Przejdź do treści

MMAudio V2 Text to Audio

Integracja

Identyfikator modelu 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.com/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.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

To żądanie: 0,008 $ 8 kredytów API Uruchom na tej stronie

Uzyskaj klucz API
Sony AI Audio 1–30 s #audio#fast

Generowanie dźwięku z promptu tekstowego z regulacją liczby kroków, siły wskazówek i czasu trwania

Sony AI · Audio

Tutaj pojawi się pierwszy wynik

Zbuduj poniżej żądanie i uruchom je za pomocą klucza API. Wyniki są kopiowane do naszej przestrzeni dyskowej i przechowywane bezterminowo lub 7 dni bezpłatnie.

Zbuduj żądanie

Elementy sterujące są generowane ze schematu modelu. Kod i cena aktualizują się podczas ich zmiany.

•wymagane

Prompt opisujący audio do utworzenia.

domyślnie 8

Długość wygenerowanego audio.

Zaawansowane negative_prompt · num_steps · cfg_strength · seed · mask_away_clip
domyślnie

Negatywny prompt określający, co wykluczyć podczas generowania audio.

domyślnie 25

Liczba kroków używanych do generowania audio.

domyślnie 4.5

Intensywność Classifier Free Guidance.

Wartość ziarna używana przez generator liczb losowych.

POST /run/mmaudio-v2/text-to-audio?wait=20 wycena → 0,008 $
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/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.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Uruchom to żądanie

Klucz pozostaje w tej przeglądarce: jest wysyłany tylko do Doitong API i zapisywany (localStorage) tylko po zaznaczeniu opcji Zapamiętaj. Uzyskaj klucz API

Informacje o MMAudio V2 Text to Audio

Generuje audio z tekstowego `prompt`, a `negative_prompt` służy do wykluczania określonych dźwięków. `duration` wynosi od 1 do 30 sekund (domyślnie 8), `num_steps` od 4 do 50 (domyślnie 25), a `cfg_strength` od 0 do 20 (domyślnie 4.5). `seed` o wartości od 0 do 65535 zapewnia powtarzalność wyników.

Parametry

NazwaTyp DomyślneDozwolone Opis
promptwymagane
Typstring
Prompt opisujący audio do utworzenia.
negative_promptopcjonalne
Typstring
Domyślne
Negatywny prompt określający, co wykluczyć podczas generowania audio.
seedopcjonalne
Typinteger | null
0 – 65 535
Wartość ziarna używana przez generator liczb losowych.
num_stepsopcjonalne
Typinteger
Domyślne25
4 – 50
Liczba kroków używanych do generowania audio.
durationopcjonalne
Typnumber
Domyślne8
1 – 30
Długość wygenerowanego audio.
cfg_strengthopcjonalne
Typnumber
Domyślne4.5
0 – 20
Intensywność Classifier Free Guidance.
mask_away_clipopcjonalne
Typboolean
Domyślnefalse
Określa, czy klip jest maskowany.
wymagane

Wynik

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.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Twoje pliki, Twój wybórKażdy outputs[].url to kopia w naszej przestrzeni dyskowej: przechowywana bezterminowo (opłata za GB-miesiąc) lub 7 dni bezpłatnie, zgodnie z ustawieniem konta lub ?storage=.
Taki sam format w każdym modelutype, url, content_type, width, height i duration — tak samo dla obrazów, filmów i dźwięku. output to własny obiekt wyniku modelu.
Pola wyniku
audio
object {url, content_type, file_name, file_size}Audio wygenerowane przez model.

Więcej modeli: Audio

Dla agentów AI: ta strona w formacie Markdown jest dostępna pod adresem https://doitong.com/pl/developers/models/mmaudio-v2/text-to-audio.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt