# Mirelo SFX2.0 · Video to Audio API

> Δημιουργεί σάουντρακ για βίντεο εισόδου και το επιστρέφει ως ξεχωριστά αρχεία ήχου

Προσθέτει ήχο σε κλιπ που παρέχεται στο `video_url`, επιστρέφοντας αρχεία ήχου χωρίς το βίντεο. Τα `text_prompt` και `negative_prompt` καθοδηγούν το αποτέλεσμα, ενώ το `preserve_speech` διατηρεί την υπάρχουσα ομιλία κατά την παραγωγή του υπόλοιπου ήχου. Το `duration` είναι 1 έως 600 δευτερόλεπτα, περιορισμένο στη διάρκεια του βίντεο, και το `num_samples` δίνει 1 έως 4 παραλλαγές. Οι μορφές είναι wav, mp3, aac ή flac.

- Model id: `mirelo-ai/sfx2.0/video-to-audio`
- Made by: Mirelo AI
- Category: Video to Audio
- Output: audio
- Price per second of your output audio: $0.01 / second of output audio (cheapest run $0.01 (10 API credits))
- Run: `POST https://api.doitong.ru/v1/run/mirelo-ai/sfx2.0/video-to-audio`
- Quote: `POST https://api.doitong.ru/v1/quote/mirelo-ai/sfx2.0/video-to-audio`
- Docs page: https://doitong.com/el/developers/models/mirelo-ai/sfx2.0/video-to-audio

## Pricing

Price: **$0.01 / second of output audio**. Price per second of your output audio: the input files are measured before the run (length, resolution, frame rate). The quote measures the same files and is exactly what the run charges.

The full example input below costs $0.20 = 200 API credits (20 s output audio × $0.01).

Prices are the upstream price in USD, paid from the API balance in API credits (1000 API credits = 1 USD). `POST https://api.doitong.ru/v1/quote/mirelo-ai/sfx2.0/video-to-audio` with the same JSON body returns the exact price for that input; the quote is exactly what a run charges. Invalid input is never charged and failed or canceled requests are refunded automatically.

## Input parameters

Send either the canonical name or the native field name (not both). Canonical names are the same across models.

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `video_url` | `video` | string (video URL) | yes |  |  | URL του βίντεο που θα λάβει ήχο. |
| `text_prompt` |  | string \| null | no |  | ≤ 2000 characters | Προαιρετικές οδηγίες κειμένου για την καθοδήγηση της παραγωγής. |
| `negative_prompt` |  | string \| null | no |  | ≤ 1000 characters | Σύντομη λίστα αποκλεισμού ήχων, με κόμματα μεταξύ των καταχωρίσεων. |
| `preserve_speech` |  | boolean | no | `true` |  | Διαχείριση ομιλίας για το παραγόμενο soundtrack: το false καταστέλλει την ομιλία και παράγει μόνο ηχητικά εφέ. Όταν ενεργοποιείται, η ομιλία εισόδου παραμένει ανέπαφη και το υπόλοιπο soundtrack παράγεται γύρω από αυτή. |
| `duration` |  | number | no | `10` | 1 – 600 | Ζητούμενη διάρκεια ήχου σε δευτερόλεπτα· για βίντεο κάτω από 1 s επιστρέφεται 400. Η ζητούμενη διάρκεια πρέπει να είναι τουλάχιστον 1 s και περιορίζεται στη διάρκεια του βίντεο, ενώ η παραγωγή χωρίζεται σε παράθυρα των 10 s όταν η διάρκεια υπερβαίνει τα 10 s. |
| `num_samples` |  | integer | no | `2` | 1 – 4 | Πλήθος παραλλαγών προς παραγωγή. |
| `seed` |  | integer \| null | no |  | -1 – 18,446,744,073,709,552,000 | Seed παραγωγής· η επιλογή -1 ή None χρησιμοποιεί τυχαία τιμή. |
| `upload_audio_format` |  | enum (string) | no | `wav` | `wav`, `mp3`, `aac`, `flac` | Μορφή που χρησιμοποιείται για κάθε αρχείο ήχου. |
| `upload_audio_bitrate_kbps` |  | integer \| null | no |  | 32 – 320 | Παράκαμψη bitrate μεταφόρτωσης σε kbps, που απορρίπτεται όταν το upload_audio_format είναι χωρίς απώλειες· αν δεν οριστεί, διατηρείται το LAME V0 VBR για mp3 ή ο στόχος 256 kbps για aac. Για mp3, επιλέξτε ακριβή σταθερό ρυθμό από 32, 40, 48, 56, 64, 80, 96, 112, 128, 160, 192, 224, 256, 320. Για aac, οι τιμές από 32 έως 256 καθορίζουν στόχο κωδικοποιητή και όχι εγγυημένο ρυθμό, επομένως μονοφωνικός ή αραιός ήχος μπορεί να είναι χαμηλότερος. |

File parameters (`video`) take a public `https://` URL, a `data:` URI up to 10 MB, or the `file_url` of an upload from `POST /files`.

## Example input

Required parameters only:

```json
{
  "video": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
}
```

A fuller example:

```json
{
  "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
}
```

## Run it

Set `DOITONG_API_KEY` to a key from https://doitong.com/developers/dashboard#keys. `?wait=20` returns the finished request in the same call when it is ready within 20 seconds; otherwise poll `GET /requests/{id}` (it also accepts `?wait=`), or pass `webhook_url`.

### curl

```bash
# 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/mirelo-ai/sfx2.0/video-to-audio?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "video_url": "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"
```

### JavaScript

```javascript
const API = "https://api.doitong.ru/v1";
const headers = {
  "Authorization": "Bearer " + process.env.DOITONG_API_KEY,
  "Content-Type": "application/json",
};

// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/mirelo-ai/sfx2.0/video-to-audio?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  }),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);

// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
  res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
  request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");
```

### Python

```python
import os
import requests

API = "https://api.doitong.ru/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/mirelo-ai/sfx2.0/video-to-audio", params={"wait": 20}, json=payload, headers=headers)
request = r.json()
if not r.ok:
    raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"])

# Not finished yet: long-poll until it is
while request["status"] in ("queued", "running"):
    request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json()
if request["status"] != "succeeded":
    raise RuntimeError(request["error"])
print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"])
```

### MCP

The MCP server at `https://api.doitong.ru/v1/mcp` exposes the tools `search_models`, `get_model`, `quote`, `run`, `get_request`, `cancel_request`, `list_requests`, `create_upload` and `get_account`. A `run` call for this model:

```json
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "mirelo-ai/sfx2.0/video-to-audio",
      "input": {
        "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
      },
      "wait_seconds": 20
    }
  }
}
```

## Response

Every call returns a request object. `status` is one of `queued`, `running`, `succeeded`, `failed`, `canceled`. `outputs` lists the generated files with URLs on our storage (kept forever, or 7 days with `?storage=temporary`; `storage` says which); `output` is the model's own result object with the same URLs.

```json
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "mirelo-ai/sfx2.0/video-to-audio",
  "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": 200,
    "usd": "0.20",
    "charged": 200,
    "refunded": 0
  },
  "input": {
    "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  },
  "output": {
    "model": "sfx-2.0",
    "audio": [
      {
        "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
        "content_type": "audio/mpeg",
        "file_name": "0-output.mp3",
        "file_size": 1843200
      }
    ]
  },
  "outputs": [
    {
      "type": "audio",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_size": 1843200,
      "duration": 12,
      "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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `model` | string | Έκδοση του μοντέλου SFX που χρησιμοποιείται για την παραγωγή της εξόδου. |
| `audio` | array of object {url, content_type, file_name, file_size} | Αρχεία ήχου για τα παραγόμενα soundtrack, χωρίς το βίντεο. |

## Related models

- [Mirelo SFX2.0 · Video to Video](https://doitong.com/developers/models/mirelo-ai/sfx2.0/video-to-video.md) (`mirelo-ai/sfx2.0/video-to-video`): $0.01 / second of output audio
- [Mirelo SFX2.0 · Text to Audio](https://doitong.com/developers/models/mirelo-ai/sfx2.0/text-to-audio.md) (`mirelo-ai/sfx2.0/text-to-audio`): $0.01 / second of output audio
- [Hunyuan Video Foley](https://doitong.com/developers/models/hunyuan-video-foley.md) (`hunyuan-video-foley`): $0.10 / 10 seconds of input video
- [Kling Video · Video to Audio](https://doitong.com/developers/models/kling-video/video-to-audio.md) (`kling-video/video-to-audio`): $0.035 / video
- [PixVerse Sound Effects](https://doitong.com/developers/models/pixverse/sound-effects.md) (`pixverse/sound-effects`): $0.10 / 5 seconds of input video
- [Sam Audio · Visual Separate](https://doitong.com/developers/models/sam-audio/visual-separate.md) (`sam-audio/visual-separate`): from $0.05 / 30 seconds of input video
- [Sonilo V1.1](https://doitong.com/developers/models/sonilo/v1.1/video-to-music.md) (`sonilo/v1.1/video-to-music`): $0.009 / second of output audio
- [Sonilo V1.1 Video to Sound Effects](https://doitong.com/developers/models/sonilo/v1.1/video-to-sound-effects.md) (`sonilo/v1.1/video-to-sound-effects`): $0.009 / second of input video

## Links

- HTML page: https://doitong.com/developers/models/mirelo-ai/sfx2.0/video-to-audio
- All models and guides for AI agents: https://doitong.com/developers/llms.txt
- OpenAPI 3.1 with this model's typed request body: https://doitong.com/developers/openapi.json?model=mirelo-ai/sfx2.0/video-to-audio
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.ru/v1/models/mirelo-ai/sfx2.0/video-to-audio