ਸਮੱਗਰੀ ਵੱਲ ਜਾਓ

Sam Audio · Visual Separate

ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ

ਮਾਡਲ id 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"

ਉਦਾਹਰਨ ਵਰਗੀਆਂ ਫ਼ਾਈਲਾਂ: $0.05 50 API ਕ੍ਰੈਡਿਟ ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ ਚਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਮਾਪੀਆਂ ਜਾਂਦੀਆਂ ਹਨ ਇਸ ਪੰਨੇ ’ਤੇ ਚਲਾਓ

API ਕੁੰਜੀ ਲਵੋ
Meta ਵੀਡੀਓ ਤੋਂ ਆਡੀਓ 10–60 s #video-to-audio#sam-audio

ਵਿਕਲਪਿਕ ਮਾਸਕ ਵੀਡੀਓ ਅਤੇ ਟੈਕਸਟ ਪ੍ਰੌਮਪਟ ਦੀ ਮਦਦ ਨਾਲ ਵੀਡੀਓ ਦੇ ਆਡੀਓ ਟ੍ਰੈਕ ਵਿੱਚੋਂ ਧੁਨੀ ਨੂੰ ਅਲੱਗ ਕਰਦਾ ਹੈ

Meta · ਡਾਟਾ (JSON)

ਤੁਹਾਡਾ ਪਹਿਲਾ ਨਤੀਜਾ ਇੱਥੇ ਹੋਵੇਗਾ

ਹੇਠਾਂ ਬੇਨਤੀ ਬਣਾਓ ਅਤੇ ਆਪਣੀ API ਕੁੰਜੀ ਨਾਲ ਚਲਾਓ। ਆਉਟਪੁੱਟ ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਕਾਪੀ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਹਮੇਸ਼ਾ ਲਈ ਜਾਂ ਮੁਫ਼ਤ ਵਿੱਚ 7 ਦਿਨ ਤੱਕ ਰੱਖੇ ਜਾਂਦੇ ਹਨ।

ਰਿਕਵੈਸਟ ਬਣਾਓ

ਕੰਟਰੋਲ ਮਾਡਲ ਸਕੀਮਾ ਤੋਂ ਤਿਆਰ ਹੁੰਦੇ ਹਨ। ਤੁਸੀਂ ਬਦਲਾਅ ਕਰਦੇ ਹੀ ਕੋਡ ਅਤੇ ਕੀਮਤ ਅੱਪਡੇਟ ਹੋ ਜਾਂਦੇ ਹਨ।

ਡਿਫ਼ਾਲਟ

ਵਿਭਾਜਨ ਵਿੱਚ ਸਹਾਇਤਾ ਲਈ ਨਿਸ਼ਾਨੇ ਵਾਲੀ ਧੁਨੀ ਦਾ ਕੁਦਰਤੀ-ਭਾਸ਼ਾ ਵੇਰਵਾ।

•ਲੋੜੀਂਦਾ video_url
ਫ਼ਾਈਲ ਛੱਡੋ, ਜਾਂ

ਪ੍ਰੋਸੈਸਿੰਗ ਲਈ ਵੀਡੀਓ ਫ਼ਾਈਲ URL, ਜਿਵੇਂ MP4 ਜਾਂ MOV ਫ਼ਾਰਮੈਟਾਂ ਵਿੱਚ।

ਡਿਫ਼ਾਲਟ 1

ਰੈਂਕਿੰਗ ਲਈ ਬਣਾਏ ਗਏ ਉਮੀਦਵਾਰਾਂ ਦੀ ਗਿਣਤੀ।

ਉੱਨਤ mask_video_url · acceleration · output_format · max_chunk_duration · chunk_overlap
ਫ਼ਾਈਲ ਛੱਡੋ, ਜਾਂ

ਬਾਈਨਰੀ ਐਨਕੋਡਿੰਗ ਵਾਲਾ ਮਾਸਕ ਵੀਡੀਓ URL, ਜਿਸ ਵਿੱਚ ਨਿਸ਼ਾਨੇ ਵਾਲਾ ਆਬਜੈਕਟ ਚਿੱਟੇ ਪਿਛੋਕੜ 'ਤੇ ਕਾਲਾ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ।

acceleration ਡਿਫ਼ਾਲਟ balanced

ਪ੍ਰੋਸੈਸਿੰਗ 'ਤੇ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਐਕਸੈਲੇਰੇਸ਼ਨ ਪੱਧਰ।

output_format ਡਿਫ਼ਾਲਟ wav

ਸਿਰਜੇ ਗਏ ਆਡੀਓ ਦਾ ਫਾਰਮੈਟ।

ਡਿਫ਼ਾਲਟ 60

ਹਰੇਕ ਪਾਸ ਲਈ ਆਡੀਓ ਸੀਮਾ, ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਾਪੀ ਜਾਂਦੀ ਹੈ; ਇਸ ਤੋਂ ਵੱਧ ਹੋਣ 'ਤੇ ਪ੍ਰੋਸੈਸਿੰਗ ਵਿੱਚ ਓਵਰਲੈਪਿੰਗ ਚੰਕ ਵਰਤੇ ਜਾਂਦੇ ਹਨ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਆਪਸ ਵਿੱਚ ਮਿਲਾਇਆ ਜਾਂਦਾ ਹੈ।

ਡਿਫ਼ਾਲਟ 5

ਚੰਕਾਂ ਦੇ ਓਵਰਲੈਪ ਦੀ ਲੰਬਾਈ, ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਾਪੀ ਜਾਂਦੀ ਹੈ, ਜੋ ਕ੍ਰਾਸਫੇਡ ਮਿਲਾਉਣ ਲਈ ਵਰਤੀ ਜਾਂਦੀ ਹੈ।

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

ਇਹ ਬੇਨਤੀ ਚਲਾਓ

ਤੁਹਾਡੀ key ਇਸ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਰਹਿੰਦੀ ਹੈ: ਇਹ ਸਿਰਫ਼ Doitong API ਨੂੰ ਭੇਜੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਸਿਰਫ਼ ਤਾਂ ਹੀ (localStorage) ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਹੁੰਦੀ ਹੈ ਜੇ ਤੁਸੀਂ Remember ਚੁਣੋ। API ਕੁੰਜੀ ਪ੍ਰਾਪਤ ਕਰੋ

Sam Audio · Visual Separate ਬਾਰੇ

`video_url` ਲੈਂਦਾ ਹੈ ਅਤੇ ਇਸਦੇ ਆਡੀਓ ਵਿੱਚੋਂ ਟਾਰਗੇਟ ਧੁਨੀ ਕੱਢਦਾ ਹੈ। ਵਿਕਲਪਿਕ `mask_video_url` ਟਾਰਗੇਟ ਆਬਜੈਕਟ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ (ਟਾਰਗੇਟ ਲਈ ਕਾਲਾ, ਬੈਕਗ੍ਰਾਊਂਡ ਲਈ ਚਿੱਟਾ), ਅਤੇ `prompt` ਟੈਕਸਟ ਸੰਕੇਤ ਜੋੜ ਸਕਦਾ ਹੈ। ਵੱਧ ਤੋਂ ਵੱਧ 4 `reranking_candidates` ਨੂੰ ਰੈਂਕ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਲੰਬੀ ਆਡੀਓ ਨੂੰ chunks ਵਿੱਚ ਵੰਡਿਆ ਜਾਂਦਾ ਹੈ। ਆਉਟਪੁੱਟ ਵਿੱਚ wav ਜਾਂ mp3 ਵਾਲੇ `target` ਅਤੇ `residual` ਆਡੀਓ ਹੁੰਦੇ ਹਨ।

