உள்ளடக்கத்திற்குச் செல்க

MMAudio V2 Text to Audio

ஒருங்கிணை

மாடல் id mmaudio-v2/text-to-audio
# 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/mmaudio-v2/text-to-audio?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# 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"

இந்தக் கோரிக்கை: $0.008 8 API கிரெடிட்கள் · ≈ ₽0.86 இந்தப் பக்கத்தில் இயக்குங்கள்

API விசையைப் பெறுக
Sony AI ஆடியோ 1–30 s #audio#fast

சரிசெய்யக்கூடிய படிகள், வழிகாட்டல் மற்றும் கால அளவுடன் ப்ராம்ப்ட்டிலிருந்து ஒலிகளை உருவாக்கும் உரையிலிருந்து ஆடியோ உருவாக்கம்

Sony AI · ஆடியோ

உங்கள் முதல் முடிவு இங்கே வரும்

கீழே ஒரு கோரிக்கையை உருவாக்கி, உங்கள் API விசையுடன் இயக்குங்கள். வெளியீடுகள் எங்கள் சேமிப்பகத்தில் நகலெடுக்கப்பட்டு, நிரந்தரமாக அல்லது இலவசமாக 7 நாட்கள் வைக்கப்படும்.

கோரிக்கையை உருவாக்கு

மாடல் ஸ்கீமாவிலிருந்து கட்டுப்பாடுகள் உருவாக்கப்படுகின்றன. அவற்றை மாற்றும்போது குறியீடும் விலையும் புதுப்பிக்கப்படும்.

•தேவை

உருவாக்க வேண்டிய ஆடியோவை விவரிக்கும் ப்ராம்ப்ட்.

இயல்புநிலை 8

உருவாக்கப்பட்ட ஆடியோவின் நீளம்.

மேம்பட்டவை negative_prompt · num_steps · cfg_strength · seed · mask_away_clip
இயல்புநிலை

ஆடியோ உருவாக்கத்தின் போது விலக்க வேண்டியவற்றைக் குறிப்பிடும் எதிர்மறை ப்ராம்ப்ட்.

இயல்புநிலை 25

ஆடியோ உருவாக்கத்திற்குப் பயன்படுத்தப்படும் படிகளின் எண்ணிக்கை.

இயல்புநிலை 4.5

Classifier Free Guidance தீவிரம்.

சீரற்ற எண் உருவாக்கியால் பயன்படுத்தப்படும் விதை மதிப்பு.

POST /run/mmaudio-v2/text-to-audio?wait=20 விலை → $0.008
# 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/mmaudio-v2/text-to-audio?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# 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"

இந்தக் கோரிக்கையை இயக்கு

உங்கள் key இந்த உலாவியில் மட்டுமே இருக்கும்: அது Doitong API-க்கு மட்டும் அனுப்பப்படும்; Remember-ஐத் தேர்ந்தெடுத்தால் மட்டுமே (localStorage)-ல் சேமிக்கப்படும். API விசையைப் பெறுங்கள்

MMAudio V2 Text to Audio பற்றி

உரை `prompt`-இலிருந்து ஆடியோவை உருவாக்குகிறது; ஒலிகளைத் தவிர்க்க `negative_prompt` பயன்படுத்தப்படுகிறது. `duration` 1 முதல் 30 வினாடிகள் வரை (இயல்புநிலை 8), `num_steps` 4 முதல் 50 வரை (இயல்புநிலை 25), `cfg_strength` 0 முதல் 20 வரை (இயல்புநிலை 4.5) இருக்கும். 0 முதல் 65535 வரையிலான `seed` முடிவுகளை மீண்டும் உருவாக்கக்கூடியதாக மாற்றுகிறது.

அளவுருக்கள்

பெயர்வகை இயல்புநிலைஅனுமதிக்கப்பட்டது விளக்கம்
promptதேவை
வகைstring
உருவாக்க வேண்டிய ஆடியோவை விவரிக்கும் ப்ராம்ப்ட்.
negative_promptவிருப்பத்தேர்வு
வகைstring
இயல்புநிலை
ஆடியோ உருவாக்கத்தின் போது விலக்க வேண்டியவற்றைக் குறிப்பிடும் எதிர்மறை ப்ராம்ப்ட்.
seedவிருப்பத்தேர்வு
வகைinteger | null
0 – 65,535
சீரற்ற எண் உருவாக்கியால் பயன்படுத்தப்படும் விதை மதிப்பு.
num_stepsவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை25
4 – 50
ஆடியோ உருவாக்கத்திற்குப் பயன்படுத்தப்படும் படிகளின் எண்ணிக்கை.
durationவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை8
1 – 30
உருவாக்கப்பட்ட ஆடியோவின் நீளம்.
cfg_strengthவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை4.5
0 – 20
Classifier Free Guidance தீவிரம்.
mask_away_clipவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைfalse
கிளிப் மறைக்கப்பட வேண்டுமா என்பதைக் கட்டுப்படுத்தும்.
தேவை

வெளியீடு

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "mmaudio-v2/text-to-audio",
  "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": 8,
    "usd": "0.008",
    "charged": 8,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  },
  "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
    }
  },
  "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"
  }
}
உங்கள் கோப்புகள், உங்கள் தேர்வுஒவ்வொரு outputs[].url-ம் எங்கள் சேமிப்பகத்தில் உள்ள ஒரு நகல்: நிரந்தரமாக (GB-மாதத்திற்கு கட்டணம்) அல்லது உங்கள் கணக்கு அமைப்பு அல்லது ?storage= மூலம் இலவசமாக 7 நாட்கள் வைக்கப்படும்.
ஒவ்வொரு மாடலிலும் ஒரே வடிவம்படங்கள், வீடியோ மற்றும் ஆடியோ ஆகிய அனைத்திற்குமான type, url, content_type, width, height மற்றும் duration. output என்பது மாதிரியின் சொந்த முடிவு பொருளாகும்.
வெளியீட்டின் புலங்கள்
audio
object {url, content_type, file_name, file_size}மாதிரி உருவாக்கிய ஆடியோ.

மேலும் மாதிரிகள்: ஆடியோ

AI ஏஜெண்டுகளுக்கு: இந்தப் பக்கம் Markdown வடிவில் இங்கே உள்ளது https://doitong.com/ta/developers/models/mmaudio-v2/text-to-audio.md. அனைத்து மாடல்களும் வழிகாட்டிகளும்: https://doitong.com/developers/llms.txt