رفتن به محتوا

Mirelo SFX2.0 · Text to Audio

یکپارچه‌سازی

شناسه مدل mirelo-ai/sfx2.0/text-to-audio
# 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/text-to-audio?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# 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"

فایل‌هایی مانند نمونه: ⁨‎$۰٫۶۰⁩ ۶۰۰ اعتبار API · ≈ ⁨‎₽۶۴٫۵۵⁩ فایل‌های شما پیش از اجرا اندازه‌گیری می‌شوند اجرای آن در این صفحه

دریافت کلید API
Mirelo AI صوت ۰٫۱–۶۰۰ ثانیه #text-to-audio#sfx

افکت‌های صوتی از توضیح متنی، با پرامپت منفی، مدت‌زمان و چندین نمونه

Mirelo AI · صوت

اولین نتیجه شما اینجا قرار می‌گیرد

درخواست را در زیر بسازید و با کلید API خود اجرا کنید. خروجی‌ها در فضای ذخیره‌سازی ما کپی می‌شوند و برای همیشه یا به‌مدت ۷ روز رایگان نگه‌داری می‌شوند.

ساخت درخواست

کنترل‌ها از شِمای مدل تولید می‌شوند. با تغییر آن‌ها، کد و قیمت به‌روزرسانی می‌شوند.

•الزامی 88 / 2000

توضیح افکت صوتی مطلوب.

پیش‌فرض 30

طول صوت درخواستی، برحسب ثانیه؛ باید در حداکثر تعیین‌شده برای هر استقرار در text-to-SFX جا بگیرد.

پیش‌فرض 2

تعداد نمونه‌ها برای تولید در یک گذر رو‌به‌جلوی دسته‌ای.

پیشرفته negative_prompt · upload_audio_format · upload_audio_bitrate_kbps · seed
0 / 1000

صداهایی که باید از خروجی حذف شوند.

upload_audio_format پیش‌فرض wav

قالب مورد استفاده برای هر فایل صوتی.

جایگزین نرخ بیت بارگذاری برحسب kbps؛ وقتی upload_audio_format بدون اتلاف باشد رد می‌شود. تنظیم‌نکردن آن، LAME V0 VBR را برای mp3 یا هدف 256 kbps را برای aac حفظ می‌کند. برای mp3، نرخ ثابت دقیق را از میان 32، 40، 48، 56، 64، 80، 96، 112، 128، 160، 192، 224، 256 و 320 انتخاب کنید. برای aac، مقادیر 32 تا 256 هدف رمزگذار را مشخص می‌کنند نه نرخ تضمین‌شده را؛ بنابراین صوت مونو یا کم‌تراکم ممکن است کمتر از آن باشد.

seed نمونه اولیه؛ برای -1 یا هنگام حذف مقدار، از seed تصادفی استفاده می‌شود.

POST /run/mirelo-ai/sfx2.0/text-to-audio?wait=20 قیمت → ⁨‎$۰٫۶۰⁩
# 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/text-to-audio?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# 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"

اجرای این درخواست

کلید شما در این مرورگر باقی می‌ماند: فقط به Doitong API ارسال می‌شود و فقط در صورت فعال‌کردن گزینه «یادآوری»، در localStorage ذخیره می‌شود. دریافت کلید API

درباره Mirelo SFX2.0 · Text to Audio

از یک `prompt` تا 2000 نویسه جلوه‌های صوتی تولید می‌کند و با `negative_prompt` صداهای ناخواسته را حذف می‌کند. `duration` بین 0.1 تا 600 ثانیه است (پیش‌فرض 30) و `num_samples` از 1 تا 4 گونه تولید می‌کند که هرکدام سید خود را دارند. قالب خروجی از طریق `upload_audio_format` می‌تواند wav، mp3، aac یا flac باشد و برای mp3 و aac نرخ بیت اختیاری است.

پارامترها

نامنوع پیش‌فرضمجاز توضیحات
promptالزامی
نوعstring
≤ ۲٬۰۰۰ نویسه
توضیح افکت صوتی مطلوب.
negative_promptاختیاری
نوعstring | null
≤ ۱٬۰۰۰ نویسه
صداهایی که باید از خروجی حذف شوند.
durationاختیاری
نوعnumber
پیش‌فرض30
۰٫۱ – ۶۰۰
طول صوت درخواستی، برحسب ثانیه؛ باید در حداکثر تعیین‌شده برای هر استقرار در text-to-SFX جا بگیرد.
seedاختیاری
نوعinteger | null
−۱ – ۹٬۲۲۳٬۳۷۲٬۰۳۶٬۸۵۴٬۷۷۶٬۰۰۰
seed نمونه اولیه؛ برای -1 یا هنگام حذف مقدار، از seed تصادفی استفاده می‌شود.
num_samplesاختیاری
نوعinteger
پیش‌فرض2
۱ – ۴
تعداد نمونه‌ها برای تولید در یک گذر رو‌به‌جلوی دسته‌ای.
upload_audio_formatاختیاری
نوعenum
پیش‌فرضwav
wavmp3aacflac
قالب مورد استفاده برای هر فایل صوتی.
upload_audio_bitrate_kbpsاختیاری
نوعinteger | null
۳۲ – ۳۲۰
جایگزین نرخ بیت بارگذاری برحسب kbps؛ وقتی upload_audio_format بدون اتلاف باشد رد می‌شود. تنظیم‌نکردن آن، LAME V0 VBR را برای mp3 یا هدف 256 kbps را برای aac حفظ می‌کند. برای mp3، نرخ ثابت دقیق را از میان 32، 40، 48، 56، 64، 80، 96، 112، 128، 160، 192، 224، 256 و 320 انتخاب کنید. برای aac، مقادیر 32 تا 256 هدف رمزگذار را مشخص می‌کنند نه نرخ تضمین‌شده را؛ بنابراین صوت مونو یا کم‌تراکم ممکن است کمتر از آن باشد.
الزامی

خروجی

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "mirelo-ai/sfx2.0/text-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": 600,
    "usd": "0.60",
    "charged": 600,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  },
  "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
      }
    ],
    "seeds": [
      42
    ]
  },
  "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"
  }
}
فایل‌های شما، انتخاب شماهر outputs[].url کپی‌ای در فضای ذخیره‌سازی ماست: برای همیشه (با هزینه به‌ازای هر GB-ماه) یا به‌مدت ۷ روز رایگان، بر اساس تنظیم حساب شما یا ?storage=.
ساختار یکسان در همه مدل‌هاtype، url، content_type، width، height و duration برای تصاویر، ویدیو و صدا یکسان هستند. output شیء نتیجه اختصاصی مدل است.
فیلدهای خروجی
model
stringانتشار مدل SFX مورد استفاده برای تولید خروجی.
audio
array of object {url, content_type, file_name, file_size}افکت‌های صوتی تولیدشده، با یک نتیجه برای هر نمونه.
seeds
array of integerseedهای متناظر با نمونه‌ها، با حفظ ترتیب آن‌ها.

مدل‌های بیشتر: صوت

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/mirelo-ai/sfx2.0/text-to-audio.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt