MMAudio v2 (video→audio)
Free.ai
·
audio
·
~500 សញ្ញាសម្គាល់ក្នុងមួយ clip
MMAudio v2 (video→audio) គឺ a ម៉ូដែល AI ។ ផ្លូវតាមរយៈម៉ូដែលខាងក្រៅ - ~500 សញ្ញា ប្រើរៀងរាល់ (50% តម្លៃលើតម្លៃឡើង) ។
ប្រើតាម API
OpenAI- ឆបគ្នា REST API ។ បង្កើតកូនសោ និងហៅម៉ូដែលនេះក្នុងវិនាទី ។
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"}'សំណួរដែលសួរញឹកញាប់
MMAudio v2 (video→audio) បង្កើតបែបផែនសំឡេងខ្លី និងអូឌីយ៉ូបរិស្ថានពីការជូនដំណឹងអត្ថបទ ឬការយោងវីដេអូ ។ ជើងជំហាន ភ្លៀង ម៉ាស៊ីន សត្វចម្លែករោទិ៍ - ពិពណ៌នាអំពីសំឡេង និង MMAudio v2 (video→audio) សំយោគវា ។
ជាទូទៅ ១ ទៅ ២២ វិនាទីអាស្រ័យលើម៉ាស៊ីន ។ បទបរិស្ថានដែលអាចរង្វិលជុំបានអាចត្រូវបានពង្រីកដោយ / audio/ loop / ។
បាទ - ម៉ាស៊ីនវីដេអូទៅអូឌីយ៉ូដូចជា MMAudio v2 អានស៊ុមពីវីដេអូរបស់អ្នកនិង synthesize បទសំឡេងដែលសមស្រប (ជំហាននៅពេលជើងផ្លាស់ទី, ទឹកលិចនៅពេលទឹកបាញ់). ផ្ទុកវីដេអូស្ងាត់ទៅ / v1 / audio / from-video / ឬទំព័រខាងលើ.
WAV តាមលំនាំដើម ។ MP3 មាននៅក្នុងកម្មវិធីជ្រើសទ្រង់ទ្រាយ ។
MMAudio v2 (video→audio) គឺជាម៉ូដែលអូឌីយ៉ូដែលមានតម្លៃខ្ពស់។ អំពី ~ 1,000-5,000 រូបិយប័ណ្ណក្នុងមួយវីដេអូបង្ហាញជាបន្តផ្ទាល់មុនពេលអ្នកបង្កើត។ អូឌីយ៉ូដែលរៀបចំដោយខ្លួនឯងដំណើរការដោយឥតគិតថ្លៃនៅលើទឹកកកប្រចាំថ្ងៃរបស់អ្នក 30,000 រូបិយប័ណ្ណ។ ម៉ូដែលដែលមានតម្លៃខ្ពស់គឺបង់ប្រាក់តាមដែលអ្នកទៅជាមួយការបន្ថែមពី $ 1 ។
ម៉ូដែលទាំងនេះត្រូវបានកំណត់សម្រាប់បែបផែនសំឡេង + foley, មិនមែនតន្ត្រីឡើយ ។ សម្រាប់ឧបករណ៍ភ្លេងឬបទចម្រៀងមើល / music / ដែល MusicGen, ACE-Step, Stable Audio ដោះស្រាយករណីនោះ ។
បាទ/ ចាស - សំណួរគឺជាការពិពណ៌នា (ពិពណ៌នាសំឡេង មិនមែនអត្ថបទចម្រៀង) ដូច្នេះភាសាណាមួយធ្វើការប្រសិនបើម៉ូដែលយល់វា ។ ភាសាអង់គ្លេសផ្ដល់លទ្ធផលដែលមានភាពជាប់គ្នាបំផុត ។
បាទ/ ចាស - / batch / ទទួលយកបញ្ជីនៃការជូនដំណឹង ។ ឈុតនីមួយៗត្រូវបានដាក់ក្នុង / account /? tab=history ។ API គឺជាផ្លូវដែលអាចផ្លាស់ប្ដូរបានបំផុតសម្រាប់ការរក្សាទុកថតមែកធាង ។
បាទ - POST ទៅ / v1 / អូឌីយ៉ូ / បង្កើត / ជាមួយ model=" MMAudio v2 (video→audio) "និងសំណួររបស់អ្នក (ឬវីដេអូសម្រាប់ម៉ាស៊ីន v2a) ។ / api / មានសេចក្ដីយោងពេញលេញ ។
គោលការណ៍ដូចគ្នានឹងផ្នែកផ្សេងទៀតនៃ Free.ai - ខ្លួនឯង- រៀបចំនៅលើ GPUs របស់យើង, ប្រាក់រង្វាន់ជាមួយ DPA, ផ្ទុកឡើងផុតកំណត់នៅលើកាលវិភាគបង្អួចចែករំលែក. យើងមិនបណ្តុះបណ្តាលលើការបញ្ចូលរបស់អ្នក.
បាទ - Free.ai ផ្តល់ការប្រើពាណិជ្ជកម្មនៃអូឌីយ៉ូដែលបានបង្កើតសម្រាប់រចនាសំឡេងហ្គេម, ភាពយន្ត foley, ផតខាស់, ផ្សាយពាណិជ្ជកម្ម.
៥ ទៅ ៣០ វិនាទីក្នុងមួយចន្លោះពេល ។ វីដេអូទៅអូឌីយ៉ូត្រូវការពេលយូរជាង (ប្រហាក់ប្រហែលនឹងប្រវែងវីដេអូ) ។ ប្រើប៊ូតុងជួរនៅលើ / audio / ដើម្បីបិទផ្ទាំង ។