ਪੈਰਾਮੀਟਰ

ਕੈਨੋਨਿਕਲ ਨਾਮ ਜਾਂ ਨੇਟਿਵ ਨਾਮ ਵਿੱਚੋਂ ਕੋਈ ਇੱਕ ਭੇਜੋ, ਦੋਵੇਂ ਨਹੀਂ। ਕੈਨੋਨਿਕਲ ਨਾਮ

ਨਾਮਕਿਸਮ ਡਿਫ਼ਾਲਟਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵੇਰਵਾ
video_urlਲੋੜੀਂਦਾ video
ਕਿਸਮurl · video
ਪ੍ਰੋਸੈਸਿੰਗ ਲਈ ਵੀਡੀਓ ਫ਼ਾਈਲ URL, ਜਿਵੇਂ MP4 ਜਾਂ MOV ਫ਼ਾਰਮੈਟਾਂ ਵਿੱਚ।
mask_video_urlਵਿਕਲਪਿਕ
ਕਿਸਮurl · video
ਬਾਈਨਰੀ ਐਨਕੋਡਿੰਗ ਵਾਲਾ ਮਾਸਕ ਵੀਡੀਓ URL, ਜਿਸ ਵਿੱਚ ਨਿਸ਼ਾਨੇ ਵਾਲਾ ਆਬਜੈਕਟ ਚਿੱਟੇ ਪਿਛੋਕੜ 'ਤੇ ਕਾਲਾ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ।
promptਵਿਕਲਪਿਕ
ਕਿਸਮstring
ਡਿਫ਼ਾਲਟ
ਵਿਭਾਜਨ ਵਿੱਚ ਸਹਾਇਤਾ ਲਈ ਨਿਸ਼ਾਨੇ ਵਾਲੀ ਧੁਨੀ ਦਾ ਕੁਦਰਤੀ-ਭਾਸ਼ਾ ਵੇਰਵਾ।
reranking_candidatesਵਿਕਲਪਿਕ
ਕਿਸਮinteger
ਡਿਫ਼ਾਲਟ1
1 – 4
ਰੈਂਕਿੰਗ ਲਈ ਬਣਾਏ ਗਏ ਉਮੀਦਵਾਰਾਂ ਦੀ ਗਿਣਤੀ।
accelerationਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟbalanced
fastbalancedquality
ਪ੍ਰੋਸੈਸਿੰਗ 'ਤੇ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਐਕਸੈਲੇਰੇਸ਼ਨ ਪੱਧਰ।
max_chunk_durationਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ60
10 – 60
ਹਰੇਕ ਪਾਸ ਲਈ ਆਡੀਓ ਸੀਮਾ, ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਾਪੀ ਜਾਂਦੀ ਹੈ; ਇਸ ਤੋਂ ਵੱਧ ਹੋਣ 'ਤੇ ਪ੍ਰੋਸੈਸਿੰਗ ਵਿੱਚ ਓਵਰਲੈਪਿੰਗ ਚੰਕ ਵਰਤੇ ਜਾਂਦੇ ਹਨ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਆਪਸ ਵਿੱਚ ਮਿਲਾਇਆ ਜਾਂਦਾ ਹੈ।
chunk_overlapਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ5
0 – 30
ਚੰਕਾਂ ਦੇ ਓਵਰਲੈਪ ਦੀ ਲੰਬਾਈ, ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਾਪੀ ਜਾਂਦੀ ਹੈ, ਜੋ ਕ੍ਰਾਸਫੇਡ ਮਿਲਾਉਣ ਲਈ ਵਰਤੀ ਜਾਂਦੀ ਹੈ।
output_formatਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟwav
wavmp3
ਸਿਰਜੇ ਗਏ ਆਡੀਓ ਦਾ ਫਾਰਮੈਟ।
ਲੋੜੀਂਦਾ ਕੈਨੋਨਿਕਲ ਨਾਮ, ਇਹ ਵੀ ਸਵੀਕਾਰਿਆ ਜਾਂਦਾ ਹੈ

ਫ਼ਾਈਲ ਪੈਰਾਮੀਟਰ ਜਨਤਕ https:// URL, 10 MB ਤੱਕ ਦਾ data: URI, ਜਾਂ ਅੱਪਲੋਡ ਦੇ file_url ਨੂੰ ਸਵੀਕਾਰਦੇ ਹਨ। ਫ਼ਾਈਲਾਂ

ਆਉਟਪੁੱਟ

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"
  }
}
ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ, ਤੁਹਾਡੀ ਚੋਣਹਰ outputs[].url ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਇੱਕ ਕਾਪੀ ਹੈ: ਹਮੇਸ਼ਾ ਲਈ ਰੱਖੀ ਜਾਂਦੀ ਹੈ (ਪ੍ਰਤੀ GB-ਮਹੀਨਾ ਭੁਗਤਾਨ) ਜਾਂ 7 ਦਿਨ ਤੱਕ ਮੁਫ਼ਤ, ਤੁਹਾਡੀ ਖਾਤਾ ਸੈਟਿੰਗ ਜਾਂ ?storage= ਅਨੁਸਾਰ।
ਹਰ ਮਾਡਲ ’ਤੇ ਇੱਕੋ ਜਿਹਾ ਰੂਪਤਸਵੀਰਾਂ, ਵੀਡੀਓ ਅਤੇ ਆਡੀਓ ਸਭ ਲਈ type, url, content_type, width, height ਅਤੇ duration। output ਮਾਡਲ ਦਾ ਆਪਣਾ ਨਤੀਜਾ ਆਬਜੈਕਟ ਹੈ।
ਆਉਟਪੁੱਟ ਦੇ ਫ਼ੀਲਡ
target
object {url, content_type, file_name, file_size}ਅਲੱਗ ਕਰਕੇ ਕੱਢੀ ਗਈ ਨਿਸ਼ਾਨੇ ਵਾਲੀ ਧੁਨੀ।
residual
object {url, content_type, file_name, file_size}ਨਿਸ਼ਾਨੇ ਵਾਲੀ ਧੁਨੀ ਤੋਂ ਇਲਾਵਾ ਬਚਿਆ ਆਡੀਓ।
duration
numberਆਉਟਪੁੱਟ ਆਡੀਓ ਦੀ ਲੰਬਾਈ, ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਾਪੀ ਜਾਂਦੀ ਹੈ।
sample_rate
integerਆਉਟਪੁੱਟ ਆਡੀਓ ਦੀ Hz ਵਿੱਚ ਸੈਂਪਲਿੰਗ ਫ੍ਰੀਕਵੈਂਸੀ।

ਹੋਰ ਮਾਡਲ: ਵੀਡੀਓ ਤੋਂ ਆਡੀਓ

AI ਏਜੰਟਾਂ ਲਈ: ਇਹ ਪੰਨਾ Markdown ਵਜੋਂ ਇੱਥੇ ਹੈ https://doitong.com/pa/developers/models/sam-audio/visual-separate.md. ਸਾਰੇ ਮਾਡਲ ਅਤੇ ਗਾਈਡ: https://doitong.com/developers/llms.txt