MMAudio v2 (video→audio)
Free.ai
·
audio
·
~500 tokens por clip
MMAudio v2 (video→audio) é a Modelo de IA. Enrutado a través de modelos externos — ~500 tokens por uso (50% de markup sobre o custo ascendente).
Empregar a través da API
API REST compatíbel con OpenAI. Xere unha chave e chame a este modelo en segundos.
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"}'Preguntas frecuentes
MMAudio v2 (video→audio) xera efectos sonoros curtos e son ambiente a partir dun aviso de texto ou referencia de vídeo. Pasos, choiva, maquinaria, rugidos de criaturas alieníxenas — describen o son e MMAudio v2 (video→audio) sintetizao.
Normalmente de 1 a 22 segundos dependendo do motor. As pistas ambient bucleábeis poden estirarse con / audio/ loop /.
Si, os motores de vídeo a son como MMAudio v2 lerán os fotogramas do vídeo e sintetizarán unha banda sonora correspondente (pasos cando os pés se moven, salpicaduras cando a auga golpea). Envíe o vídeo silencioso a / v1/ audio/ from- video / ou á páxina de riba.
Por omisión, WAV. MP3 está dispoñíbel no selector de formatos.
MMAudio v2 (video→audio) é un modelo de son premium. Aproximadamente ~1. 000- 5. 000 tokens por clip. $1 = 750. 000 tokens.
Estes modelos están sintonizados para efectos de son + foley, non para música. Para pistas instrumentais ou vocais melódicas, consulte / music / onde MusicGen, ACE-Step, Stable Audio xestionan ese caso.
Si, o aviso é descritivo (describa o son, non a letra), polo que calquera lingua funciona sempre que o modelo a entenda. O inglés dá os resultados máis consistentes.
Si — / batch / acepta unha lista de mensaxes. Cada clip acaba en / account /? tab=history. A API é a ruta máis flexible para preservar a árbore de cartafoles.
Si — POST a /v1/audio/generate/ con model="MMAudio v2 (video→audio)" e o seu prompt (ou vídeo para motores v2a). /api/ ten a referencia completa.
A mesma política que o resto de Free.ai: autoaloxado nas nosas GPU, premium con DPA, os envíos caducan na programación da fiestra de compartición. Non adestramos coas túas entradas.
Si — Free.ai concede o uso comercial do son xerado para deseño de son de xogos, filmes, podcasts, anuncios.
De 5 a 30 segundos por clip. A conversión de vídeo a son leva máis tempo (proporcionalmente á duración do vídeo). Use o botón de fila en / audio / para pechar a lingüeta.