ਸਮੱਗਰੀ ਵੱਲ ਜਾਓ

Sam Audio · Span Separate

ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ

ਮਾਡਲ id 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"

ਉਦਾਹਰਨ ਵਰਗੀਆਂ ਫ਼ਾਈਲਾਂ: $0.05 50 API ਕ੍ਰੈਡਿਟ · ≈ ₽5.27 ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ ਚਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਮਾਪੀਆਂ ਜਾਂਦੀਆਂ ਹਨ ਇਸ ਪੰਨੇ ’ਤੇ ਚਲਾਓ

API ਕੁੰਜੀ ਲਵੋ
Meta ਆਡੀਓ 10–60 s #audio-to-audio#sam-audio

ਤੁਹਾਡੇ ਦਿੱਤੇ ਸਮਾਂ-ਅੰਤਰਾਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਆਡੀਓ ਵਿੱਚੋਂ ਇੱਕ ਧੁਨੀ ਨੂੰ ਅਲੱਗ ਕਰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਵਿਕਲਪਿਕ ਟੈਕਸਟ ਸੰਕੇਤ ਹੁੰਦਾ ਹੈ

Meta · ਡਾਟਾ (JSON)

ਤੁਹਾਡਾ ਪਹਿਲਾ ਨਤੀਜਾ ਇੱਥੇ ਹੋਵੇਗਾ

ਹੇਠਾਂ ਬੇਨਤੀ ਬਣਾਓ ਅਤੇ ਆਪਣੀ API ਕੁੰਜੀ ਨਾਲ ਚਲਾਓ। ਆਉਟਪੁੱਟ ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਕਾਪੀ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਹਮੇਸ਼ਾ ਲਈ ਜਾਂ ਮੁਫ਼ਤ ਵਿੱਚ 7 ਦਿਨ ਤੱਕ ਰੱਖੇ ਜਾਂਦੇ ਹਨ।

ਰਿਕਵੈਸਟ ਬਣਾਓ

ਕੰਟਰੋਲ ਮਾਡਲ ਸਕੀਮਾ ਤੋਂ ਤਿਆਰ ਹੁੰਦੇ ਹਨ। ਤੁਸੀਂ ਬਦਲਾਅ ਕਰਦੇ ਹੀ ਕੋਡ ਅਤੇ ਕੀਮਤ ਅੱਪਡੇਟ ਹੋ ਜਾਂਦੇ ਹਨ।

ਸਪੈਨ ਤੋਂ ਆਡੀਓ ਕੱਢਣ ਲਈ ਧੁਨੀ-ਪਛਾਣ ਸਹਾਇਤਾ। ਅਲੱਗ ਕੀਤੀ ਜਾਣ ਵਾਲੀ ਧੁਨੀ ਦਾ ਟੈਕਸਟ ਵੇਰਵਾ ਦੇਣਾ ਸਿਫ਼ਾਰਸ਼ੀ ਹੈ, ਪਰ ਲਾਜ਼ਮੀ ਨਹੀਂ।

•ਲੋੜੀਂਦਾ audio_url
ਫ਼ਾਈਲ ਛੱਡੋ, ਜਾਂ

ਪ੍ਰੋਸੈਸਿੰਗ ਲਈ ਆਡੀਓ ਫ਼ਾਈਲ URL।

ਡਿਫ਼ਾਲਟ 1

ਸਿਰਫ਼ ਟੈਕਸਟ ਪ੍ਰੌਂਪਟ ਨਾਲ ਵਰਤੀ ਜਾਣ ਵਾਲੀ ਉਮੀਦਵਾਰ ਗਿਣਤੀ: ਇੰਨੇ ਉਮੀਦਵਾਰ ਬਣਾਏ ਅਤੇ ਰੈਂਕ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। ਸਿਰਫ਼-ਸਪੈਨ ਵਿਭਾਜਨ ਇਸ ਸੈਟਿੰਗ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਦਾ ਹੈ।

•ਲੋੜੀਂਦਾ

ਅਲੱਗ ਕੀਤੀ ਜਾਣ ਵਾਲੀ ਨਿਸ਼ਾਨੇ ਵਾਲੀ ਧੁਨੀ ਵਾਲੇ ਸਮੇਂ ਦੇ ਅੰਤਰਾਲ।

ਉੱਨਤ acceleration · output_format · max_chunk_duration · chunk_overlap · use_sound_activity_ranking · trim_to_span
acceleration ਡਿਫ਼ਾਲਟ balanced

ਪ੍ਰੋਸੈਸਿੰਗ 'ਤੇ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਐਕਸੈਲੇਰੇਸ਼ਨ ਪੱਧਰ।

output_format ਡਿਫ਼ਾਲਟ wav

ਸਿਰਜੇ ਗਏ ਆਡੀਓ ਦਾ ਫਾਰਮੈਟ।

ਡਿਫ਼ਾਲਟ 60

ਹਰੇਕ ਪਾਸ ਲਈ ਆਡੀਓ ਸੀਮਾ, ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਾਪੀ ਜਾਂਦੀ ਹੈ; ਇਸ ਤੋਂ ਵੱਧ ਹੋਣ 'ਤੇ ਪ੍ਰੋਸੈਸਿੰਗ ਵਿੱਚ ਓਵਰਲੈਪਿੰਗ ਚੰਕ ਵਰਤੇ ਜਾਂਦੇ ਹਨ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਆਪਸ ਵਿੱਚ ਮਿਲਾਇਆ ਜਾਂਦਾ ਹੈ।

ਡਿਫ਼ਾਲਟ 5

ਚੰਕਾਂ ਦੇ ਓਵਰਲੈਪ ਦੀ ਲੰਬਾਈ, ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਾਪੀ ਜਾਂਦੀ ਹੈ, ਜੋ ਕ੍ਰਾਸਫੇਡ ਮਿਲਾਉਣ ਲਈ ਵਰਤੀ ਜਾਂਦੀ ਹੈ।

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

ਇਹ ਬੇਨਤੀ ਚਲਾਓ

ਤੁਹਾਡੀ key ਇਸ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਰਹਿੰਦੀ ਹੈ: ਇਹ ਸਿਰਫ਼ Doitong API ਨੂੰ ਭੇਜੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਸਿਰਫ਼ ਤਾਂ ਹੀ (localStorage) ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਹੁੰਦੀ ਹੈ ਜੇ ਤੁਸੀਂ Remember ਚੁਣੋ। API ਕੁੰਜੀ ਪ੍ਰਾਪਤ ਕਰੋ

Sam Audio · Span Separate ਬਾਰੇ

ਸਿਰਫ਼ ਟੈਕਸਟ 'ਤੇ ਨਿਰਭਰ ਕਰਨ ਦੀ ਬਜਾਏ, ਤੁਸੀਂ `audio_url` ਵਿੱਚ ਟਾਰਗੇਟ ਧੁਨੀ ਕਦੋਂ ਆਉਂਦੀ ਹੈ ਇਹ ਦਰਸਾਉਂਦੇ `spans` ਦਿੰਦੇ ਹੋ। `prompt` ਵਿਕਲਪਿਕ ਹੈ, ਪਰ ਧੁਨੀ ਦੀ ਕਿਸਮ ਪਛਾਣਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ। `trim_to_span` ਆਉਟਪੁੱਟ ਨੂੰ span ਰੇਂਜ ਤੱਕ ਕੱਟ ਸਕਦਾ ਹੈ, ਅਤੇ `use_sound_activity_ranking` ਪ੍ਰੌਮਪਟ ਤੋਂ ਬਿਨਾਂ ਮੁੜ-ਰੇਟਿੰਗ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ। wav ਜਾਂ mp3 ਵਿੱਚ `target` ਅਤੇ `residual` ਆਡੀਓ ਵਾਪਸ ਕਰਦਾ ਹੈ।

