ข้ามไปยังเนื้อหา

Sam Audio · Span Separate

ผสานการทำงาน

ID โมเดล 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"

ไฟล์เช่นเดียวกับตัวอย่าง: $0.05 50 เครดิต API ไฟล์ของคุณจะถูกวัดก่อนเรียกใช้ เรียกใช้ในหน้านี้

รับคีย์ API
Meta เสียง 10–60 s #audio-to-audio#sam-audio

แยกเสียงจากไฟล์เสียงโดยใช้ช่วงเวลาที่ระบุ พร้อมคำใบ้ข้อความที่เลือกใช้ได้

Meta · ข้อมูล (JSON)

ผลลัพธ์แรกของคุณจะแสดงที่นี่

สร้างคำขอด้านล่างและเรียกใช้ด้วยคีย์ API ของคุณ เอาต์พุตจะถูกคัดลอกไปยังพื้นที่จัดเก็บของเรา และเก็บไว้ตลอดไปหรือฟรี 7 วัน

สร้างคำขอ

ตัวควบคุมสร้างจากสคีมาของโมเดล โค้ดและราคาจะอัปเดตเมื่อคุณเปลี่ยนค่า

ตัวช่วยระบุเสียงสำหรับแยกเสียงจากช่วงที่กำหนด แนะนำให้ระบุคำอธิบายข้อความของเสียงที่ต้องการแยก แต่ไม่บังคับ

•จำเป็น audio_url
วางไฟล์ หรือ

URL ไฟล์เสียงสำหรับประมวลผล

ค่าเริ่มต้น 1

จำนวนตัวเลือกที่ใช้เฉพาะเมื่อมีพรอมต์ข้อความ: ระบบจะสร้างและจัดอันดับตัวเลือกตามจำนวนดังกล่าว การแยกเฉพาะช่วงจะไม่สนใจการตั้งค่านี้

•จำเป็น

ช่วงเวลาที่มีเสียงเป้าหมายซึ่งต้องการแยก

ขั้นสูง acceleration · output_format · max_chunk_duration · chunk_overlap · use_sound_activity_ranking · trim_to_span
acceleration ค่าเริ่มต้น balanced

ระดับการเร่งความเร็วที่ใช้กับการประมวลผล

output_format ค่าเริ่มต้น wav

รูปแบบของเสียงที่สร้างขึ้น

ค่าเริ่มต้น 60

ขีดจำกัดเสียงต่อรอบ วัดเป็นวินาที ซึ่งเมื่อเกินแล้วการประมวลผลจะใช้ชิ้นส่วนที่ซ้อนทับกันและผสมเข้าด้วยกัน

ค่าเริ่มต้น 5

ความยาวของส่วนที่ซ้อนทับกันระหว่างชิ้นส่วน วัดเป็นวินาที ใช้สำหรับการผสมแบบ crossfade

POST /run/sam-audio/span-separate?wait=20 ใบเสนอราคา → $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"

เรียกใช้คำขอนี้

คีย์ของคุณจะอยู่ในเบราว์เซอร์นี้ โดยส่งไปยัง Doitong API เท่านั้น และจะบันทึกใน localStorage ก็ต่อเมื่อคุณเลือกจดจำ รับคีย์ API

เกี่ยวกับ Sam Audio · Span Separate

แทนที่จะใช้ข้อความเพียงอย่างเดียว คุณส่ง `spans` ที่ระบุช่วงเวลาที่เสียงเป้าหมายเกิดขึ้นใน `audio_url` ได้ `prompt` เป็นตัวเลือก แต่ช่วยระบุประเภทเสียง `trim_to_span` สามารถตัดเอาต์พุตให้เหลือช่วงเวลาที่กำหนด และ `use_sound_activity_ranking` อนุญาตให้จัดอันดับใหม่โดยไม่ใช้พรอมต์ ส่งคืนเสียง `target` และ `residual` ในรูปแบบ wav หรือ mp3

พารามิเตอร์

ส่งชื่อมาตรฐานหรือชื่อดั้งเดิมอย่างใดอย่างหนึ่งเท่านั้น ห้ามส่งทั้งสองชื่อ ชื่อมาตรฐาน

