အကြောင်းအရာသို့ ကျော်ရန်

Sam Audio · Span Separate

ပေါင်းစည်းရန်

မော်ဒယ် 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"

နမူနာကဲ့သို့ ဖိုင်များ: ၀.၀၅ $ ၅၀ API ခရက်ဒစ် လုပ်ဆောင်မီ သင့်ဖိုင်များကို တိုင်းတာသည် ဤစာမျက်နှာတွင် လုပ်ဆောင်ရန်

API ကီး ရယူရန်
Meta အသံ ၁၀–၆၀ s #audio-to-audio#sam-audio

သင်ပေးထားသော အချိန်အပိုင်းအခြားများကို အသုံးပြု၍ အသံထဲမှ အသံတစ်မျိုးကို သီးခြားထုတ်ပြီး ရွေးချယ်နိုင်သော စာသားအညွှန်း ပါဝင်သည်

Meta · ဒေတာ (JSON)

သင့်ပထမဆုံးရလဒ် ဤနေရာတွင် ပေါ်လာမည်

အောက်တွင် တောင်းဆိုချက်တစ်ခု တည်ဆောက်ပြီး သင့် API ကီးဖြင့် လုပ်ဆောင်ပါ။ ထွက်ရလဒ်များကို ကျွန်ုပ်တို့၏ သိုလှောင်မှုသို့ ကူးယူပြီး အမြဲတမ်း သို့မဟုတ် ၇ ရက် အခမဲ့ သိမ်းထားသည်။

တောင်းဆိုမှုတစ်ခု တည်ဆောက်ရန်

ထိန်းချုပ်မှုများကို မော်ဒယ် schema မှ အလိုအလျောက်ဖန်တီးသည်။ ၎င်းတို့ကို ပြောင်းလဲသည်နှင့် code နှင့် စျေးနှုန်းတို့လည်း ပြောင်းလဲမည်။

အပိုင်းအခြားမှ အသံထုတ်ယူရန် အသံခွဲခြားမှုအကူအညီ။ ခွဲထုတ်လိုသောအသံ၏ စာသားဖော်ပြချက်ကို အကြံပြုသော်လည်း မဖြစ်မနေ မလိုအပ်ပါ။

•လိုအပ်သည် audio_url
ဖိုင်ကို ဆွဲချပါ၊ သို့မဟုတ်

လုပ်ဆောင်ရန် အသံဖိုင် URL။

မူလ 1

စာသား ပရောမ့် နှင့်သာ အသုံးပြုသည့် candidate အရေအတွက်။ ထိုအရေအတွက်အတိုင်း candidate များကို ဖန်တီးပြီး အဆင့်သတ်မှတ်သည်။ အပိုင်းအခြားတစ်ခုတည်း ခွဲခြားမှုသည် ဤသတ်မှတ်ချက်ကို လျစ်လျူရှုသည်။

•လိုအပ်သည်

ခွဲထုတ်လိုသော ပစ်မှတ်အသံပါဝင်သည့် အချိန်အပိုင်းအခြားများ။

အဆင့်မြင့် acceleration · output_format · max_chunk_duration · chunk_overlap · use_sound_activity_ranking · trim_to_span
acceleration မူလ balanced

လုပ်ဆောင်မှုတွင် အသုံးပြုသည့် acceleration level။

output_format မူလ wav

ဖန်တီးထားသော အသံ၏ ဖော်မတ်။

မူလ 60

တစ်ကြိမ်လုပ်ဆောင်မှုအတွက် အသံကန့်သတ်ချက်ကို စက္ကန့်ဖြင့် တိုင်းတာသည်။ ၎င်းထက်ကျော်လွန်ပါက ထပ်နေသောအပိုင်းများကို အသုံးပြုပြီး ပေါင်းစပ်သည်။

မူလ 5

crossfade ပေါင်းစပ်မှုအတွက် အသုံးပြုသည့် အပိုင်းများကြား ထပ်နေမှုအရှည်ကို စက္ကန့်ဖြင့် တိုင်းတာသည်။

POST /run/sam-audio/span-separate?wait=20 ကုန်ကျစရိတ် → ၀.၀၅ $
# 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"

ဤတောင်းဆိုချက်ကို လုပ်ဆောင်ရန်

သင့် key သည် ဤဘရောက်ဇာထဲတွင်သာ ရှိမည်ဖြစ်ပြီး Doitong API သို့သာ ပို့မည်။ Remember ကို အမှန်ခြစ်ထားမှသာ (localStorage) တွင် သိမ်းမည်။ API ကီး ရယူရန်

Sam Audio · Span Separate အကြောင်း

စာသားတစ်ခုတည်းအပေါ်တွင်သာ အမှီမပြုဘဲ၊ `audio_url` ထဲရှိ ပစ်မှတ်အသံဖြစ်ပေါ်သည့်အချိန်ကို မှတ်သားရန် `spans` ကို သင်ပေးပို့ရမည်။ `prompt` သည် ရွေးချယ်နိုင်သော်လည်း အသံအမျိုးအစားကို ခွဲခြားသတ်မှတ်ရာတွင် အထောက်အကူပြုသည်။ `trim_to_span` သည် ထွက်ရလဒ်ကို span အတိုင်းအတာအတွင်း ဖြတ်တောက်ပေးနိုင်ပြီး၊ `use_sound_activity_ranking` သည် ပရောမ့်မပါဘဲ ပြန်လည်အဆင့်သတ်မှတ်ခြင်းကို ခွင့်ပြုသည်။ `target` နှင့် `residual` အသံများကို wav သို့မဟုတ် mp3 ဖြင့် ပြန်ပေးသည်။

ပါရာမီတာများ

စံအမည် သို့မဟုတ် မူရင်းအမည် တစ်ခုခုကိုသာ ပို့ပါ၊ နှစ်ခုလုံး မပို့ပါနှင့်။ စံအမည်များ

အမည်အမျိုးအစား မူလတန်ဖိုးခွင့်ပြုထားသည် ဖော်ပြချက်
audio_urlလိုအပ်သည် audio
အမျိုးအစားurl · audio
လုပ်ဆောင်ရန် အသံဖိုင် URL။
promptရွေးချယ်နိုင်သည်
အမျိုးအစားstring | null
အပိုင်းအခြားမှ အသံထုတ်ယူရန် အသံခွဲခြားမှုအကူအညီ။ ခွဲထုတ်လိုသောအသံ၏ စာသားဖော်ပြချက်ကို အကြံပြုသော်လည်း မဖြစ်မနေ မလိုအပ်ပါ။
spansလိုအပ်သည်
အမျိုးအစားobject[]
ခွဲထုတ်လိုသော ပစ်မှတ်အသံပါဝင်သည့် အချိန်အပိုင်းအခြားများ။
spans[].startလိုအပ်သည်
အမျိုးအစားnumber
≥ ၀
အပိုင်းအခြားအစ timestamp ကို စက္ကန့်ဖြင့် တိုင်းတာသည်။
spans[].endလိုအပ်သည်
အမျိုးအစားnumber
≥ ၀
အပိုင်းအခြားအဆုံး timestamp ကို စက္ကန့်ဖြင့် တိုင်းတာသည်။
spans[].includeရွေးချယ်နိုင်သည်
အမျိုးအစားboolean
မူလတန်ဖိုးtrue
အပိုင်းအခြားအတွင်းရှိ အသံများ ထည့်သွင်းမှု။ True သည် ထည့်သွင်းပြီး False သည် ဖယ်ရှားသည်။
reranking_candidatesရွေးချယ်နိုင်သည်
အမျိုးအစားinteger
မူလတန်ဖိုး1
၁ – ၇
စာသား ပရောမ့် နှင့်သာ အသုံးပြုသည့် candidate အရေအတွက်။ ထိုအရေအတွက်အတိုင်း candidate များကို ဖန်တီးပြီး အဆင့်သတ်မှတ်သည်။ အပိုင်းအခြားတစ်ခုတည်း ခွဲခြားမှုသည် ဤသတ်မှတ်ချက်ကို လျစ်လျူရှုသည်။
accelerationရွေးချယ်နိုင်သည်
အမျိုးအစားenum
မူလတန်ဖိုးbalanced
fastbalancedquality
လုပ်ဆောင်မှုတွင် အသုံးပြုသည့် acceleration level။
max_chunk_durationရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး60
၁၀ – ၆၀
တစ်ကြိမ်လုပ်ဆောင်မှုအတွက် အသံကန့်သတ်ချက်ကို စက္ကန့်ဖြင့် တိုင်းတာသည်။ ၎င်းထက်ကျော်လွန်ပါက ထပ်နေသောအပိုင်းများကို အသုံးပြုပြီး ပေါင်းစပ်သည်။
chunk_overlapရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး5
၀ – ၃၀
crossfade ပေါင်းစပ်မှုအတွက် အသုံးပြုသည့် အပိုင်းများကြား ထပ်နေမှုအရှည်ကို စက္ကန့်ဖြင့် တိုင်းတာသည်။
use_sound_activity_rankingရွေးချယ်နိုင်သည်
အမျိုးအစားboolean
မူလတန်ဖိုးfalse
reranking_candidates > 1 လိုအပ်သော အသံလှုပ်ရှားမှု အဆင့်သတ်မှတ်မှု ရွေးချယ်စရာ။ စာသား ပရောမ့် မပါဘဲ အပိုင်းအခြားတစ်ခုတည်း ခွဲခြားမှုအတွက် ထိရောက်သော ပြန်လည်အဆင့်သတ်မှတ်မှုကို ဖွင့်ပေးသည်။ Candidate များကို တွေ့ရှိထားသော အသံမရှိသည့်ဒေသများနှင့် ပေးထားသော အပိုင်းအခြားများ မည်မျှကိုက်ညီသည်ပေါ် မူတည်၍ အမှတ်ပေးသည်။
trim_to_spanရွေးချယ်နိုင်သည်
အမျိုးအစားboolean
မူလတန်ဖိုးfalse
သတ်မှတ်ထားသော အပိုင်းအခြားတစ်ခုတည်းနှင့် အသံအပြည့်အစုံအကြား ထွက်ရလဒ်အရှည် ရွေးချယ်မှု။ ဖွင့်ထားပါက အပိုင်းအခြား၏ အချိန်အပိုင်းအတွင်းသို့ ဖြတ်တောက်ပြီး False ဖြစ်ပါက အရှည်အပြည့်ကို ထိန်းသိမ်းကာ ပစ်မှတ်အသံကို တစ်လျှောက်လုံး ခွဲထုတ်သည်။
output_formatရွေးချယ်နိုင်သည်
အမျိုးအစားenum
မူလတန်ဖိုးwav
wavmp3
ဖန်တီးထားသော အသံ၏ ဖော်မတ်။
လိုအပ်သည် စံအမည်၊ ထို့အပြင် လက်ခံသည်

ဖိုင်ပါရာမီတာများသည် အများပြည်သူသုံး https:// URL၊ 10 MB အထိ data: URI သို့မဟုတ် အပ်လုဒ်လုပ်ထားသောဖိုင်၏ file_url ကို လက်ခံသည်။ ဖိုင်များ

ထွက်ရလဒ်

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"
  }
}
သင့်ဖိုင်များ၊ သင့်ရွေးချယ်မှုoutputs[].url တိုင်းသည် ကျွန်ုပ်တို့၏ သိုလှောင်မှုရှိ မိတ္တူဖြစ်သည်- အမြဲတမ်း (GB-month အလိုက် ငွေပေးရသည်) သို့မဟုတ် ၇ ရက် အခမဲ့၊ သင့်အကောင့်ဆက်တင် သို့မဟုတ် ?storage= ဖြင့် သိမ်းထားသည်။
မော်ဒယ်တိုင်းတွင် ပုံစံတူပုံ၊ ဗီဒီယိုနှင့် အသံတို့အတွက် type၊ url၊ content_type၊ width၊ height နှင့် duration။ output သည် မော်ဒယ်ကိုယ်တိုင်၏ ရလဒ် object ဖြစ်သည်။
ထွက်ရလဒ်၏ Fields များ
target
object {url, content_type, file_name, file_size}သီးခြားခွဲထုတ်ထားသော ပစ်မှတ်အသံ။
residual
object {url, content_type, file_name, file_size}ပစ်မှတ်အသံမှလွဲ၍ ကျန်ရှိသော အသံ။
duration
numberထွက်ရလဒ်အသံအရှည်ကို စက္ကန့်ဖြင့် တိုင်းတာသည်။
sample_rate
integerထွက်ရလဒ်အသံ၏ Hz ဖြင့် တိုင်းတာထားသော sampling ကြိမ်နှုန်း။

နောက်ထပ် မော်ဒယ်များ: အသံ

AI အေးဂျင့်များအတွက်- ဤစာမျက်နှာ၏ Markdown ကို ဤနေရာတွင် ရရှိနိုင်သည် https://doitong.com/my/developers/models/sam-audio/span-separate.md. မော်ဒယ်များနှင့် လမ်းညွှန်များအားလုံး: https://doitong.com/developers/llms.txt