رفتن به محتوا

MMAudio V2 Text to Audio

یکپارچه‌سازی

شناسه مدل mmaudio-v2/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/mmaudio-v2/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"

این درخواست: ⁨‎$۰٫۰۰۸⁩ ۸ اعتبار API · ≈ ⁨‎₽۰٫۸۶⁩ اجرای آن در این صفحه

دریافت کلید API
Sony AI صوت ۱–۳۰ ثانیه #audio#fast

تولید متن‌به‌صوت صداها از یک پرامپت، با گام‌ها، هدایت و مدت‌زمان قابل تنظیم

Sony 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

پرامپت توصیف‌کننده صوت مورد نظر برای ایجاد.

پیش‌فرض 8

طول صوت تولیدشده.

پیشرفته negative_prompt · num_steps · cfg_strength · seed · mask_away_clip
پیش‌فرض

پرامپت منفی که موارد حذف‌شده هنگام تولید صوت را مشخص می‌کند.

پیش‌فرض 25

تعداد گام‌های مورد استفاده برای تولید صوت.

پیش‌فرض 4.5

شدت Classifier Free Guidance.

مقدار seed مورد استفاده مولد اعداد تصادفی.

POST /run/mmaudio-v2/text-to-audio?wait=20 قیمت → ⁨‎$۰٫۰۰۸⁩
# 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/mmaudio-v2/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 MMAudio V2 Text to Audio

از یک `prompt` متنی صدا تولید می‌کند و با `negative_prompt` از صداهای ناخواسته دوری می‌کند. `duration` از 1 تا 30 ثانیه (پیش‌فرض 8)، `num_steps` از 4 تا 50 (پیش‌فرض 25) و `cfg_strength` از 0 تا 20 (پیش‌فرض 4.5) است. `seed` بین 0 و 65535 نتایج را تکرارپذیر می‌کند.

پارامترها

نامنوع پیش‌فرضمجاز توضیحات
promptالزامی
نوعstring
پرامپت توصیف‌کننده صوت مورد نظر برای ایجاد.
negative_promptاختیاری
نوعstring
پیش‌فرض
پرامپت منفی که موارد حذف‌شده هنگام تولید صوت را مشخص می‌کند.
seedاختیاری
نوعinteger | null
۰ – ۶۵٬۵۳۵
مقدار seed مورد استفاده مولد اعداد تصادفی.
num_stepsاختیاری
نوعinteger
پیش‌فرض25
۴ – ۵۰
تعداد گام‌های مورد استفاده برای تولید صوت.
durationاختیاری
نوعnumber
پیش‌فرض8
۱ – ۳۰
طول صوت تولیدشده.
cfg_strengthاختیاری
نوعnumber
پیش‌فرض4.5
۰ – ۲۰
شدت Classifier Free Guidance.
mask_away_clipاختیاری
نوعboolean
پیش‌فرضfalse
کنترل می‌کند که آیا کلیپ ماسک شود یا نه.
الزامی

خروجی

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "mmaudio-v2/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": 8,
    "usd": "0.008",
    "charged": 8,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  },
  "output": {
    "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
audio
object {url, content_type, file_name, file_size}صوت تولیدشده توسط مدل.

مدل‌های بیشتر: صوت

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/mmaudio-v2/text-to-audio.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt