رفتن به محتوا

Sonilo V1.1 Video to Sound Effects

یکپارچه‌سازی

شناسه مدل sonilo/v1.1/video-to-sound-effects
# 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/sonilo/v1.1/video-to-sound-effects?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: ⁨‎$۰٫۰۹⁩ ۹۰ اعتبار API · ≈ ⁨‎₽۹٫۶۸⁩ فایل‌های شما پیش از اجرا اندازه‌گیری می‌شوند اجرای آن در این صفحه

دریافت کلید API
Sonilo ویدیو به صوت #sfx#audio#effects

تولید جلوه‌های صوتی زمان‌بندی‌شده برای ویدئو و بازگرداندن آن‌ها فقط به‌صورت فایل صوتی

Sonilo · 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.

راهنمای صوتی اختیاری که در همهٔ صحنه‌ها به‌جای زیرنویس‌گذاری خودکار ویدیو استفاده می‌شود. صوت موردنظر را توصیف کنید یا برای استفاده از زیرنویس‌های خودکار، مقدار را خالی بگذارید.

•الزامی video_url
یک فایل بیندازید، یا

ویدیویی که از طریق بارگذاری فایل یا نشانی اینترنتی عمومی ارائه می‌شود و مدت آن طول صوت تولیدشده را تعیین می‌کند.

پیشرفته audio_format · keep_speech_vocal · segments
audio_format پیش‌فرض aac

قالب صوت مستقل که می‌توان آن را به‌صورت wav، mp3، aac یا flac انتخاب کرد؛ مقدار پیش‌فرض aac است. این انتخاب رمزگذاری صوت ویدیو را تغییر نمی‌دهد و آن همیشه AAC است.

تقسیم‌بندی‌های دستی و اختیاری صحنه‌ها که به‌صورت بازه‌های زمانی همراه با توضیح صوتی هرکدام مشخص می‌شوند؛ مقدار خالی به‌جای آن از تشخیص خودکار صحنه استفاده می‌کند.

POST /run/sonilo/v1.1/video-to-sound-effects?wait=20 قیمت → ⁨‎$۰٫۰۹⁩
# 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/sonilo/v1.1/video-to-sound-effects?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 Sonilo V1.1 Video to Sound Effects

بر اساس رویدادهای ویدئوی موجود در `video_url`، جلوه‌های صوتی همگام اضافه می‌کند. `prompt` اختیاری جهت صدا را تعیین می‌کند و `segments` توضیحات جداگانه را به بازه‌های زمانی اختصاص می‌دهد. `audio_format` می‌تواند wav، mp3، aac یا flac باشد. با فعال‌بودن `keep_speech_vocal`، گفتار اصلی جدا و در میکس حفظ می‌شود.

پارامترها

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

نامنوع پیش‌فرضمجاز توضیحات
video_urlالزامی video
نوعurl · video
ویدیویی که از طریق بارگذاری فایل یا نشانی اینترنتی عمومی ارائه می‌شود و مدت آن طول صوت تولیدشده را تعیین می‌کند.
promptاختیاری
نوعstring | null
راهنمای صوتی اختیاری که در همهٔ صحنه‌ها به‌جای زیرنویس‌گذاری خودکار ویدیو استفاده می‌شود. صوت موردنظر را توصیف کنید یا برای استفاده از زیرنویس‌های خودکار، مقدار را خالی بگذارید.
segmentsاختیاری
نوعobject[]
تقسیم‌بندی‌های دستی و اختیاری صحنه‌ها که به‌صورت بازه‌های زمانی همراه با توضیح صوتی هرکدام مشخص می‌شوند؛ مقدار خالی به‌جای آن از تشخیص خودکار صحنه استفاده می‌کند.
segments[].startاختیاری
نوعnumber
پیش‌فرض0
≥ ۰
شروع بخش اول باید 0 باشد. همهٔ زمان‌های شروع برحسب ثانیه و نسبت به ابتدای ویدیو اندازه‌گیری می‌شوند.
segments[].endاختیاری
نوعnumber
پیش‌فرض0
≥ ۰
موقعیت پایان بخش، برحسب ثانیه، که برای بخش پایانی به مدت ویدیو محدود است. در هر بخش قبلی، باید با موقعیت شروع بخش بعدی برابر باشد تا شکاف یا هم‌پوشانی ایجاد نشود.
segments[].promptاختیاری
نوعstring
پیش‌فرض
توضیح جلوه‌های صوتی یا فولیِ بخش.
audio_formatاختیاری
نوعenum
پیش‌فرضaac
wavmp3aacflac
قالب صوت مستقل که می‌توان آن را به‌صورت wav، mp3، aac یا flac انتخاب کرد؛ مقدار پیش‌فرض aac است. این انتخاب رمزگذاری صوت ویدیو را تغییر نمی‌دهد و آن همیشه AAC است.
keep_speech_vocalاختیاری
نوعboolean
پیش‌فرضfalse
کلید حفظ گفتار/صدای خواننده که بر خروجی‌های صوتی و ویدیویی اثر می‌گذارد؛ در حالت پیش‌فرض غیرفعال است و فقط صوت تولیدشده را در نتیجه باقی می‌گذارد. فعال‌سازی آن از جداسازی منبع موسیقی برای جداکردن صدای اصلی استفاده می‌کند، موسیقی و فضای صوتی اصلی را حذف می‌کند و صوت تولیدشده را با ضبط صدای بدون تغییر ترکیب می‌کند و سطح آن را با صدا هماهنگ می‌سازد.
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": "sonilo/v1.1/video-to-sound-effects",
  "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": 90,
    "usd": "0.09",
    "charged": 90,
    "refunded": 0
  },
  "input": {
    "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  },
  "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
    },
    "audios": [
      {
        "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
      }
    ],
    "segments": [
      {
        "index": 1,
        "start": 1.0,
        "end": 1.0,
        "meta": {
          "tags": [],
          "skipped": false,
          "skip_reason": "string"
        }
      }
    ]
  },
  "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}صدای تولیدشده، کدگذاری‌شده در قالب صوتی انتخاب‌شده.
audios
array of object {url, content_type, file_name, file_size}مجموعهٔ کامل صوت‌های تولیدشده، با یک صوت برای هر نمونه.
segments
array of object {index, start, end, meta}بخش‌هایی که برای تولید صوت استفاده می‌شوند، به‌ترتیب حضورشان در ویدیوی منبع فهرست شده‌اند.

مدل‌های بیشتر: ویدیو به صوت

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/sonilo/v1.1/video-to-sound-effects.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt