Avançar para o conteúdo

Sam Audio · Visual Separate

Integrar

ID do modelo 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"

Ficheiros como o exemplo: 0,05 $ 50 créditos da API os seus ficheiros são medidos antes da execução Executar nesta página

Obter chave de API
Meta Vídeo para áudio 10–60 s #video-to-audio#sam-audio

Separa um som da faixa de áudio de um vídeo, orientado por um vídeo de máscara e um prompt de texto opcionais

Meta · Dados (JSON)

O seu primeiro resultado aparece aqui

Crie um pedido abaixo e execute-o com a sua chave de API. As saídas são copiadas para o nosso armazenamento, guardadas para sempre ou durante 7 dias gratuitamente.

Criar um pedido

Os controlos são gerados a partir do esquema do modelo. O código e o preço são atualizados à medida que os altera.

predefinição

Descrição em linguagem natural do som pretendido para ajudar na separação.

•obrigatório video_url
Largue um ficheiro ou

URL do ficheiro de vídeo para processamento, em formatos como MP4 ou MOV.

predefinição 1

Número de candidatos gerados para classificação.

Avançado mask_video_url · acceleration · output_format · max_chunk_duration · chunk_overlap
Largue um ficheiro ou

URL do vídeo da máscara utilizando uma codificação binária em que o objeto pretendido aparece a preto sobre um fundo branco.

acceleration predefinição balanced

Nível de aceleração aplicado ao processamento.

output_format predefinição wav

Formato do áudio gerado.

predefinição 60

Limite de áudio por passagem, medido em segundos, acima do qual o processamento utiliza segmentos sobrepostos que são misturados.

predefinição 5

Duração da sobreposição entre segmentos, medida em segundos, utilizada para a mistura de crossfade.

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

Executar este pedido

A sua chave permanece neste navegador: é enviada apenas para a Doitong API e guardada em localStorage apenas se selecionar Lembrar. Obter uma chave de API

Sobre Sam Audio · Visual Separate

Recebe um `video_url` e extrai um som alvo do respetivo áudio. Um `mask_video_url` opcional marca o objeto alvo (preto para o alvo, branco para o fundo), e `prompt` pode acrescentar uma indicação de texto. Podem ser ordenados até 4 `reranking_candidates`, e o áudio longo é dividido. O resultado tem áudio `target` e `residual` em wav ou mp3.

Parâmetros

Envie o nome canónico ou o nome nativo, não ambos. Nomes canónicos

NomeTipo PredefiniçãoPermitido Descrição
video_urlobrigatório video
Tipourl · video
URL do ficheiro de vídeo para processamento, em formatos como MP4 ou MOV.
mask_video_urlopcional
Tipourl · video
URL do vídeo da máscara utilizando uma codificação binária em que o objeto pretendido aparece a preto sobre um fundo branco.
promptopcional
Tipostring
Predefinição
Descrição em linguagem natural do som pretendido para ajudar na separação.
reranking_candidatesopcional
Tipointeger
Predefinição1
1 – 4
Número de candidatos gerados para classificação.
accelerationopcional
Tipoenum
Predefiniçãobalanced
fastbalancedquality
Nível de aceleração aplicado ao processamento.
max_chunk_durationopcional
Tiponumber
Predefinição60
10 – 60
Limite de áudio por passagem, medido em segundos, acima do qual o processamento utiliza segmentos sobrepostos que são misturados.
chunk_overlapopcional
Tiponumber
Predefinição5
0 – 30
Duração da sobreposição entre segmentos, medida em segundos, utilizada para a mistura de crossfade.
output_formatopcional
Tipoenum
Predefiniçãowav
wavmp3
Formato do áudio gerado.
obrigatório Nome canónico, também aceite

Os parâmetros de ficheiro aceitam um URL https:// público, um URI data: até 10 MB ou o file_url de um carregamento. Ficheiros

Resultado

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"
  }
}
Os seus ficheiros, a sua escolhaCada outputs[].url é uma cópia no nosso armazenamento: guardada para sempre (paga por GB-mês) ou durante 7 dias gratuitamente, conforme a definição da sua conta ou ?storage=.
A mesma estrutura em todos os modelostype, url, content_type, width, height e duration, tanto para imagens como para vídeo e áudio. output é o próprio objeto de resultado do modelo.
Campos do resultado
target
object {url, content_type, file_name, file_size}Som pretendido extraído de forma isolada.
residual
object {url, content_type, file_name, file_size}Áudio restante, excluindo o som pretendido.
duration
numberDuração da saída de áudio, medida em segundos.
sample_rate
integerFrequência de amostragem em Hz do áudio de saída.

Mais modelos: Vídeo para áudio

Para agentes de IA: esta página em Markdown está disponível em https://doitong.com/pt-PT/developers/models/sam-audio/visual-separate.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt