Leum chun t-susbaint

Sam Audio · Span Separate

Amalaich

ID a’ mhodail 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.ru/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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Faidhlichean mar an eisimpleir: $0.05 50 creideasan API · ≈ ₽5.27 thèid na faidhlichean agad a thomhas ron ruith Ruith e air an duilleig seo

Faigh iuchair API
Meta Fuaim 10–60 s #audio-to-audio#sam-audio

Dealachadh fuaim bho fhuaim le raointean-ama a bheir thu seachad, le sanas teacsa roghainneil

Meta · Dàta (JSON)

Thèid a’ chiad toradh agad an-seo

Tog iarrtas gu h-ìosal agus ruith e leis an iuchair API agad. Tha na h-às-churan air an lethbhreacadh dhan stòradh againn, air an cumail gu bràth no 7 latha an-asgaidh.

Tog iarrtas

Tha na smachdan air an cruthachadh bho sgeama a’ mhodail. Bidh an còd agus a’ phrìs ag ùrachadh fhad ’s a dh’atharraicheas tu iad.

Taic aithneachaidh fuaim airson claisneachd a thoirt a-mach às an raon. Thathar a’ moladh tuairisgeul teacsa den fhuaim a sgaradh, ged nach eil feum air.

•riatanach audio_url
Leig às faidhle, no

URL faidhle claisneachd airson giullachd.

bun-roghainn 1

Àireamh thagraichean air a chleachdadh dìreach le prompt teacsa: thèid an àireamh sin de thagraichean a ghineadh agus a rangachadh. Bidh sgaradh raoin a-mhàin a’ seachnadh an t-suidheachaidh seo.

•riatanach

Amannan anns a bheil am fuaim targaid a tha ri sgaradh.

Adhartach acceleration · output_format · max_chunk_duration · chunk_overlap · use_sound_activity_ranking · trim_to_span
acceleration bun-roghainn balanced

Ìre luathachaidh air a cur an sàs ann an giullachd.

output_format bun-roghainn wav

Cruth airson na claisneachd ghineadh.

bun-roghainn 60

Crìoch claisneachd gach pas, air a thomhas ann an diogan, agus às a dhèidh sin cleachdaidh giullachd pìosan a tha a’ dol thairis air a chèile agus air an co-mheasgadh.

bun-roghainn 5

Fad an tar-tharraing eadar pìosan, air a thomhas ann an diogan, air a chleachdadh airson co-mheasgadh crossfade.

POST /run/sam-audio/span-separate?wait=20 tuairmse → $0.05
# 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/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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Ruith an t-iarrtas seo

Fuirichidh an iuchair agad sa bhrobhsair seo: thèid a cur chun Doitong API a-mhàin agus a sàbhaladh (localStorage) a-mhàin ma chuireas tu comharra ri Cuimhnich. Faigh iuchair API

Mu Sam Audio · Span Separate

An àite a bhith an urra ri teacsa a-mhàin, cuiridh tu `spans` seachad a chomharraicheas cuin a nochdas am fuaim targaid ann an `audio_url`. Tha `prompt` roghainneil ach cuidichidh e le seòrsa an fhuaim aithneachadh. Faodaidh `trim_to_span` an toradh a ghearradh dhan raon, agus leigidh `use_sound_activity_ranking` le ath-rangachadh gun prompt. Tillidh e fuaim `target` agus `residual` ann an wav no mp3.

Paramadairean

Cuir an t-ainm canonical no an t-ainm dùthchasach, chan e an dà chuid. Ainmean canonical

AinmSeòrsa Bun-roghainnCeadaichte Tuairisgeul
audio_urlriatanach audio
Seòrsaurl · audio
URL faidhle claisneachd airson giullachd.
promptroghainneil
Seòrsastring | null
Taic aithneachaidh fuaim airson claisneachd a thoirt a-mach às an raon. Thathar a’ moladh tuairisgeul teacsa den fhuaim a sgaradh, ged nach eil feum air.
spansriatanach
Seòrsaobject[]
Amannan anns a bheil am fuaim targaid a tha ri sgaradh.
spans[].startriatanach
Seòrsanumber
≥ 0
Stampa-tìde tòiseachaidh an raoin, air a thomhas ann an diogan.
spans[].endriatanach
Seòrsanumber
≥ 0
Stampa-tìde crìochnachaidh an raoin, air a thomhas ann an diogan.
spans[].includeroghainneil
Seòrsaboolean
Bun-roghainntrue
In-ghabhail fhuaimean taobh a-staigh an raoin: tha True gan gabhail a-steach, agus tha False gan dùnadh a-mach.
reranking_candidatesroghainneil
Seòrsainteger
Bun-roghainn1
1 – 7
Àireamh thagraichean air a chleachdadh dìreach le prompt teacsa: thèid an àireamh sin de thagraichean a ghineadh agus a rangachadh. Bidh sgaradh raoin a-mhàin a’ seachnadh an t-suidheachaidh seo.
accelerationroghainneil
Seòrsaenum
Bun-roghainnbalanced
fastbalancedquality
Ìre luathachaidh air a cur an sàs ann an giullachd.
max_chunk_durationroghainneil
Seòrsanumber
Bun-roghainn60
10 – 60
Crìoch claisneachd gach pas, air a thomhas ann an diogan, agus às a dhèidh sin cleachdaidh giullachd pìosan a tha a’ dol thairis air a chèile agus air an co-mheasgadh.
chunk_overlaproghainneil
Seòrsanumber
Bun-roghainn5
0 – 30
Fad an tar-tharraing eadar pìosan, air a thomhas ann an diogan, air a chleachdadh airson co-mheasgadh crossfade.
use_sound_activity_rankingroghainneil
Seòrsaboolean
Bun-roghainnfalse
Roghainn rangachaidh gnìomhachd fuaim a dh’fheumas reranking_candidates > 1, a’ comasachadh ath-rangachadh èifeachdach airson sgaradh raoin a-mhàin às aonais prompt teacsa. Tha tagraichean air an sgòradh a rèir cho dlùth ’s a tha na roinnean neo-sàmhach a chaidh an lorg a’ co-thaobhadh ris na raointean a chaidh a thoirt seachad.
trim_to_spanroghainneil
Seòrsaboolean
Bun-roghainnfalse
Roghainn fad às-chuir eadar an raon ainmichte a-mhàin agus a’ chlaistinn iomlan. Le bhith ga chur an comas, thèid a ghearradh gu raon-tìde an raoin; cumaidh False an làn fhad agus sgaradh am fuaim targaid air feadh.
output_formatroghainneil
Seòrsaenum
Bun-roghainnwav
wavmp3
Cruth airson na claisneachd ghineadh.
riatanach Ainm canonical, gabhar ris cuideachd

Gabhaidh paramadairean faidhle ri URL poblach https://, URI data: suas ri 10 MB, no file_url de luchdachadh suas. Faidhlichean

Toradh

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.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Na faidhlichean agad, do roghainnTha gach outputs[].url na lethbhreac air an stòradh againn: air a chumail gu bràth (air a phàigheadh gach GB-mìos) no 7 latha an-asgaidh, a rèir suidheachadh a’ chunntais agad no ?storage=.
An aon chruth air gach modailtype, url, content_type, width, height agus duration, airson dealbhan, bhidio agus fuaim le chèile. ’S e output nì toraidh a’ mhodail fhèin.
Raointean toraidh
target
object {url, content_type, file_name, file_size}Fuaim targaid air a thoirt a-mach leis fhèin.
residual
object {url, content_type, file_name, file_size}Claisneachd a tha air fhàgail ach am fuaim targaid.
duration
numberFad claisneachd às-chuir, air a thomhas ann an diogan.
sample_rate
integerTricead samplachaidh ann an Hz airson an às-chur claisneachd.

Barrachd mhodalan: Fuaim

Do riochdairean AI: tha an duilleag seo mar Markdown aig https://doitong.com/gd/developers/models/sam-audio/span-separate.md. Na modailean agus na treòraichean uile: https://doitong.com/developers/llms.txt