ਪੈਰਾਮੀਟਰ

ਕੈਨੋਨਿਕਲ ਨਾਮ ਜਾਂ ਨੇਟਿਵ ਨਾਮ ਵਿੱਚੋਂ ਕੋਈ ਇੱਕ ਭੇਜੋ, ਦੋਵੇਂ ਨਹੀਂ। ਕੈਨੋਨਿਕਲ ਨਾਮ

ਨਾਮਕਿਸਮ ਡਿਫ਼ਾਲਟਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵੇਰਵਾ
audio_urlਲੋੜੀਂਦਾ audio
ਕਿਸਮurl · audio
ਪ੍ਰੋਸੈਸਿੰਗ ਲਈ ਆਡੀਓ ਫ਼ਾਈਲ URL।
promptਵਿਕਲਪਿਕ
ਕਿਸਮstring | null
ਸਪੈਨ ਤੋਂ ਆਡੀਓ ਕੱਢਣ ਲਈ ਧੁਨੀ-ਪਛਾਣ ਸਹਾਇਤਾ। ਅਲੱਗ ਕੀਤੀ ਜਾਣ ਵਾਲੀ ਧੁਨੀ ਦਾ ਟੈਕਸਟ ਵੇਰਵਾ ਦੇਣਾ ਸਿਫ਼ਾਰਸ਼ੀ ਹੈ, ਪਰ ਲਾਜ਼ਮੀ ਨਹੀਂ।
spansਲੋੜੀਂਦਾ
ਕਿਸਮobject[]
ਅਲੱਗ ਕੀਤੀ ਜਾਣ ਵਾਲੀ ਨਿਸ਼ਾਨੇ ਵਾਲੀ ਧੁਨੀ ਵਾਲੇ ਸਮੇਂ ਦੇ ਅੰਤਰਾਲ।
spans[].startਲੋੜੀਂਦਾ
ਕਿਸਮnumber
≥ 0
ਸਪੈਨ ਦਾ ਸ਼ੁਰੂਆਤੀ ਟਾਈਮਸਟੈਂਪ, ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਾਪਿਆ ਜਾਂਦਾ ਹੈ।
spans[].endਲੋੜੀਂਦਾ
ਕਿਸਮnumber
≥ 0
ਸਪੈਨ ਦਾ ਅੰਤਿਮ ਟਾਈਮਸਟੈਂਪ, ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਾਪਿਆ ਜਾਂਦਾ ਹੈ।
spans[].includeਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟtrue
ਸਪੈਨ ਦੇ ਅੰਦਰਲੀਆਂ ਧੁਨੀਆਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨਾ: True ਉਨ੍ਹਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ, ਜਦਕਿ False ਉਨ੍ਹਾਂ ਨੂੰ ਬਾਹਰ ਰੱਖਦਾ ਹੈ।
reranking_candidatesਵਿਕਲਪਿਕ
ਕਿਸਮinteger
ਡਿਫ਼ਾਲਟ1
1 – 7
ਸਿਰਫ਼ ਟੈਕਸਟ ਪ੍ਰੌਂਪਟ ਨਾਲ ਵਰਤੀ ਜਾਣ ਵਾਲੀ ਉਮੀਦਵਾਰ ਗਿਣਤੀ: ਇੰਨੇ ਉਮੀਦਵਾਰ ਬਣਾਏ ਅਤੇ ਰੈਂਕ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। ਸਿਰਫ਼-ਸਪੈਨ ਵਿਭਾਜਨ ਇਸ ਸੈਟਿੰਗ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਦਾ ਹੈ।
accelerationਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟbalanced
fastbalancedquality
ਪ੍ਰੋਸੈਸਿੰਗ 'ਤੇ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਐਕਸੈਲੇਰੇਸ਼ਨ ਪੱਧਰ।
max_chunk_durationਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ60
10 – 60
ਹਰੇਕ ਪਾਸ ਲਈ ਆਡੀਓ ਸੀਮਾ, ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਾਪੀ ਜਾਂਦੀ ਹੈ; ਇਸ ਤੋਂ ਵੱਧ ਹੋਣ 'ਤੇ ਪ੍ਰੋਸੈਸਿੰਗ ਵਿੱਚ ਓਵਰਲੈਪਿੰਗ ਚੰਕ ਵਰਤੇ ਜਾਂਦੇ ਹਨ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਆਪਸ ਵਿੱਚ ਮਿਲਾਇਆ ਜਾਂਦਾ ਹੈ।
chunk_overlapਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ5
0 – 30
ਚੰਕਾਂ ਦੇ ਓਵਰਲੈਪ ਦੀ ਲੰਬਾਈ, ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਾਪੀ ਜਾਂਦੀ ਹੈ, ਜੋ ਕ੍ਰਾਸਫੇਡ ਮਿਲਾਉਣ ਲਈ ਵਰਤੀ ਜਾਂਦੀ ਹੈ।
use_sound_activity_rankingਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟfalse
ਧੁਨੀ-ਸਰਗਰਮੀ ਰੈਂਕਿੰਗ ਵਿਕਲਪ, ਜਿਸ ਲਈ reranking_candidates > 1 ਲਾਜ਼ਮੀ ਹੈ; ਇਹ ਟੈਕਸਟ ਪ੍ਰੌਂਪਟ ਤੋਂ ਬਿਨਾਂ ਸਿਰਫ਼-ਸਪੈਨ ਵਿਭਾਜਨ ਲਈ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਰੀਰੈਂਕਿੰਗ ਚਾਲੂ ਕਰਦਾ ਹੈ। ਉਮੀਦਵਾਰਾਂ ਨੂੰ ਇਸ ਆਧਾਰ 'ਤੇ ਸਕੋਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਦੇ ਪਛਾਣੇ ਗਏ ਗੈਰ-ਮੌਨ ਖੇਤਰ ਦਿੱਤੇ ਗਏ ਸਪੈਨਾਂ ਨਾਲ ਕਿੰਨੇ ਮਿਲਦੇ ਹਨ।
trim_to_spanਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟfalse
ਆਉਟਪੁੱਟ ਲੰਬਾਈ ਦੀ ਚੋਣ: ਸਿਰਫ਼ ਨਿਰਧਾਰਤ ਸਪੈਨ ਜਾਂ ਪੂਰਾ ਆਡੀਓ। ਇਸਨੂੰ ਚਾਲੂ ਕਰਨ ਨਾਲ ਆਉਟਪੁੱਟ ਸਪੈਨ ਦੀ ਸਮਾਂ-ਸੀਮਾ ਤੱਕ ਕੱਟੀ ਜਾਂਦੀ ਹੈ; False ਪੂਰੀ ਲੰਬਾਈ ਰੱਖਦਾ ਹੈ ਅਤੇ ਪੂਰੇ ਆਡੀਓ ਵਿੱਚ ਨਿਸ਼ਾਨੇ ਵਾਲੀ ਧੁਨੀ ਨੂੰ ਅਲੱਗ ਕਰਦਾ ਹੈ।
output_formatਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟwav
wavmp3
ਸਿਰਜੇ ਗਏ ਆਡੀਓ ਦਾ ਫਾਰਮੈਟ।
ਲੋੜੀਂਦਾ ਕੈਨੋਨਿਕਲ ਨਾਮ, ਇਹ ਵੀ ਸਵੀਕਾਰਿਆ ਜਾਂਦਾ ਹੈ

ਫ਼ਾਈਲ ਪੈਰਾਮੀਟਰ ਜਨਤਕ https:// URL, 10 MB ਤੱਕ ਦਾ data: URI, ਜਾਂ ਅੱਪਲੋਡ ਦੇ file_url ਨੂੰ ਸਵੀਕਾਰਦੇ ਹਨ। ਫ਼ਾਈਲਾਂ

ਆਉਟਪੁੱਟ

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"
  }
}
ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ, ਤੁਹਾਡੀ ਚੋਣਹਰ outputs[].url ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਇੱਕ ਕਾਪੀ ਹੈ: ਹਮੇਸ਼ਾ ਲਈ ਰੱਖੀ ਜਾਂਦੀ ਹੈ (ਪ੍ਰਤੀ GB-ਮਹੀਨਾ ਭੁਗਤਾਨ) ਜਾਂ 7 ਦਿਨ ਤੱਕ ਮੁਫ਼ਤ, ਤੁਹਾਡੀ ਖਾਤਾ ਸੈਟਿੰਗ ਜਾਂ ?storage= ਅਨੁਸਾਰ।
ਹਰ ਮਾਡਲ ’ਤੇ ਇੱਕੋ ਜਿਹਾ ਰੂਪਤਸਵੀਰਾਂ, ਵੀਡੀਓ ਅਤੇ ਆਡੀਓ ਸਭ ਲਈ type, url, content_type, width, height ਅਤੇ duration। output ਮਾਡਲ ਦਾ ਆਪਣਾ ਨਤੀਜਾ ਆਬਜੈਕਟ ਹੈ।
ਆਉਟਪੁੱਟ ਦੇ ਫ਼ੀਲਡ
target
object {url, content_type, file_name, file_size}ਅਲੱਗ ਕਰਕੇ ਕੱਢੀ ਗਈ ਨਿਸ਼ਾਨੇ ਵਾਲੀ ਧੁਨੀ।
residual
object {url, content_type, file_name, file_size}ਨਿਸ਼ਾਨੇ ਵਾਲੀ ਧੁਨੀ ਤੋਂ ਇਲਾਵਾ ਬਚਿਆ ਆਡੀਓ।
duration
numberਆਉਟਪੁੱਟ ਆਡੀਓ ਦੀ ਲੰਬਾਈ, ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਾਪੀ ਜਾਂਦੀ ਹੈ।
sample_rate
integerਆਉਟਪੁੱਟ ਆਡੀਓ ਦੀ Hz ਵਿੱਚ ਸੈਂਪਲਿੰਗ ਫ੍ਰੀਕਵੈਂਸੀ।

ਹੋਰ ਮਾਡਲ: ਆਡੀਓ

AI ਏਜੰਟਾਂ ਲਈ: ਇਹ ਪੰਨਾ Markdown ਵਜੋਂ ਇੱਥੇ ਹੈ https://doitong.com/pa/developers/models/sam-audio/span-separate.md. ਸਾਰੇ ਮਾਡਲ ਅਤੇ ਗਾਈਡ: https://doitong.com/developers/llms.txt