Op den Inhalt sprangen

Sam Audio · Span Separate

Integréieren

Modell-ID 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"

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 Audio mat Zäitspannen, déi Dir ugitt, an engem optionalen Text-Hinweis

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.

Hëllef zur Tounidentifikatioun fir Audio aus dem Span ze extrahéieren. Eng Textbeschreiwung vum Toun, deen isoléiert soll ginn, gëtt recommandéiert, ass awer net obligatoresch.

•obligatoresch audio_url
Fichier erofzéien, oder

Audio-Datei-URL fir d'Veraarbechtung.

Standard 1

Kandidatenden, nëmme mat engem Text-Prompt benotzt: Esou vill Kandidaten ginn generéiert a bewäert. D'Trennung nëmmen no Span ignoréiert dës Astellung.

•obligatoresch

Zäitintervaller, déi den ze isoléierenden Zil-Toun enthalen.

Erweidert acceleration · output_format · max_chunk_duration · chunk_overlap · use_sound_activity_ranking · trim_to_span
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/span-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/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"

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 · Span Separate

Amplaz nëmmen op Text ze vertrauen, gitt Dir `spans` un, déi uginn, wéini den Zilklang an der `audio_url` virkënnt. E `prompt` ass optional, hëlleft awer beim Erkenne vum Klangtyp. `trim_to_span` kann d'Ausgab op de Spannberäich beschneiden, an `use_sound_activity_ranking` erlaabt e Neiranking ouni Prompt. Gëtt `target`- a `residual`-Audio als wav oder mp3 zeréck.

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.
promptoptional
Typstring | null
Hëllef zur Tounidentifikatioun fir Audio aus dem Span ze extrahéieren. Eng Textbeschreiwung vum Toun, deen isoléiert soll ginn, gëtt recommandéiert, ass awer net obligatoresch.
spansobligatoresch
Typobject[]
Zäitintervaller, déi den ze isoléierenden Zil-Toun enthalen.
spans[].startobligatoresch
Typnumber
≥ 0
Startzäitpunkt vum Span, gemooss a Sekonnen.
spans[].endobligatoresch
Typnumber
≥ 0
Endzäitpunkt vum Span, gemooss a Sekonnen.
spans[].includeoptional
Typboolean
Standardtrue
Abannen vun Téin am Span: True abann, während False se ausschléisst.
reranking_candidatesoptional
Typinteger
Standard1
1 – 7
Kandidatenden, nëmme mat engem Text-Prompt benotzt: Esou vill Kandidaten ginn generéiert a bewäert. D'Trennung nëmmen no Span ignoréiert dës Astellung.
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.
use_sound_activity_rankingoptional
Typboolean
Standardfalse
Optioun fir d'Bewäertung vun der Tounaktivitéit, déi reranking_candidates > 1 erfuerdert, fir eng effektiv Neibewäertung bei enger Trennung nëmmen no Span ouni Text-Prompt z'erméiglechen. Kandidaten ginn dorop bewäert, wéi genee hir detektéiert stëllfräi Beräicher mat den ugi Spane alignéieren.
trim_to_spanoptional
Typboolean
Standardfalse
Wiel vun der Output-Längt tëscht nëmmen dem spezifizéierte Span an dem kompletten Audio. Wann aktivéiert, gëtt op den Zäitraum vum Span gekierzt; False behält déi komplett Längt an isoléiert den Zil-Toun am ganzen Audio.
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/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"
  }
}
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/span-separate.md. All Modeller a Guiden: https://doitong.com/developers/llms.txt