Op den Inhalt sprangen

Sam Audio · Separate

Integréieren

Modell-ID sam-audio/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/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",
    "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"

Dateie wéi am Beispill: 0,05 $ 50 API-Kreditter Är Dateie gi virun der Ausféierung gemooss Op dëser Säit ausféieren

API-Schlëssel kréien
Meta Audio 10–60 s #audio-to-audio#sam-audio

Isoléiert e Klang aus enger Audiodatei mat enger Textbeschreiwung a gëtt Zil- a Reschtspuren zeréck

Meta · Donnéeën (JSON)

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

Textbeschreiwung vum Toun, deen isoléiert soll ginn.

•obligatoresch audio_url
Fichier erofzéien, oder

Audio-Datei-URL fir d'Veraarbechtung; ënnerstëtzt Formater sinn WAV, MP3 a FLAC.

Standard 1

Zuel vun de Kandidaten, déi fir d'Bewäertung generéiert ginn.

Erweidert acceleration · output_format · max_chunk_duration · chunk_overlap · predict_spans
acceleration Standard balanced

Beschleunigungsniveau, deen op d'Veraarbechtung applizéiert gëtt.

output_format Standard wav

Format vum generéierten Audio.

Standard 60

Audio-Limit pro Duerchlaf, gemooss a Sekonnen; doriwwer eraus benotzt d'Veraarbechtung iwwerlappend Fragmenter, déi zesummegemëscht ginn.

Standard 5

Längt vun der Iwwerlappung tëscht de Fragmenter, gemooss a Sekonnen, fir d'Crossfade-Mëschung.

POST /run/sam-audio/separate?wait=20 Präis → 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/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",
    "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 Sam Audio · Separate

Gitt eng `audio_url` (WAV, MP3 oder FLAC) an e `prompt` un, deen de Klang nennt, dee extrahéiert soll ginn. D'Ausgab enthält eng `target`-Spur mam isoléierte Klang an eng `residual`-Spur mat allem Aneren. Optiounen enthalen `predict_spans`, bis zu 7 `reranking_candidates`, en `acceleration`-Niveau, d'Opdeele vu laangen Audioen (10 bis 60 Sekonnen pro Duerchlaf) a wav- oder mp3-Ausgab.

Parameteren

Schéck entweder den kanoneschen Numm oder den natierlechen Numm, net béid. Kanonesch Nimm

NummTyp StandardErlaabt Beschreiwung
audio_urlobligatoresch audio
Typurl · audio
Audio-Datei-URL fir d'Veraarbechtung; ënnerstëtzt Formater sinn WAV, MP3 a FLAC.
promptobligatoresch
Typstring
Textbeschreiwung vum Toun, deen isoléiert soll ginn.
predict_spansoptional
Typboolean
Standardfalse
Automatesch Prognos vun den Zäitintervaller, déi den Zil-Toun enthalen.
reranking_candidatesoptional
Typinteger
Standard1
1 – 7
Zuel vun de Kandidaten, déi fir d'Bewäertung generéiert ginn.
accelerationoptional
Typenum
Standardbalanced
fastbalancedquality
Beschleunigungsniveau, deen op d'Veraarbechtung applizéiert gëtt.
max_chunk_durationoptional
Typnumber
Standard60
10 – 60
Audio-Limit pro Duerchlaf, gemooss a Sekonnen; doriwwer eraus benotzt d'Veraarbechtung iwwerlappend Fragmenter, déi zesummegemëscht ginn.
chunk_overlapoptional
Typnumber
Standard5
0 – 30
Längt vun der Iwwerlappung tëscht de Fragmenter, gemooss a Sekonnen, fir d'Crossfade-Mëschung.
output_formatoptional
Typenum
Standardwav
wavmp3
Format vum generéierten Audio.
obligatoresch Kanoneschen Numm, och akzeptéiert

Fichierparameter akzeptéieren eng ëffentlech https:// URL, eng data: URI bis zu 10 MB oder de file_url vun engem Upload. Fichieren

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "sam-audio/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",
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  },
  "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"
  }
}
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
target
object {url, content_type, file_name, file_size}Isoléiert extrahéierte Zil-Toun.
residual
object {url, content_type, file_name, file_size}Audio ausserhalb vum Zil-Toun.
duration
numberLängt vum Output-Audio, gemooss a Sekonnen.
sample_rate
integerSampling-Frequenz a Hz fir den Output-Audio.

Méi Modeller: Audio

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