跳至內容

Sam Audio · Visual Separate

整合

模型 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"

像範例一樣的檔案: $0.05 50 API 點數 · ≈ ₽5.27 您的檔案會在執行前計量 在此頁面執行

取得 API 金鑰
Meta 影片轉音訊 10–60 秒 #video-to-audio#sam-audio

從影片音軌中分離聲音,可選擇以遮罩影片與文字提示引導

Meta · 資料(JSON)

您的第一個結果會顯示在這裡

在下方建立請求,並使用您的 API 金鑰執行。輸出會複製到我們的儲存空間,可永久保留或免費保留 7 天。

建立請求

控制項是根據模型結構描述生成的。變更設定時,程式碼和價格會同步更新。

預設

用於協助分離的目標聲音自然語言描述。

•必填 video_url
拖放檔案,或

用於處理的影片檔案 URL,格式例如 MP4 或 MOV。

預設 1

為排名生成的候選項目數量。

進階 mask_video_url · acceleration · output_format · max_chunk_duration · chunk_overlap
拖放檔案,或

使用二進位編碼的遮罩影片 URL,其中目標物件為黑色,背景為白色。

acceleration 預設 balanced

套用至處理的加速等級。

output_format 預設 wav

生成音訊的格式。

預設 60

每次處理的音訊長度上限,以秒計;超過此長度時,處理會使用重疊區塊並將其混合。

預設 5

區塊重疊長度,以秒計,用於交叉淡化混合。

POST /run/sam-audio/visual-separate?wait=20 報價 → $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"

執行此請求

您的金鑰會保留在此瀏覽器中:只會傳送至 Doitong API,且只有在勾選「記住」時才會儲存至 localStorage。 取得 API 金鑰

關於 Sam Audio · Visual Separate

接收 `video_url` 並從其音訊中擷取目標聲音。可選的 `mask_video_url` 標示目標物件(黑色代表目標,白色代表背景),`prompt` 可加入文字提示。最多可排序 4 個 `reranking_candidates`,長音訊會分塊處理。輸出包含 wav 或 mp3 格式的 `target` 和 `residual` 音訊。

參數

請傳送標準名稱或原生名稱其中之一,不要同時傳送兩者。 標準名稱

名稱類型 預設值允許值 說明
video_url必填 video
類型url · video
用於處理的影片檔案 URL,格式例如 MP4 或 MOV。
mask_video_url選填
類型url · video
使用二進位編碼的遮罩影片 URL,其中目標物件為黑色,背景為白色。
prompt選填
類型string
預設值
用於協助分離的目標聲音自然語言描述。
reranking_candidates選填
類型integer
預設值1
1 – 4
為排名生成的候選項目數量。
acceleration選填
類型enum
預設值balanced
fastbalancedquality
套用至處理的加速等級。
max_chunk_duration選填
類型number
預設值60
10 – 60
每次處理的音訊長度上限,以秒計;超過此長度時,處理會使用重疊區塊並將其混合。
chunk_overlap選填
類型number
預設值5
0 – 30
區塊重疊長度,以秒計,用於交叉淡化混合。
output_format選填
類型enum
預設值wav
wavmp3
生成音訊的格式。
必填 標準名稱,也可使用

檔案參數接受公開的 https:// URL、最大 10 MB 的 data: URI,或上傳檔案的 file_url。 檔案

輸出

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"
  }
}
您的檔案,由您選擇每個 outputs[].url 都是儲存空間中的副本:可永久保留(按 GB-月計費),或免費保留 7 天;可透過帳戶設定或 ?storage= 設定。
所有模型使用相同結構圖片、影片和音訊皆包含 type、url、content_type、width、height 和 duration。output 是模型自己的結果物件。
輸出欄位
target
object {url, content_type, file_name, file_size}單獨擷取的目標聲音。
residual
object {url, content_type, file_name, file_size}除目標聲音以外的剩餘音訊。
duration
number輸出音訊長度,以秒計。
sample_rate
integer輸出音訊的取樣頻率(Hz)。

更多模型:影片轉音訊

給 AI 代理程式:此頁面的 Markdown 位於 https://doitong.com/zh-TW/developers/models/sam-audio/visual-separate.md. 所有模型與指南: https://doitong.com/developers/llms.txt