ชื่อประเภท ค่าเริ่มต้นค่าที่อนุญาต คำอธิบาย
audio_urlจำเป็น audio
ประเภทurl · audio
URL ไฟล์เสียงสำหรับประมวลผล
promptไม่บังคับ
ประเภทstring | null
ตัวช่วยระบุเสียงสำหรับแยกเสียงจากช่วงที่กำหนด แนะนำให้ระบุคำอธิบายข้อความของเสียงที่ต้องการแยก แต่ไม่บังคับ
spansจำเป็น
ประเภทobject[]
ช่วงเวลาที่มีเสียงเป้าหมายซึ่งต้องการแยก
spans[].startจำเป็น
ประเภทnumber
≥ 0
ไทม์สแตมป์เริ่มต้นของช่วง วัดเป็นวินาที
spans[].endจำเป็น
ประเภทnumber
≥ 0
ไทม์สแตมป์สิ้นสุดของช่วง วัดเป็นวินาที
spans[].includeไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นtrue
การรวมเสียงภายในช่วง: True จะรวมเสียงเหล่านั้น ส่วน False จะไม่รวม
reranking_candidatesไม่บังคับ
ประเภทinteger
ค่าเริ่มต้น1
1 – 7
จำนวนตัวเลือกที่ใช้เฉพาะเมื่อมีพรอมต์ข้อความ: ระบบจะสร้างและจัดอันดับตัวเลือกตามจำนวนดังกล่าว การแยกเฉพาะช่วงจะไม่สนใจการตั้งค่านี้
accelerationไม่บังคับ
ประเภทenum
ค่าเริ่มต้นbalanced
fastbalancedquality
ระดับการเร่งความเร็วที่ใช้กับการประมวลผล
max_chunk_durationไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น60
10 – 60
ขีดจำกัดเสียงต่อรอบ วัดเป็นวินาที ซึ่งเมื่อเกินแล้วการประมวลผลจะใช้ชิ้นส่วนที่ซ้อนทับกันและผสมเข้าด้วยกัน
chunk_overlapไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น5
0 – 30
ความยาวของส่วนที่ซ้อนทับกันระหว่างชิ้นส่วน วัดเป็นวินาที ใช้สำหรับการผสมแบบ crossfade
use_sound_activity_rankingไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นfalse
ตัวเลือกการจัดอันดับกิจกรรมเสียงที่ต้องใช้ reranking_candidates > 1 ซึ่งเปิดใช้การจัดอันดับซ้ำที่มีประสิทธิภาพสำหรับการแยกเฉพาะช่วงโดยไม่มีพรอมต์ข้อความ ระบบจะให้คะแนนตัวเลือกตามความใกล้เคียงระหว่างบริเวณที่ตรวจพบว่าไม่มีเสียงกับช่วงที่ระบุ
trim_to_spanไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นfalse
ตัวเลือกความยาวเอาต์พุตระหว่างช่วงที่ระบุเท่านั้นกับเสียงทั้งหมด เมื่อเปิดใช้ ระบบจะตัดให้เหลือช่วงเวลาในช่วงนั้น ส่วน False จะคงความยาวเต็มและแยกเสียงเป้าหมายตลอดทั้งไฟล์
output_formatไม่บังคับ
ประเภทenum
ค่าเริ่มต้นwav
wavmp3
รูปแบบของเสียงที่สร้างขึ้น
จำเป็น ชื่อมาตรฐาน ซึ่งรองรับเช่นกัน

พารามิเตอร์ไฟล์รับ URL https:// สาธารณะ, data: URI ขนาดไม่เกิน 10 MB หรือ file_url ของไฟล์ที่อัปโหลด ไฟล์

เอาต์พุต

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"
  }
}
ไฟล์ของคุณ คุณเลือกเองทุก outputs[].url คือสำเนาบนพื้นที่จัดเก็บของเรา: เก็บไว้ตลอดไป (คิดค่าบริการต่อ GB-เดือน) หรือฟรี 7 วัน โดยกำหนดได้ในการตั้งค่าบัญชีหรือ ?storage=
รูปแบบเดียวกันในทุกโมเดลtype, url, content_type, width, height และ duration สำหรับภาพ วิดีโอ และเสียงเหมือนกันทั้งหมด ส่วน output คือออบเจ็กต์ผลลัพธ์ของโมเดลเอง
ฟิลด์ของเอาต์พุต
target
object {url, content_type, file_name, file_size}เสียงเป้าหมายที่แยกออกมาโดยลำพัง
residual
object {url, content_type, file_name, file_size}เสียงที่เหลือนอกเหนือจากเสียงเป้าหมาย
duration
numberความยาวเอาต์พุตเสียง วัดเป็นวินาที
sample_rate
integerความถี่การสุ่มตัวอย่างในหน่วย Hz สำหรับเสียงเอาต์พุต

โมเดลเพิ่มเติม: เสียง

สำหรับเอเจนต์ AI: หน้า Markdown นี้อยู่ที่ https://doitong.com/th/developers/models/sam-audio/span-separate.md. โมเดลและคู่มือทั้งหมด: https://doitong.com/developers/llms.txt