رفتن به محتوا

Mirelo SFX2.0 · Video to Audio

یکپارچه‌سازی

شناسه مدل mirelo-ai/sfx2.0/video-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/video-to-audio?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"

فایل‌هایی مانند نمونه: ⁨‎$۰٫۲۰⁩ ۲۰۰ اعتبار API · ≈ ⁨‎₽۲۱٫۴۶⁩ فایل‌های شما پیش از اجرا اندازه‌گیری می‌شوند اجرای آن در این صفحه

دریافت کلید API
Mirelo AI ویدیو به صوت ۱–۶۰۰ ثانیه #video-to-audio#sfx

ایجاد موسیقی متن برای ویدئوی ورودی و بازگرداندن آن به‌صورت فایل‌های صوتی جداگانه

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 video_url
یک فایل بیندازید، یا

URL ویدیویی که صوت دریافت می‌کند.

پیش‌فرض 10

مدت صوت درخواستی برحسب ثانیه؛ ویدیوهای کمتر از 1 s پاسخ 400 برمی‌گردانند. طول درخواستی باید حداقل 1 s باشد و به مدت ویدیو محدود می‌شود؛ اگر مدت از 10 s بیشتر باشد، تولید در پنجره‌های 10 s تقسیم می‌شود.

پیش‌فرض 2

تعداد گونه‌هایی که باید تولید شوند.

پیشرفته text_prompt · negative_prompt · upload_audio_format · upload_audio_bitrate_kbps · seed · preserve_speech
0 / 2000

دستورهای متنی اختیاری برای هدایت تولید.

0 / 1000

فهرست کوتاه صداهای ممنوع، با ویرگول بین موارد.

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 تولید؛ انتخاب -1 یا None از مقدار تصادفی استفاده می‌کند.

POST /run/mirelo-ai/sfx2.0/video-to-audio?wait=20 قیمت → ⁨‎$۰٫۲۰⁩
# 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": "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"

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 · Video to Audio

به کلیپی که در `video_url` ارائه شده صدا اضافه می‌کند و فایل‌های صوتی را بدون ویدئو برمی‌گرداند. `text_prompt` و `negative_prompt` نتیجه را هدایت می‌کنند و `preserve_speech` گفتار موجود را هنگام تولید بخش‌های دیگر حفظ می‌کند. `duration` از 1 تا 600 ثانیه است و به طول ویدئو محدود می‌شود؛ `num_samples` تعداد 1 تا 4 گونه را ایجاد می‌کند. قالب‌ها wav، mp3، aac یا flac هستند.

پارامترها

نام استاندارد یا نام بومی را ارسال کنید، نه هر دو. نام‌های استاندارد

نامنوع پیش‌فرضمجاز توضیحات
video_urlالزامی video
نوعurl · video
URL ویدیویی که صوت دریافت می‌کند.
text_promptاختیاری
نوعstring | null
≤ ۲٬۰۰۰ نویسه
دستورهای متنی اختیاری برای هدایت تولید.
negative_promptاختیاری
نوعstring | null
≤ ۱٬۰۰۰ نویسه
فهرست کوتاه صداهای ممنوع، با ویرگول بین موارد.
preserve_speechاختیاری
نوعboolean
پیش‌فرضtrue
نحوه پردازش گفتار برای موسیقی متن تولیدشده: false گفتار را حذف می‌کند و فقط افکت صوتی تولید می‌کند. در حالت فعال، گفتار ورودی دست‌نخورده می‌ماند و باقی موسیقی متن پیرامون آن تولید می‌شود.
durationاختیاری
نوعnumber
پیش‌فرض10
۱ – ۶۰۰
مدت صوت درخواستی برحسب ثانیه؛ ویدیوهای کمتر از 1 s پاسخ 400 برمی‌گردانند. طول درخواستی باید حداقل 1 s باشد و به مدت ویدیو محدود می‌شود؛ اگر مدت از 10 s بیشتر باشد، تولید در پنجره‌های 10 s تقسیم می‌شود.
num_samplesاختیاری
نوعinteger
پیش‌فرض2
۱ – ۴
تعداد گونه‌هایی که باید تولید شوند.
seedاختیاری
نوعinteger | null
−۱ – ۱۸٬۴۴۶٬۷۴۴٬۰۷۳٬۷۰۹٬۵۵۲٬۰۰۰
seed تولید؛ انتخاب -1 یا None از مقدار تصادفی استفاده می‌کند.
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 نام استاندارد، همچنین پذیرفته می‌شود

پارامترهای فایل یک URL عمومی https://، یک URI از نوع data: تا سقف 10 MB، یا file_url یک فایل بارگذاری‌شده را می‌پذیرند. فایل‌ها

خروجی

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "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"
  }
}
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}فایل‌های صوتی موسیقی متن تولیدشده، بدون ویدیو.

مدل‌های بیشتر: ویدیو به صوت

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