MMAudio v2 (video→audio)
Free.ai
·
audio
·
~500 توکنها در هر clip
MMAudio v2 (video→audio) برابر با a مدل هوش مصنوعی است. مسیریابی از طریق مدلهای خارجی — ~500 tokens هر استفاده (۵۰٪ مارکاپ بر روی هزینههای بالادستی).
استفاده از طریق API
API REST سازگار با OpenAI. یک کلید تولید کنید و این مدل را در چند ثانیه فراخوانی کنید.
curl -X POST https://api.free.ai/v1/music/generate/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"premium/mmaudio-v2","prompt":"your prompt here"}'پرسشهای متداول
MMAudio v2 (video→audio) از یک پیام متنی یا مرجع ویدئو ، جلوههای صوتی کوتاه و صدای محیط را تولید میکند. قدمها ، باران ، ماشین آلات ، خروش موجودات فضایی — صدا را توصیف میکند و MMAudio v2 (video→audio) آن را ترکیب میکند.
معمولاً ۱ تا ۲۲ ثانیه بسته به موتور. ترانههای محیطی قابل چرخش را میتوان با /audio/loop/ کشید.
بله — موتورهای تبدیل ویدئو به صدا مانند MMAudio v2 فریمها را از ویدئو میخوانند و یک آهنگ صوتی مطابق را ترکیب میکنند (گامهایی که هنگام حرکت پاها، فلاشهایی که هنگام برخورد آب به پاها میآید). ویدئو صامت را به /v1/audio/from-video/ یا صفحه بالا آپلود کنید.
به صورت پیشفرض WAV است. MP3 در گزینشکننده قالب در دسترس است.
MMAudio v2 (video→audio) یک مدل صوتی پرمیوم است. حدود ~۱۰۰۰ تا ۵۰۰۰ توکن در هر کلیپ، قبل از تولید به صورت زنده نمایش داده میشود. صدای خود میزبانی شده در استخر روزانه ۳۰۰۰۰ توکن شما رایگان اجرا میشود؛ مدلهای پرمیوم با پرداخت در هنگام استفاده، با اضافه کردن از ۱ دلار است.
این مدلها برای صداهای جلوه دار + فولی تنظیم شدهاند، نه موسیقی. برای آهنگهای ملودیک یا خواننده به /music/ مراجعه کنید که در آن MusicGen، ACE-Step، Stable Audio این مورد را مدیریت میکنند.
بله — این دستورالعمل توصیفی است (صدا را توصیف کنید، نه متن)، بنابراین هر زبانی تا زمانی که مدل آن را بفهمد کار میکند.
بله — /batch/ یک فهرست از درخواستها را میپذیرد. هر کلیپ در /account/?tab=history قرار میگیرد. API انعطافپذیرترین مسیر برای حفظ درخت پوشه است.
بله — POST به /v1/audio/generate/ با model="MMAudio v2 (video→audio)" و درخواست شما (یا ویدئو برای موتورهای v2a). /api/ دارای مرجع کامل است.
سياست مشابه بقيه Free.ai - خود-مورد استفاده در GPU ما، premium با DPA، آپلودها در زمانبندی پنجره اشتراکی به پایان میرسند. ما روی ورودی های شما آموزش نمیدهیم.
بله - Free.ai اجازه استفاده تجاری از صدای تولید شده برای طراحی صدای بازی، فیلم، پادکست، تبلیغات را میدهد.
۵ تا ۳۰ ثانیه برای هر کلیپ. تبدیل ویدئو به صدا زمان بیشتری میبرد (متناسب با طول ویدئو). برای بستن تب از دکمهی صف در /audio/ استفاده کنید.