رفتن به محتوا

ThinkSound · Audio

یکپارچه‌سازی

شناسه مدل thinksound/audio
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/thinksound/audio?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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

تا ⁨‎$۱٫۸۰⁩ برای هر اجرا بر اساس مصرف واقعی هزینه دریافت می‌شود و مابقی بازپرداخت می‌شود اجرای آن در این صفحه

دریافت کلید API
Open model ویدیو به صوت #audio-generation#video-to-audio

تولیدکنندهٔ ویدیو به صدا که فقط مسیر صوتی را به‌عنوان فایل صوتی جداگانه برمی‌گرداند

Open model · صوت

اولین نتیجه شما اینجا قرار می‌گیرد

درخواست را در زیر بسازید و با کلید API خود اجرا کنید. خروجی‌ها در فضای ذخیره‌سازی ما کپی می‌شوند و برای همیشه یا به‌مدت ۷ روز رایگان نگه‌داری می‌شوند.

ساخت درخواست

کنترل‌ها از شِمای مدل تولید می‌شوند. با تغییر آن‌ها، کد و قیمت به‌روزرسانی می‌شوند.

پیش‌فرض

راهنمای اختیاری تولید صوت که جایگزین پرامپتی می‌شود که در غیر این صورت از ویدیو استخراج می‌شود.

•الزامی video_url
یک فایل بیندازید، یا

URL ویدیو که به‌عنوان منبع تولید صوت استفاده می‌شود.

پیشرفته num_inference_steps · cfg_scale · seed
پیش‌فرض 24

تعداد گام‌های استنتاج برای تولید صوت.

پیش‌فرض 5

قدرت راهنمایی بدون دسته‌بندی برای تولید صوت.

مقدار seed مورد استفاده مولد اعداد تصادفی.

POST /run/thinksound/audio?wait=20 قیمت → ⁨‎$۱٫۸۰⁩
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/thinksound/audio?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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

اجرای این درخواست

کلید شما در این مرورگر باقی می‌ماند: فقط به Doitong API ارسال می‌شود و فقط در صورت فعال‌کردن گزینه «یادآوری»، در localStorage ذخیره می‌شود. دریافت کلید API

درباره ThinkSound · Audio

برای ویدیوی موجود در `video_url` صدا تولید و آن را به‌صورت فایل صوتی مستقل، به‌جای ویدیوی بازترکیب‌شده، ارائه می‌کند. وقتی می‌خواهید مسیر صوتی را خودتان میکس یا ویرایش کنید مفید است. `prompt` اختیاری صدا را هدایت می‌کند؛ در غیر این صورت از ویدیو استخراج می‌شود. از `seed`، `num_inference_steps` (از 2 تا 100) و `cfg_scale` (از 1 تا 20) پشتیبانی می‌کند.

پارامترها

نام استاندارد یا نام بومی را ارسال کنید، نه هر دو. نام‌های استاندارد

نامنوع پیش‌فرضمجاز توضیحات
video_urlالزامی video
نوعurl · video
URL ویدیو که به‌عنوان منبع تولید صوت استفاده می‌شود.
promptاختیاری
نوعstring
پیش‌فرض
راهنمای اختیاری تولید صوت که جایگزین پرامپتی می‌شود که در غیر این صورت از ویدیو استخراج می‌شود.
seedاختیاری
نوعinteger | null
مقدار seed مورد استفاده مولد اعداد تصادفی.
num_inference_stepsاختیاری
نوعinteger
پیش‌فرض24
۲ – ۱۰۰
تعداد گام‌های استنتاج برای تولید صوت.
cfg_scaleاختیاری
نوعnumber
پیش‌فرض5
۱ – ۲۰
قدرت راهنمایی بدون دسته‌بندی برای تولید صوت.
الزامی نام استاندارد، همچنین پذیرفته می‌شود

پارامترهای فایل یک URL عمومی https://، یک URI از نوع data: تا سقف 10 MB، یا file_url یک فایل بارگذاری‌شده را می‌پذیرند. فایل‌ها

خروجی

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "thinksound/audio",
  "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": 1800,
    "usd": "1.80",
    "charged": 1800,
    "refunded": 0
  },
  "input": {
    "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  },
  "output": {
    "audio": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_name": "0-output.mp3",
      "file_size": 1843200
    },
    "prompt": "An acoustic guitar being played indoors."
  },
  "outputs": [
    {
      "type": "audio",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_size": 1843200,
      "duration": 12,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
فایل‌های شما، انتخاب شماهر outputs[].url کپی‌ای در فضای ذخیره‌سازی ماست: برای همیشه (با هزینه به‌ازای هر GB-ماه) یا به‌مدت ۷ روز رایگان، بر اساس تنظیم حساب شما یا ?storage=.
ساختار یکسان در همه مدل‌هاtype، url، content_type، width، height و duration برای تصاویر، ویدیو و صدا یکسان هستند. output شیء نتیجه اختصاصی مدل است.
فیلدهای خروجی
audio
object {url, content_type, file_name, file_size}فایل صوتی تولیدشده.
prompt
stringپرامپتی که تولید صوت را هدایت کرده است.

مدل‌های بیشتر: ویدیو به صوت

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/thinksound/audio.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt