Przejdź do treści

MMAudio V2

Integracja

Identyfikator modelu mmaudio-v2
# 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/mmaudio-v2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "video": "https://content.doitong.com/dev-api/2026/10/21/req_qicb9wfr7rqfo46hqcxollq6/0-QQGxyL6x8ywkCEWdZ94UY_YyJVjs3R.mp4",
    "prompt": "Gentle waves lapping against a wooden boat, oars creaking, seagulls calling in the distance, light wind",
    "duration": 5
  }'

# 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"

To żądanie: 0,005 $ 5 kredytów API · ≈ 0,53 ₽ Uruchom na tej stronie

Uzyskaj klucz API
Sony AI Audio 1–30 s #sound-effects#foley#video-to-audio

Dodaje zsynchronizowane efekty dźwiękowe i tło do cichego wideo na podstawie krótkiego opisu tekstowego.

Przykłady

Dane wejściowe
Wynik · ~20 s

PromptGentle waves lapping against a wooden boat, oars creaking, seagulls calling in the distance, light wind

5 s0,005 $ · 5 kredytów API

Zbuduj żądanie

Elementy sterujące są generowane ze schematu modelu. Kod i cena aktualizują się podczas ich zmiany.

•wymagane

Prompt opisujący audio do utworzenia.

•wymagane video_url
Upuść plik lub

URL wideo używany jako źródło generowania audio.

Długość wygenerowanego audio.

Zaawansowane negative_prompt · num_steps · cfg_strength · seed · mask_away_clip
domyślnie

Negatywny prompt określający, co wykluczyć podczas generowania audio.

domyślnie 25

Liczba kroków używanych do generowania audio.

domyślnie 4.5

Intensywność Classifier Free Guidance.

Wartość ziarna używana przez generator liczb losowych.

POST /run/mmaudio-v2?wait=20 wycena → 0,005 $
# 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/mmaudio-v2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "video": "https://content.doitong.com/dev-api/2026/10/21/req_qicb9wfr7rqfo46hqcxollq6/0-QQGxyL6x8ywkCEWdZ94UY_YyJVjs3R.mp4",
    "prompt": "Gentle waves lapping against a wooden boat, oars creaking, seagulls calling in the distance, light wind",
    "duration": 5
  }'

# 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"

Uruchom to żądanie

Klucz pozostaje w tej przeglądarce: jest wysyłany tylko do Doitong API i zapisywany (localStorage) tylko po zaznaczeniu opcji Zapamiętaj. Uzyskaj klucz API

Informacje o MMAudio V2

MMAudio V2 analizuje wideo i generuje pasujący dźwięk: kroki w rytmie, pluski, silniki, odgłosy tłumu i akustykę pomieszczenia, kierując się promptem oraz opcjonalnym negatywnym promptem. Generuje od 1 do 30 sekund dźwięku i zwraca wideo z nową ścieżką dźwiękową.

Parametry

Wyślij nazwę kanoniczną albo natywną, nie obie. Nazwy kanoniczne

NazwaTyp DomyślneDozwolone Opis
video_urlwymagane video
Typurl · video
URL wideo używany jako źródło generowania audio.
promptwymagane
Typstring
Prompt opisujący audio do utworzenia.
negative_promptopcjonalne
Typstring
Domyślne
Negatywny prompt określający, co wykluczyć podczas generowania audio.
seedopcjonalne
Typinteger | null
0 – 65 535
Wartość ziarna używana przez generator liczb losowych.
num_stepsopcjonalne
Typinteger
Domyślne25
4 – 50
Liczba kroków używanych do generowania audio.
durationopcjonalne
Typnumber
Domyślne8
1 – 30
Długość wygenerowanego audio.
cfg_strengthopcjonalne
Typnumber
Domyślne4.5
0 – 20
Intensywność Classifier Free Guidance.
mask_away_clipopcjonalne
Typboolean
Domyślnefalse
Określa, czy klip jest maskowany.
wymagane Nazwa kanoniczna, również akceptowana

Parametry plików przyjmują publiczny URL https://, identyfikator URI data: do 10 MB albo file_url przesłanego pliku. Pliki

Wynik

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "mmaudio-v2",
  "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": 5,
    "usd": "0.005",
    "charged": 5,
    "refunded": 0
  },
  "input": {
    "video": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4",
    "prompt": "Night forest ambience, soft paws running on grass, crickets, gentle magical chimes",
    "duration": 6
  },
  "output": {
    "video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_name": "0-output.mp4",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "video",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_size": 1843200,
      "width": 1280,
      "height": 720,
      "duration": 5,
      "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"
  }
}
Twoje pliki, Twój wybórKażdy outputs[].url to kopia w naszej przestrzeni dyskowej: przechowywana bezterminowo (opłata za GB-miesiąc) lub 7 dni bezpłatnie, zgodnie z ustawieniem konta lub ?storage=.
Taki sam format w każdym modelutype, url, content_type, width, height i duration — tak samo dla obrazów, filmów i dźwięku. output to własny obiekt wyniku modelu.
Pola wyniku
video
object {url, content_type, file_name, file_size}Wideo wynikowe z zsynchronizowanymi ruchami ust.

Więcej modeli: Audio

Dla agentów AI: ta strona w formacie Markdown jest dostępna pod adresem https://doitong.com/pl/developers/models/mmaudio-v2.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt