ข้ามไปยังเนื้อหา

Sam Audio · Visual Separate

ผสานการทำงาน

ID โมเดล 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"

ไฟล์เช่นเดียวกับตัวอย่าง: $0.05 50 เครดิต API ไฟล์ของคุณจะถูกวัดก่อนเรียกใช้ เรียกใช้ในหน้านี้

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

แยกเสียงออกจากแทร็กเสียงของวิดีโอ โดยใช้วิดีโอมาสก์และพรอมต์ข้อความเป็นตัวช่วย ซึ่งทั้งสองอย่างเป็นตัวเลือก

Meta · ข้อมูล (JSON)

ผลลัพธ์แรกของคุณจะแสดงที่นี่

สร้างคำขอด้านล่างและเรียกใช้ด้วยคีย์ API ของคุณ เอาต์พุตจะถูกคัดลอกไปยังพื้นที่จัดเก็บของเรา และเก็บไว้ตลอดไปหรือฟรี 7 วัน

สร้างคำขอ

ตัวควบคุมสร้างจากสคีมาของโมเดล โค้ดและราคาจะอัปเดตเมื่อคุณเปลี่ยนค่า

ค่าเริ่มต้น

คำอธิบายด้วยภาษาธรรมชาติของเสียงเป้าหมายเพื่อช่วยในการแยก

•จำเป็น video_url
วางไฟล์ หรือ

URL ไฟล์วิดีโอสำหรับประมวลผล ในรูปแบบเช่น MP4 หรือ MOV

ค่าเริ่มต้น 1

จำนวนตัวเลือกที่สร้างขึ้นเพื่อจัดอันดับ

ขั้นสูง mask_video_url · acceleration · output_format · max_chunk_duration · chunk_overlap
วางไฟล์ หรือ

URL วิดีโอมาสก์ที่ใช้การเข้ารหัสแบบไบนารี โดยอ็อบเจ็กต์เป้าหมายเป็นสีดำบนพื้นหลังสีขาว

acceleration ค่าเริ่มต้น balanced

ระดับการเร่งความเร็วที่ใช้กับการประมวลผล

output_format ค่าเริ่มต้น wav

รูปแบบของเสียงที่สร้างขึ้น

ค่าเริ่มต้น 60

ขีดจำกัดเสียงต่อรอบ วัดเป็นวินาที ซึ่งเมื่อเกินแล้วการประมวลผลจะใช้ชิ้นส่วนที่ซ้อนทับกันและผสมเข้าด้วยกัน

ค่าเริ่มต้น 5

ความยาวของส่วนที่ซ้อนทับกันระหว่างชิ้นส่วน วัดเป็นวินาที ใช้สำหรับการผสมแบบ crossfade

POST /run/sam-audio/visual-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/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"

เรียกใช้คำขอนี้

คีย์ของคุณจะอยู่ในเบราว์เซอร์นี้ โดยส่งไปยัง Doitong API เท่านั้น และจะบันทึกใน localStorage ก็ต่อเมื่อคุณเลือกจดจำ รับคีย์ API

เกี่ยวกับ Sam Audio · Visual Separate

รับ `video_url` และแยกเสียงเป้าหมายจากเสียงของวิดีโอ `mask_video_url` ที่เป็นตัวเลือกจะระบุวัตถุเป้าหมาย (สีดำสำหรับเป้าหมาย สีขาวสำหรับพื้นหลัง) และ `prompt` สามารถเพิ่มคำใบ้ข้อความได้ รองรับการจัดอันดับ `reranking_candidates` สูงสุด 4 รายการ และจะแบ่งเสียงยาวเป็นช่วง ผลลัพธ์มีเสียง `target` และ `residual` ในรูปแบบ wav หรือ mp3

พารามิเตอร์

ส่งชื่อมาตรฐานหรือชื่อดั้งเดิมอย่างใดอย่างหนึ่งเท่านั้น ห้ามส่งทั้งสองชื่อ ชื่อมาตรฐาน

ชื่อประเภท ค่าเริ่มต้นค่าที่อนุญาต คำอธิบาย
video_urlจำเป็น video
ประเภทurl · video
URL ไฟล์วิดีโอสำหรับประมวลผล ในรูปแบบเช่น MP4 หรือ MOV
mask_video_urlไม่บังคับ
ประเภทurl · video
URL วิดีโอมาสก์ที่ใช้การเข้ารหัสแบบไบนารี โดยอ็อบเจ็กต์เป้าหมายเป็นสีดำบนพื้นหลังสีขาว
promptไม่บังคับ
ประเภทstring
ค่าเริ่มต้น
คำอธิบายด้วยภาษาธรรมชาติของเสียงเป้าหมายเพื่อช่วยในการแยก
reranking_candidatesไม่บังคับ
ประเภทinteger
ค่าเริ่มต้น1
1 – 4
จำนวนตัวเลือกที่สร้างขึ้นเพื่อจัดอันดับ
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
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/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"
  }
}
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: วิดีโอเป็นเสียง

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