Op den Inhalt sprangen

MMAudio V2 Text to Audio

Integréieren

Modell-ID mmaudio-v2/text-to-audio
# 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/mmaudio-v2/text-to-audio?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# 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"

Dës Ufro: 0,008 $ 8 API-Kreditter Op dëser Säit ausféieren

API-Schlëssel kréien
Sony AI Audio 1–30 s #audio#fast

Text-zu-Audio-Generatioun vu Kläng aus engem Prompt mat upassbare Schrëtt, Guidance an Dauer

Sony AI · Audio

Äin éischt Resultat kënnt hei hin

Baut hei drënner eng Ufro a féiert se mat Ärem API-Schlëssel aus. Output gëtt an eis Späicherung kopéiert, fir ëmmer oder 7 Deeg gratis gespäichert.

Eng Ufro erstellen

D'Kontrolle ginn aus dem Modellschema generéiert. De Code an de Präis aktualiséiere sech, wann s du se ännerst.

•obligatoresch

Prompt, deen den ze kreéierenden Audio beschreift.

Standard 8

Längt vum generéierten Audio.

Erweidert negative_prompt · num_steps · cfg_strength · seed · mask_away_clip
Standard

Negative Prompt, deen ugëtt, wat bei der Audio-Generatioun ausgeschloss soll ginn.

Standard 25

Schrëttzuel fir d'Audio-Generatioun.

Standard 4.5

Intensitéit vu Classifier Free Guidance.

Seed-Wäert, dee vum Zoufallszuelgenerator benotzt gëtt.

POST /run/mmaudio-v2/text-to-audio?wait=20 Präis → 0,008 $
# 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/mmaudio-v2/text-to-audio?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# 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"

Dës Ufro ausféieren

Äre Schlëssel bleift an dësem Browser: e gëtt nëmmen un d'Doitong API geschéckt an nëmme gespäichert (localStorage), wann s du „Erënneren“ aktivéiers. En API-Schlëssel kréien

Iwwer MMAudio V2 Text to Audio

Generéiert Audio aus engem Text-`prompt`, mat `negative_prompt`, fir vu bestëmmte Kläng ewechzesteieren. `duration` leeft vun 1 bis 30 Sekonnen (Standard 8), `num_steps` vun 4 bis 50 (Standard 25), an `cfg_strength` vun 0 bis 20 (Standard 4.5). E `seed` tëscht 0 an 65535 mécht d'Resultater widderhuelbar.

Parameteren

NummTyp StandardErlaabt Beschreiwung
promptobligatoresch
Typstring
Prompt, deen den ze kreéierenden Audio beschreift.
negative_promptoptional
Typstring
Standard
Negative Prompt, deen ugëtt, wat bei der Audio-Generatioun ausgeschloss soll ginn.
seedoptional
Typinteger | null
0 – 65.535
Seed-Wäert, dee vum Zoufallszuelgenerator benotzt gëtt.
num_stepsoptional
Typinteger
Standard25
4 – 50
Schrëttzuel fir d'Audio-Generatioun.
durationoptional
Typnumber
Standard8
1 – 30
Längt vum generéierten Audio.
cfg_strengthoptional
Typnumber
Standard4.5
0 – 20
Intensitéit vu Classifier Free Guidance.
mask_away_clipoptional
Typboolean
Standardfalse
Steiert, ob de Clip maskéiert gëtt.
obligatoresch

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "mmaudio-v2/text-to-audio",
  "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": 8,
    "usd": "0.008",
    "charged": 8,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  },
  "output": {
    "audio": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_name": "0-output.mp3",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "audio",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_size": 1843200,
      "duration": 12,
      "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"
  }
}
Är Fichieren, Är WielAll outputs[].url ass eng Kopie an eiser Späicherung: fir ëmmer gespäichert (bezuelbar pro GB-Mount) oder 7 Deeg gratis, jee no Ärer Kontastellung oder ?storage=.
D'selwecht Struktur bei all Modelltype, url, content_type, width, height an duration, fir Biller, Video an Audio gläichermoossen. output ass dem Modell säin eegent Resultatobjet.
Output-Felder
audio
object {url, content_type, file_name, file_size}Audio, déi vum Modell produzéiert gouf.

Méi Modeller: Audio

Fir AI-Agenten: dës Säit als Markdown ass ënner https://doitong.com/lb/developers/models/mmaudio-v2/text-to-audio.md. All Modeller a Guiden: https://doitong.com/developers/llms.txt