# Sonilo V1.1 Video to Sound Effects API

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

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.

- Model id: `sonilo/v1.1/video-to-sound-effects`
- Made by: Sonilo
- Category: Video to Audio
- Output: audio
- Price per second of your input video: $0.009 / second of input video (cheapest run $0.009 (9 API credits))
- Run: `POST https://api.doitong.ru/v1/run/sonilo/v1.1/video-to-sound-effects`
- Quote: `POST https://api.doitong.ru/v1/quote/sonilo/v1.1/video-to-sound-effects`
- Docs page: https://doitong.com/fa/developers/models/sonilo/v1.1/video-to-sound-effects

## Pricing

Price: **$0.009 / second of input video**. Price per second of your input video: 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 $0.09 = 90 API credits (10 s input video × $0.009).

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/sonilo/v1.1/video-to-sound-effects` 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 |  |  | ویدیویی که از طریق بارگذاری فایل یا نشانی اینترنتی عمومی ارائه می‌شود و مدت آن طول صوت تولیدشده را تعیین می‌کند. |
| `prompt` |  | string \| null | no |  |  | 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. |
| `segments` |  | array of object {start, end, prompt} \| null | no |  |  | 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[].start` |  | number | no | `0` | ≥ 0 | شروع بخش اول باید 0 باشد. همهٔ زمان‌های شروع برحسب ثانیه و نسبت به ابتدای ویدیو اندازه‌گیری می‌شوند. |
| `segments[].end` |  | number | no | `0` | ≥ 0 | 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[].prompt` |  | string | no | `` |  | توضیح جلوه‌های صوتی یا فولیِ بخش. |
| `audio_format` |  | enum (string) | no | `aac` | `wav`, `mp3`, `aac`, `flac` | 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_vocal` |  | boolean | no | `false` |  | 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. |

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/sonilo/v1.1/video-to-sound-effects?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/sonilo/v1.1/video-to-sound-effects?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/sonilo/v1.1/video-to-sound-effects", 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": "sonilo/v1.1/video-to-sound-effects",
      "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": "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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `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. |

## Related models

- [Sonilo V1.1 Video to Video Music](https://doitong.com/developers/models/sonilo/v1.1/video-to-video-music.md) (`sonilo/v1.1/video-to-video-music`): $0.009 / second of output audio
- [Sonilo V1.1 Text to Music](https://doitong.com/developers/models/sonilo/v1.1/text-to-music.md) (`sonilo/v1.1/text-to-music`): $0.0025 / second of output audio
- [Sonilo V1.1 Text to Sound Effects](https://doitong.com/developers/models/sonilo/v1.1/text-to-sound-effects.md) (`sonilo/v1.1/text-to-sound-effects`): $0.0018 / second of output audio
- [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 Video Sound Effects](https://doitong.com/developers/models/sonilo/v1.1/video-to-video-sound-effects.md) (`sonilo/v1.1/video-to-video-sound-effects`): $0.009 / second of input video
- [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
- [Mirelo SFX2.0 · Video to Audio](https://doitong.com/developers/models/mirelo-ai/sfx2.0/video-to-audio.md) (`mirelo-ai/sfx2.0/video-to-audio`): $0.01 / second of output audio

## Links

- HTML page: https://doitong.com/developers/models/sonilo/v1.1/video-to-sound-effects
- 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=sonilo/v1.1/video-to-sound-effects
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.ru/v1/models/sonilo/v1.1/video-to-sound-effects