コンテンツへスキップ

Sonilo V1.1 Video to Sound Effects

統合

モデルID 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"

例と同様のファイル: $0.09 90 APIクレジット · ≈ ₽9.66 実行前にファイルを計測します このページで実行

APIキーを取得
Sonilo · 音声

最初の結果がここに表示されます

以下でリクエストを作成し、APIキーで実行してください。出力はストレージにコピーされ、永久保存または無料で7日保存されます。

リクエストを作成

コントロールはモデルスキーマから生成されます。値を変更するとコードと価格が更新されます。

自動動画キャプションの代わりに全シーンで使用する任意の音声指示。目的の音声を説明するか、空の値にして自動キャプションを使用します。

•必須 video_url
ファイルをドロップ、または

ファイルアップロードまたはパブリックURLで指定する、音声生成用の動画。動画の長さによって生成される音声の長さが決まります。

詳細設定 audio_format · keep_speech_vocal · segments
audio_format デフォルト aac

wav、mp3、aac、flacから選択できる単独音声の形式。デフォルトではaacを使用します。この選択は動画の音声エンコードを変更しません。常にAACです。

個別の音声説明を付けた時間範囲として指定する、任意の手動シーン分割。空の値では自動シーン検出を使用します。

POST /run/sonilo/v1.1/video-to-sound-effects?wait=20 見積もり → $0.09
# 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"

このリクエストを実行

キーはこのブラウザ内に保持されます。Doitong APIにのみ送信され、「記憶する」にチェックを入れた場合のみlocalStorageに保存されます。 APIキーを取得

Sonilo V1.1 Video to Sound Effectsについて

`video_url`の動画内の出来事に基づいて、同期した効果音を追加します。任意の`prompt`で音を誘導でき、`segments`で時間範囲ごとに個別の説明を指定できます。`audio_format`にはwav、mp3、aac、flacを指定できます。`keep_speech_vocal`を有効にすると、元の発話を分離してミックスに残します。

パラメータ

正式名称またはネイティブ名のいずれか一方を送信してください。両方は送信しないでください。 正式名称

名前型 デフォルト許可される値 説明
video_url必須 video
型url · video
ファイルアップロードまたはパブリックURLで指定する、音声生成用の動画。動画の長さによって生成される音声の長さが決まります。
prompt任意
型string | null
自動動画キャプションの代わりに全シーンで使用する任意の音声指示。目的の音声を説明するか、空の値にして自動キャプションを使用します。
segments任意
型object[]
個別の音声説明を付けた時間範囲として指定する、任意の手動シーン分割。空の値では自動シーン検出を使用します。
segments[].start任意
型number
デフォルト0
≥ 0
最初のセグメントの開始位置は0である必要があります。すべての開始時刻は動画の先頭を基準とした秒単位です。
segments[].end任意
型number
デフォルト0
≥ 0
秒単位のセグメント終了位置。最後のセグメントでは動画の長さが上限になります。それより前の各セグメントでは、ギャップや重複が生じないよう、次のセグメントの開始位置と一致する必要があります。
segments[].prompt任意
型string
デフォルト
セグメントの効果音またはフォーリーの説明。
audio_format任意
型enum
デフォルトaac
wavmp3aacflac
wav、mp3、aac、flacから選択できる単独音声の形式。デフォルトではaacを使用します。この選択は動画の音声エンコードを変更しません。常にAACです。
keep_speech_vocal任意
型boolean
デフォルトfalse
音声と動画の両方の出力に影響する音声・ボーカル保持スイッチ。デフォルトでは無効で、結果には生成された音声のみが残ります。有効にすると音楽ソース分離で元のボーカルを分離し、元の音楽と環境音を破棄して、生成音声を変更されていないボーカル録音とミックスし、音量を声に合わせます。
必須 正式名称(こちらも使用可能)

ファイルパラメータには、公開されたhttps:// URL、10 MBまでのdata: URI、またはアップロードしたファイルのfile_urlを指定します。 ファイル

出力

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"
  }
}
ファイルの保存期間を選択すべてのoutputs[].urlはストレージ上のコピーです。アカウント設定または?storage=により、永久保存(GB・月単位で有料)または無料で7日保存できます。
すべてのモデルで同じ形式画像、動画、音声のいずれでも、type、url、content_type、width、height、durationが含まれます。outputはモデル独自の結果オブジェクトです。
出力フィールド
audio
object {url, content_type, file_name, file_size}選択した音声形式でエンコードされた生成音。
audios
array of object {url, content_type, file_name, file_size}生成された音声の完全なコレクション。各サンプルにつき1つの音声を含みます。
segments
array of object {index, start, end, meta}音声生成に使用するセグメント。元動画内の順序で列挙します。

その他のモデル: 動画から音声

AIエージェント向け:このページのMarkdown版はこちらです: https://doitong.com/ja/developers/models/sonilo/v1.1/video-to-sound-effects.md. すべてのモデルとガイド: https://doitong.com/developers/llms.txt