Hoppa till innehåll

Sam Audio · Visual Separate

Integrera

Modell-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"

Filer som exemplet: 0,05 $ 50 API-krediter dina filer mäts innan körningen Kör den på den här sidan

Hämta API-nyckel
Meta Video till ljud 10–60 s #video-to-audio#sam-audio

Separera ett ljud från en videos ljudspår med vägledning av en valfri maskvideo och textprompt

Meta · Data (JSON)

Ditt första resultat visas här

Skapa en begäran nedan och kör den med din API-nyckel. Utdata kopieras till vår lagring och sparas för alltid eller 7 dagar kostnadsfritt.

Skapa en begäran

Kontrollerna genereras från modellschemat. Koden och priset uppdateras när du ändrar dem.

standard

Beskrivning på naturligt språk av målljudet för att underlätta separation.

•obligatoriskt video_url
Släpp en fil eller

Video-URL för bearbetning, i format som MP4 eller MOV.

standard 1

Antal kandidater som genereras för rangordning.

Avancerat mask_video_url · acceleration · output_format · max_chunk_duration · chunk_overlap
Släpp en fil eller

Maskvideo-URL med binär kodning där målobjektet visas svart mot en vit bakgrund.

acceleration standard balanced

Accelerationsnivå som tillämpas på bearbetningen.

output_format standard wav

Format för det genererade ljudet.

standard 60

Ljudgräns per pass, mätt i sekunder, över vilken bearbetningen använder överlappande delar som blandas samman.

standard 5

Överlappningens längd mellan delar, mätt i sekunder, som används för crossfade-blandning.

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

Kör den här begäran

Din nyckel stannar i den här webbläsaren: den skickas endast till Doitong API och sparas endast i localStorage om du markerar Kom ihåg. Hämta en API-nyckel

Om Sam Audio · Visual Separate

Tar emot en `video_url` och extraherar ett målljud från dess ljud. En valfri `mask_video_url` markerar målobjektet (svart för mål, vitt för bakgrund), och `prompt` kan lägga till en texthänvisning. Upp till 4 `reranking_candidates` kan rangordnas, och långt ljud delas upp i delar. Utdata innehåller `target`- och `residual`-ljud i wav eller mp3.

Parametrar

Skicka antingen det kanoniska namnet eller det inbyggda namnet, inte båda. Kanoniska namn

NamnTyp StandardTillåtna Beskrivning
video_urlobligatoriskt video
Typurl · video
Video-URL för bearbetning, i format som MP4 eller MOV.
mask_video_urlvalfritt
Typurl · video
Maskvideo-URL med binär kodning där målobjektet visas svart mot en vit bakgrund.
promptvalfritt
Typstring
Standard
Beskrivning på naturligt språk av målljudet för att underlätta separation.
reranking_candidatesvalfritt
Typinteger
Standard1
1 – 4
Antal kandidater som genereras för rangordning.
accelerationvalfritt
Typenum
Standardbalanced
fastbalancedquality
Accelerationsnivå som tillämpas på bearbetningen.
max_chunk_durationvalfritt
Typnumber
Standard60
10 – 60
Ljudgräns per pass, mätt i sekunder, över vilken bearbetningen använder överlappande delar som blandas samman.
chunk_overlapvalfritt
Typnumber
Standard5
0 – 30
Överlappningens längd mellan delar, mätt i sekunder, som används för crossfade-blandning.
output_formatvalfritt
Typenum
Standardwav
wavmp3
Format för det genererade ljudet.
obligatoriskt Kanoniskt namn, accepteras också

Filparametrar tar emot en offentlig https://-URL, en data:-URI på upp till 10 MB eller file_url från en uppladdning. Filer

Resultat

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"
  }
}
Dina filer, ditt valVarje outputs[].url är en kopia i vår lagring: sparad för alltid (debiteras per GB-månad) eller 7 dagar kostnadsfritt, enligt din kontoinställning eller ?storage=.
Samma struktur för varje modelltype, url, content_type, width, height och duration, för bilder, video och ljud. output är modellens eget resultatobjekt.
Resultatets fält
target
object {url, content_type, file_name, file_size}Målljud extraherat isolerat.
residual
object {url, content_type, file_name, file_size}Ljud som återstår utöver målljudet.
duration
numberUtdata-ljudets längd, mätt i sekunder.
sample_rate
integerSamplingsfrekvens i Hz för ljudutdata.

Fler modeller: Video till ljud

För AI-agenter: den här sidan som Markdown finns på https://doitong.com/sv/developers/models/sam-audio/visual-separate.md. Alla modeller och guider: https://doitong.com/developers/llms.txt