MMAudio v2 (video→audio)
Free.ai
·
audio
·
~500 ટોકન પ્રતિ clip
MMAudio v2 (video→audio) એ an AI મોડેલ છે. બાહ્ય મોડેલો મારફતે માર્ગદર્શિત — ~500 ટોકન્સ વપરાશ પર (ઉપરના ખર્ચ પર 50% માર્કઅપ).
API મારફતે વાપરો
OpenAI-સુસંગત REST API. કી ઉત્પન્ન કરો અને સેકન્ડોમાં આ મોડેલને બોલાવો.
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"}'વારંવાર પૂછાતા પ્રશ્નો
MMAudio v2 (video→audio) લખાણ પ્રશ્ન અથવા વિડીયો સંદર્ભમાંથી ટૂંકી ધ્વનિ અસરો અને આસપાસના ધ્વનિને ઉત્પન્ન કરે છે. પગલાં, વરસાદ, મશીનો, વિદેશી જીવોનું ચીસો પાડવું - ધ્વનિનું વર્ણન કરે છે અને MMAudio v2 (video→audio) તેને સંયોજિત કરે છે.
સામાન્ય રીતે ૧ થી ૨૨ સેકન્ડ એ એન્જિન પર આધારિત છે. લૂપ કરી શકાય તેવા એન્ટિને ટ્રેક /audio/loop/ સાથે લંબાવી શકાય છે.
હા — MMAudio v2 જેવા વિડિયો-થી-ઓડિયો એન્જિનો તમારા વિડિયોમાંથી ચોકઠાંઓ વાંચે છે અને બંધબેસતી સાઉન્ડટ્રેકને સંયોજિત કરે છે (પગની ગતિ જ્યારે પગ ખસેડે છે, પાણી પડી જાય ત્યારે સ્પ્લેશ). /v1/audio/from-video/ અથવા ઉપરના પાનામાં શાંતિપૂર્ણ વિડિયો અપલોડ કરો.
મૂળભૂત રીતે WAV. MP3 બંધારણ પસંદ કરનારમાં ઉપલબ્ધ છે.
MMAudio v2 (video→audio) એ પ્રીમિયમ ઓડિયો મોડેલ છે. ક્લિપ દીઠ ~1,000–5,000 ટોકન વિશે. $1 = 750,000 ટોકન.
આ મોડેલો ધ્વનિ અસરો + ફોલી માટે ટોન થયેલ છે, સંગીત માટે નહિં. સંગીત માટે અથવા વાદ્ય ટ્રેક માટે /music/ જુઓ જ્યાં MusicGen, ACE-Step, Stable Audio એ કેસને સંભાળે છે.
હા — પ્રશ્ન વર્ણનાત્મક છે (સંગીતનું વર્ણન કરો, ગીતના શબ્દો નહિં), તેથી કોઈપણ ભાષા કામ કરે છે જ્યાં સુધી મોડેલ તેને સમજે. અંગ્રેજી સૌથી વધુ સંતુલિત પરિણામો આપે છે.
હા — /batch/ પ્રશ્નોની યાદી સ્વીકારે છે. દરેક ક્લિપ /account/?tab=history માં સ્થિત થાય છે. API ફોલ્ડર-ટ્રિ સંગ્રહ માટે સૌથી વધુ લવચીક માર્ગ છે.
હા — મોડેલ="MMAudio v2 (video→audio)" અને તમારી પ્રશ્નપત્ર (અથવા v2a એન્જિનો માટે વિડિયો) સાથે /v1/audio/generate/ પર POST કરો. /api/ પાસે સંપૂર્ણ સંદર્ભ છે.
Free.ai ના બાકીના ભાગની જેમ સમાન નીતિ - અમારા GPUs પર સ્વયં-હોસ્ટ થયેલ, DPA સાથે પ્રીમિયમ, અપલોડ્સ શેર-વિન્ડો સમયસૂચિ પર સમાપ્ત થાય છે. અમે તમારા ઇનપુટ્સ પર તાલીમ આપતા નથી.
હા – Free.ai ગેમ્સ, ફિલ્મ ફોલી, પોડકાસ્ટ, જાહેરાતો માટે ઉત્પન્ન થયેલા ઓડિયોનો વાણિજ્યિક ઉપયોગ કરવાની પરવાનગી આપે છે.
ક્લિપ પ્રતિ ૫ થી ૩૦ સેકન્ડો. વિડીયો-થી-ઓડિયો વધારે સમય લે છે (વિડીયો લંબાઈને અનુરૂપ). ટેબને બંધ કરવા માટે /audio/ પર કતાર બટનનો ઉપયોગ કરો.