مواد پر جائیں

Sam Audio · Visual Separate

انٹیگریٹ کریں

ماڈل id 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.ru/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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

مثال جیسی فائلیں: ⁨$0.05⁩ 50 API کریڈٹس · ≈ ⁨₽5.27⁩ آپ کی فائلیں رن سے پہلے ناپی جاتی ہیں اس صفحے پر چلائیں

API کلید حاصل کریں
Meta ویڈیو سے آڈیو 10–60 s #video-to-audio#sam-audio

اختیاری ماسک ویڈیو اور ٹیکسٹ پرامپٹ کی رہنمائی میں ویڈیو کے آڈیو ٹریک سے آواز الگ کرتا ہے

Meta · ڈیٹا (JSON)

آپ کا پہلا نتیجہ یہاں آئے گا

ذیل میں درخواست بنائیں اور اپنی API کلید کے ساتھ چلائیں۔ آؤٹ پٹس ہمارے اسٹوریج میں کاپی ہو جاتے ہیں، ہمیشہ کے لیے یا مفت میں 7 دن تک محفوظ رہتے ہیں۔

درخواست بنائیں

کنٹرولز ماڈل اسکیما سے تیار ہوتے ہیں۔ آپ کے بدلنے کے ساتھ کوڈ اور قیمت اپ ڈیٹ ہوتے ہیں۔

ڈیفالٹ

علیحدگی میں مدد دینے کے لیے ہدفی آواز کی قدرتی زبان میں وضاحت۔

•لازمی video_url
فائل ڈراپ کریں، یا

پروسیسنگ کے لیے ویڈیو فائل کا URL، جیسے MP4 یا MOV فارمیٹس میں۔

ڈیفالٹ 1

رینکنگ کے لیے تیار کیے گئے امیدواروں کی تعداد۔

ایڈوانسڈ mask_video_url · acceleration · output_format · max_chunk_duration · chunk_overlap
فائل ڈراپ کریں، یا

بائنری انکوڈنگ والا ماسک ویڈیو URL، جس میں ہدفی آبجیکٹ سفید پس منظر کے سامنے سیاہ دکھائی دیتا ہے۔

acceleration ڈیفالٹ balanced

processing پر لاگو acceleration level۔

output_format ڈیفالٹ wav

تخلیق شدہ آڈیو کا فارمیٹ۔

ڈیفالٹ 60

ہر پاس کی آڈیو حد، سیکنڈز میں ناپی جاتی ہے؛ اس سے زیادہ ہونے پر پروسیسنگ اوورلیپنگ حصوں کے ذریعے ہوتی ہے جنہیں آپس میں ملایا جاتا ہے۔

ڈیفالٹ 5

حصوں کے درمیان اوورلیپ کی طوالت، سیکنڈز میں ناپی جاتی ہے، جسے کراس فیڈ ملاپ کے لیے استعمال کیا جاتا ہے۔

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

یہ درخواست چلائیں

آپ کی key اسی براؤزر میں رہتی ہے: یہ صرف Doitong API کو بھیجی جاتی ہے اور صرف اس صورت میں localStorage میں محفوظ ہوتی ہے جب آپ Remember منتخب کریں۔ API کلید حاصل کریں

Sam Audio · Visual Separate کے بارے میں

`video_url` لیتا ہے اور اس کے آڈیو سے ہدف آواز نکالتا ہے۔ اختیاری `mask_video_url` ہدف آبجیکٹ کو نشان زد کرتا ہے (ہدف کے لیے سیاہ، پس منظر کے لیے سفید)، جبکہ `prompt` ٹیکسٹ اشارہ شامل کر سکتا ہے۔ زیادہ سے زیادہ 4 `reranking_candidates` کی درجہ بندی کی جا سکتی ہے اور طویل آڈیو کو chunks میں تقسیم کیا جاتا ہے۔ آؤٹ پٹ wav یا mp3 میں `target` اور `residual` آڈیو پر مشتمل ہوتا ہے۔

پیرامیٹرز

معیاری نام یا مقامی نام میں سے صرف ایک بھیجیں، دونوں نہیں۔ معیاری نام

نامقسم ڈیفالٹمجاز تفصیل
video_urlلازمی video
قسمurl · video
پروسیسنگ کے لیے ویڈیو فائل کا URL، جیسے MP4 یا MOV فارمیٹس میں۔
mask_video_urlاختیاری
قسمurl · video
بائنری انکوڈنگ والا ماسک ویڈیو URL، جس میں ہدفی آبجیکٹ سفید پس منظر کے سامنے سیاہ دکھائی دیتا ہے۔
promptاختیاری
قسمstring
ڈیفالٹ
علیحدگی میں مدد دینے کے لیے ہدفی آواز کی قدرتی زبان میں وضاحت۔
reranking_candidatesاختیاری
قسمinteger
ڈیفالٹ1
1 – 4
رینکنگ کے لیے تیار کیے گئے امیدواروں کی تعداد۔
accelerationاختیاری
قسمenum
ڈیفالٹbalanced
fastbalancedquality
processing پر لاگو acceleration level۔
max_chunk_durationاختیاری
قسمnumber
ڈیفالٹ60
10 – 60
ہر پاس کی آڈیو حد، سیکنڈز میں ناپی جاتی ہے؛ اس سے زیادہ ہونے پر پروسیسنگ اوورلیپنگ حصوں کے ذریعے ہوتی ہے جنہیں آپس میں ملایا جاتا ہے۔
chunk_overlapاختیاری
قسمnumber
ڈیفالٹ5
0 – 30
حصوں کے درمیان اوورلیپ کی طوالت، سیکنڈز میں ناپی جاتی ہے، جسے کراس فیڈ ملاپ کے لیے استعمال کیا جاتا ہے۔
output_formatاختیاری
قسمenum
ڈیفالٹwav
wavmp3
تخلیق شدہ آڈیو کا فارمیٹ۔
لازمی معیاری نام، یہ بھی قبول ہے

فائل پیرامیٹرز عوامی https:// URL، 10 MB تک کی data: URI، یا اپ لوڈ کے file_url کو قبول کرتے ہیں۔ فائلیں

آؤٹ پٹ

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.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
آپ کی فائلیں، آپ کا انتخابہر outputs[].url ہمارے اسٹوریج میں ایک کاپی ہے: ہمیشہ کے لیے محفوظ (فی GB-ماہ ادائیگی) یا مفت میں 7 دن تک، آپ کی اکاؤنٹ سیٹنگ یا ?storage= کے مطابق۔
ہر ماڈل میں ایک جیسی ساختtype، url، content_type، width، height اور duration، تصاویر، ویڈیو اور آڈیو سب کے لیے یکساں۔ output ماڈل کا اپنا نتیجہ آبجیکٹ ہے۔
آؤٹ پٹ کے فیلڈز
target
object {url, content_type, file_name, file_size}الگ تھلگ کی گئی ہدفی آواز۔
residual
object {url, content_type, file_name, file_size}ہدفی آواز کے علاوہ باقی آڈیو۔
duration
numberآؤٹ پٹ آڈیو کی طوالت، سیکنڈز میں ناپی جاتی ہے۔
sample_rate
integerآؤٹ پٹ آڈیو کی Hz میں sampling frequency۔

مزید ماڈلز: ویڈیو سے آڈیو

AI ایجنٹس کے لیے: یہ صفحہ Markdown میں یہاں موجود ہے https://doitong.com/ur/developers/models/sam-audio/visual-separate.md. تمام ماڈلز اور گائیڈز: https://doitong.com/developers/llms.txt