazione: conservata per sempre (a pagamento per GB-mese) oppure 7 giorni gratuitamente, in base all'impostazione dell'account o a ?storage=.
Stessa struttura per ogni modellotype, url, content_type, width, height e duration, per immagini, video e audio. output è l'oggetto risultato del modello.
Campi dell'output
target
object {url, content_type, file_name, file_size}Suono target estratto isolatamente.
residual
object {url, content_type, file_name, file_size}Audio rimanente oltre al suono target.
duration
numberDurata dell'audio di output, misurata in secondi.
sample_rate
integerFrequenza di campionamento in Hz dell'audio di output.

Altri modelli: Da video ad audio

Per gli agenti AI: questa pagina in Markdown è disponibile all'indirizzo https://doitong.com/it/developers/models/sam-audio/visual-separate.md. Tutti i modelli e le guide: https://doitong.com/developers/llms.txt