# Sonilo V1.1 Video to Sound Effects API

> ਵੀਡੀਓ ਲਈ ਸਮੇਂ-ਸਮਨੁਸਾਰ ਧੁਨੀ ਪ੍ਰਭਾਵ ਬਣਾਉਂਦਾ ਹੈ ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਸਿਰਫ਼ ਆਡੀਓ ਫ਼ਾਈਲ ਵਜੋਂ ਵਾਪਸ ਕਰਦਾ ਹੈ

`video_url` ਵਾਲੀ ਵੀਡੀਓ ਵਿੱਚ ਹੋ ਰਹੀ ਕਾਰਵਾਈ ਦੇ ਆਧਾਰ ਉੱਤੇ ਸਮਨੁਸਾਰ ਧੁਨੀ ਪ੍ਰਭਾਵ ਜੋੜਦਾ ਹੈ। ਵਿਕਲਪਿਕ `prompt` ਧੁਨੀ ਨੂੰ ਦਿਸ਼ਾ ਦਿੰਦਾ ਹੈ, ਅਤੇ `segments` ਸਮਾਂ-ਸੀਮਾਵਾਂ ਲਈ ਵੱਖਰੇ ਵੇਰਵੇ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ। `audio_format` wav, mp3, aac ਜਾਂ flac ਹੋ ਸਕਦਾ ਹੈ। `keep_speech_vocal` ਚਾਲੂ ਹੋਣ ਉੱਤੇ ਮੂਲ ਬੋਲੀ ਨੂੰ ਅਲੱਗ ਕਰਕੇ ਮਿਕਸ ਵਿੱਚ ਕਾਇਮ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ।

- 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/pa/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 |  |  | ਧੁਨੀ ਸਿਰਜਣ ਲਈ ਫ਼ਾਈਲ ਅਪਲੋਡ ਜਾਂ ਸਰਵਜਨਕ URL ਰਾਹੀਂ ਦਿੱਤੀ ਵੀਡੀਓ, ਜਿਸਦੀ ਮਿਆਦ ਸਿਰਜੇ ਆਡੀਓ ਦੀ ਲੰਬਾਈ ਨਿਰਧਾਰਤ ਕਰਦੀ ਹੈ। |
| `prompt` |  | string \| null | no |  |  | ਸਾਰੇ ਦ੍ਰਿਸ਼ਾਂ ਵਿੱਚ ਆਪਣੇ ਆਪ ਹੋਣ ਵਾਲੀ ਵੀਡੀਓ ਕੈਪਸ਼ਨਿੰਗ ਦੀ ਥਾਂ ਵਰਤੀ ਜਾਣ ਵਾਲੀ ਵਿਕਲਪਿਕ ਧੁਨੀ ਹਦਾਇਤ। ਚਾਹੀਦੇ ਆਡੀਓ ਦਾ ਵੇਰਵਾ ਦਿਓ ਜਾਂ ਆਪਣੇ ਆਪ ਬਣੇ ਕੈਪਸ਼ਨਾਂ ਲਈ ਮੁੱਲ ਖਾਲੀ ਛੱਡੋ। |
| `segments` |  | array of object {start, end, prompt} \| null | no |  |  | ਵਿਕਲਪਿਕ ਹੱਥੋਂ ਦਿੱਤੀਆਂ ਦ੍ਰਿਸ਼ ਵੰਡਾਂ, ਜੋ ਵਿਅਕਤੀਗਤ ਧੁਨੀ ਵੇਰਵਿਆਂ ਵਾਲੀਆਂ ਸਮਾਂ-ਸੀਮਾਵਾਂ ਵਜੋਂ ਦਿੱਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ; ਖਾਲੀ ਮੁੱਲ ਦੀ ਥਾਂ ਆਪਣੇ ਆਪ ਦ੍ਰਿਸ਼ ਖੋਜ ਵਰਤੀ ਜਾਂਦੀ ਹੈ। |
| `segments[].start` |  | number | no | `0` | ≥ 0 | ਪਹਿਲੇ ਸੈਗਮੈਂਟ ਲਈ ਸੈਗਮੈਂਟ ਸ਼ੁਰੂਆਤ 0 ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। ਸਾਰੇ ਸ਼ੁਰੂਆਤੀ ਸਮੇਂ ਵੀਡੀਓ ਦੀ ਸ਼ੁਰੂਆਤ ਦੇ ਮੁਕਾਬਲੇ ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਾਪੇ ਜਾਂਦੇ ਹਨ। |
| `segments[].end` |  | number | no | `0` | ≥ 0 | ਸੈਗਮੈਂਟ ਦੀ ਸਮਾਪਤੀ ਸਥਿਤੀ ਸਕਿੰਟਾਂ ਵਿੱਚ, ਅੰਤਿਮ ਸੈਗਮੈਂਟ ਲਈ ਵੀਡੀਓ ਦੀ ਮਿਆਦ ਤੱਕ ਸੀਮਿਤ। ਹਰ ਪਿਛਲੇ ਸੈਗਮੈਂਟ ਲਈ ਇਹ ਅਗਲੇ ਸੈਗਮੈਂਟ ਦੀ ਸ਼ੁਰੂਆਤੀ ਸਥਿਤੀ ਨਾਲ ਮਿਲਦੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ ਤਾਂ ਜੋ ਕੋਈ ਖਾਲੀ ਥਾਂ ਜਾਂ ਓਵਰਲੈਪ ਨਾ ਹੋਵੇ। |
| `segments[].prompt` |  | string | no | `` |  | ਸੈਗਮੈਂਟ ਦੇ ਧੁਨੀ ਪ੍ਰਭਾਵਾਂ ਜਾਂ ਫੋਲੀ ਦਾ ਵੇਰਵਾ। |
| `audio_format` |  | enum (string) | no | `aac` | `wav`, `mp3`, `aac`, `flac` | ਸਟੈਂਡਅਲੋਨ ਆਡੀਓ ਫ਼ਾਰਮੈਟ, wav, mp3, aac ਜਾਂ flac ਵਜੋਂ ਚੁਣਿਆ ਜਾ ਸਕਦਾ ਹੈ; ਪੂਰਵ-ਨਿਰਧਾਰਤ ਰੂਪ ਵਿੱਚ aac ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ। ਇਹ ਚੋਣ ਵੀਡੀਓ ਦੀ ਆਡੀਓ ਇਨਕੋਡਿੰਗ ਨਹੀਂ ਬਦਲਦੀ, ਜੋ ਹਮੇਸ਼ਾ AAC ਹੁੰਦੀ ਹੈ। |
| `keep_speech_vocal` |  | boolean | no | `false` |  | ਬੋਲੀ/ਵੋਕਲ ਸੰਭਾਲਣ ਵਾਲਾ ਸਵਿੱਚ, ਜੋ ਆਡੀਓ ਅਤੇ ਵੀਡੀਓ ਦੋਵਾਂ ਆਉਟਪੁੱਟਾਂ 'ਤੇ ਅਸਰ ਪਾਉਂਦਾ ਹੈ; ਪੂਰਵ-ਨਿਰਧਾਰਤ ਰੂਪ ਵਿੱਚ ਅਸਮਰਥਿਤ ਹੋਣ 'ਤੇ ਨਤੀਜੇ ਵਿੱਚ ਸਿਰਫ਼ ਸਿਰਜੀ ਧੁਨੀ ਰਹਿੰਦੀ ਹੈ। ਇਸਨੂੰ ਸਮਰਥਿਤ ਕਰਨ ਨਾਲ ਸੰਗੀਤ ਸਰੋਤ ਵੱਖਰੀਕਰਨ ਰਾਹੀਂ ਸਰੋਤ ਵੋਕਲ ਅਲੱਗ ਕੀਤੇ ਜਾਂਦੇ ਹਨ, ਮੂਲ ਸੰਗੀਤ ਅਤੇ ਮਾਹੌਲੀ ਧੁਨੀ ਹਟਾਈ ਜਾਂਦੀ ਹੈ ਅਤੇ ਸਿਰਜੀ ਧੁਨੀ ਨੂੰ ਬਦਲੇ ਬਿਨਾਂ ਰਹੀ ਵੋਕਲ ਰਿਕਾਰਡਿੰਗ ਨਾਲ ਮਿਲਾਇਆ ਜਾਂਦਾ ਹੈ, ਇਸਦਾ ਪੱਧਰ ਆਵਾਜ਼ ਦੇ ਅਨੁਸਾਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। |

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} | ਚੁਣੇ ਹੋਏ ਆਡੀਓ ਫ਼ਾਰਮੈਟ ਵਿੱਚ ਇਨਕੋਡ ਕੀਤੀ ਸਿਰਜੀ ਧੁਨੀ। |
| `audios` | array of object {url, content_type, file_name, file_size} | ਸਿਰਜੀਆਂ ਧੁਨੀਆਂ ਦਾ ਪੂਰਾ ਸੰਗ੍ਰਹਿ, ਹਰੇਕ ਸੈਂਪਲ ਲਈ ਇੱਕ ਧੁਨੀ ਸਮੇਤ। |
| `segments` | array of object {index, start, end, meta} | ਆਡੀਓ ਸਿਰਜਣ ਲਈ ਵਰਤੇ ਗਏ ਸੈਗਮੈਂਟ, ਸਰੋਤ-ਵੀਡੀਓ ਕ੍ਰਮ ਵਿੱਚ ਸੂਚੀਬੱਧ। |

## 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