# Sonilo V1.1 Video to Video Music API

> ویدیوی ورودی را با قطعه موسیقی تولیدشده و میکس‌شده برمی‌گرداند و امکان حفظ گفتار را دارد

ویدیو را پردازش می‌کند و فایل‌های mp4 نهایی را با موسیقی افزوده تحویل می‌دهد. `prompt` و `prompt_influence` اختیاری (از 0 تا 1) سبک را هدایت می‌کنند. `keep_speech_vocal` گفتار اصلی را روی موسیقی حفظ می‌کند و موسیقی زیر آن کاهش می‌یابد. `start_offset` و `duration` پردازش را به بخشی حداکثر 600 ثانیه‌ای محدود می‌کنند و `num_samples` تعداد 1 تا 3 ویدیو را تولید می‌کند.

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

## Pricing

Price: **$0.009 / second of output audio**. Price per second of your output audio: 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 output audio × $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-video-music` 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 |  |  | نشانی اینترنتی HTTP یا HTTPS عمومی برای ویدیویی که باید موسیقی متن دریافت کند. |
| `keep_speech_vocal` |  | boolean | no | `false` |  | حفظ گفتار/صدای خواننده در ویدیوی خروجی؛ در حالت پیش‌فرض غیرفعال است و موسیقی تولیدشده کاملاً جایگزین موسیقی متن اصلی می‌شود. فعال‌سازی آن با جداسازی منبع موسیقی فقط آواز را استخراج کرده و روی موسیقی تولیدشده ترکیب می‌کند؛ کاهش خودکار سطح صدا، موسیقی را هنگام گفتار پایین می‌آورد. |
| `num_samples` |  | integer | no | `1` | 1 – 3 | تعداد ویدیوهای متفاوتی که باید با موسیقی متن تولیدشده ساخته شوند. |
| `prompt` |  | string \| null | no |  |  | راهنمای سبک موسیقی که به‌صورت اختیاری جایگزین پرامپت استخراج‌شدهٔ خودکار از ویدیو می‌شود. |
| `prompt_influence` |  | number | no | `0.5` | 0 – 1 | میزان پایبندی به پرامپت؛ برای تطابق بیشتر با دستور متنی، آن را افزایش دهید. |
| `start_offset` |  | number \| null | no |  | 0 – 600 | آفست اختیاری امتیازدهی، برحسب ثانیه از ابتدای ویدیو؛ بخش آغازشده از آن نقطه باید در ویدیو جا شود، بنابراین Start Offset به‌علاوهٔ Duration نمی‌تواند از Video Duration بیشتر باشد. |
| `duration` |  | number \| null | no |  | 1 – 600 | مدت اختیاری امتیازدهی، برحسب ثانیه؛ مقدار پیش‌فرض None امتیازدهی را تا پایان ویدیوی باقی‌مانده ادامه می‌دهد. چه مدت ارائه شود چه نشود، اگر Start Offset تعیین شده باشد امتیازدهی از آنجا وگرنه از ابتدا آغاز می‌شود. |

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-video-music?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-video-music?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-video-music", 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-video-music",
      "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-video-music",
  "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": {
    "video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_name": "0-output.mp4",
      "file_size": 1843200
    },
    "videos": [
      {
        "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
        "content_type": "video/mp4",
        "file_name": "0-output.mp4",
        "file_size": 1843200
      }
    ]
  },
  "outputs": [
    {
      "type": "video",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_size": 1843200,
      "width": 1280,
      "height": 720,
      "duration": 5,
      "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 |
|---|---|---|
| `video` | object {url, content_type, file_name, file_size} | اولین نتیجهٔ ویدیویی که ویدیوی منبع و موسیقی تولیدشده را در یک فایل ترکیب می‌کند. |
| `videos` | array of object {url, content_type, file_name, file_size} | مجموعهٔ کامل ویدیوهای mp4 امتیازدهی‌شده، با یک ویدیو برای هر نمونه. |

## Related models

- [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 Sound Effects](https://doitong.com/developers/models/sonilo/v1.1/video-to-sound-effects.md) (`sonilo/v1.1/video-to-sound-effects`): $0.009 / second of input video
- [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
- [AMT Interpolation](https://doitong.com/developers/models/amt-interpolation.md) (`amt-interpolation`): $0.000575 / second of processing time
- [AnimateDiff Turbo · Video to Video](https://doitong.com/developers/models/fast-animatediff/turbo/video-to-video.md) (`fast-animatediff/turbo/video-to-video`): $0.00125 / second of processing time
- [AnimateDiff · Video to Video](https://doitong.com/developers/models/fast-animatediff/video-to-video.md) (`fast-animatediff/video-to-video`): $0.00125 / second of processing time

## Links

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