# Sonilo V1.1 Video to Sound Effects API

> ویڈیو کے لیے وقت کے مطابق صوتی اثرات تیار کرتا ہے اور انہیں صرف ایک آڈیو فائل کے طور پر واپس کرتا ہے

`video_url` پر موجود ویڈیو میں ہونے والے واقعات کی بنیاد پر ہم وقت صوتی اثرات شامل کرتا ہے۔ اختیاری `prompt` آواز کی رہنمائی کرتا ہے، جبکہ `segments` وقت کے وقفوں کے لیے الگ وضاحتیں مقرر کرتا ہے۔ `audio_format` wav، mp3، aac یا flac ہو سکتا ہے۔ `keep_speech_vocal` فعال ہونے پر اصل آواز الگ کر کے مکس میں برقرار رکھی جاتی ہے۔

- 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/ur/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 |  |  | آواز کی تخلیق کے لیے فائل اپ لوڈ یا عوامی URL سے فراہم کردہ ویڈیو؛ اس کی مدت تخلیق کردہ آڈیو کی لمبائی متعین کرتی ہے۔ |
| `prompt` |  | string \| null | no |  |  | تمام مناظر کے لیے خودکار ویڈیو کیپشننگ کے بجائے استعمال ہونے والی اختیاری آواز کی رہنمائی۔ مطلوبہ آڈیو بیان کریں، یا خودکار کیپشنز کے لیے قدر خالی چھوڑ دیں۔ |
| `segments` |  | array of object {start, end, prompt} \| null | no |  |  | اختیاری دستی منظر تقسیم، جو انفرادی آواز کی تفصیلات کے ساتھ وقت کی حدود کے طور پر دی جاتی ہے؛ خالی قدر کے بجائے خودکار منظر شناخت استعمال ہوتی ہے۔ |
| `segments[].start` |  | number | no | `0` | ≥ 0 | پہلے سیگمنٹ کے لیے سیگمنٹ کا آغاز 0 ہونا چاہیے۔ تمام ابتدائی اوقات ویڈیو کے آغاز کے لحاظ سے سیکنڈز میں ناپے جاتے ہیں۔ |
| `segments[].end` |  | number | no | `0` | ≥ 0 | سیکنڈز میں سیگمنٹ کا اختتامی مقام، آخری سیگمنٹ کے لیے ویڈیو کی مدت تک محدود۔ ہر پہلے سیگمنٹ کے لیے اسے اگلے سیگمنٹ کے ابتدائی مقام سے مطابقت رکھنی چاہیے تاکہ خلا یا اوورلیپ نہ ہو۔ |
| `segments[].prompt` |  | string | no | `` |  | سیگمنٹ کے صوتی اثرات یا فولی کی تفصیل۔ |
| `audio_format` |  | enum (string) | no | `aac` | `wav`, `mp3`, `aac`, `flac` | الگ آڈیو فارمیٹ، wav، mp3، aac یا flac کے طور پر منتخب کیا جا سکتا ہے؛ ڈیفالٹ طور پر aac استعمال ہوتا ہے۔ یہ انتخاب ویڈیو کی آڈیو انکوڈنگ نہیں بدلتا، جو ہمیشہ AAC ہوتی ہے۔ |
| `keep_speech_vocal` |  | boolean | no | `false` |  | اسپیچ/وکل محفوظ رکھنے کا سوئچ، جو آڈیو اور ویڈیو دونوں آؤٹ پٹس پر اثر انداز ہوتا ہے؛ ڈیفالٹ طور پر غیر فعال ہونے پر نتیجے میں صرف تخلیق کردہ آواز رہتی ہے۔ فعال کرنے پر music source separation ماخذ وکل کو الگ کرتی ہے، اصل موسیقی اور محیطی آواز حذف کرتی ہے، اور تخلیق کردہ آواز کو غیر تبدیل شدہ وکل ریکارڈنگ کے ساتھ ملاتی ہے، اس کی سطح آواز کے مطابق رکھتی ہے۔ |

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} | منتخب آڈیو فارمیٹ میں انکوڈ کی گئی تیار کردہ آواز۔ |
| `audios` | array of object {url, content_type, file_name, file_size} | تخلیق کردہ آوازوں کا مکمل مجموعہ، ہر sample کے لیے ایک آواز کے ساتھ۔ |
| `segments` | array of object {index, start, end, meta} | آڈیو کی تخلیق کے لیے استعمال ہونے والے سیگمنٹس، ماخذ ویڈیو کی ترتیب میں درج۔ |

## 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