Vídeo para Som

Para agentes de IA →1 call free, no credit card required.
Gere uma banda sonora combinada — música e efeitos sonoros misturados em conjunto — para um vídeo, fornecida como um ficheiro de áudio autónomo. Devolve 202 Accepted com um task_id; consulte GET /v1/tasks/:task_id até a tarefa atingir um estado final. O áudio gerado contém uma marca d'água de procedência inaudível.
POST/v1/video-to-soundmultipart/form-data
API URLhttps://api.sonilo.com/v1/video-to-sound

Send API requests to https://api.sonilo.com. The platform.sonilo.com/docs pages are documentation only and are not API endpoints.

curl -X POST https://api.sonilo.com/v1/video-to-sound \
  -H "Authorization: Bearer sk_your_api_key" \
  -F "video_url=https://example.com/clip.mp4" \
  -F "music_prompt=uplifting orchestral score" \
  -F "sfx_prompt=match the on-screen action"
# => {"task_id": "9f5f2f7e-...", "status": "processing"}

curl https://api.sonilo.com/v1/tasks/9f5f2f7e-... \
  -H "Authorization: Bearer sk_your_api_key"
# poll until "status" is "succeeded" or "failed"
curl -X POST https://api.sonilo.com/v1/video-to-sound \
  -H "Authorization: Bearer sk_your_api_key" \
  -F "video_url=https://example.com/clip.mp4" \
  -F "preserve_speech=true" \
  -F "ducking=true" \
  -F 'segments=[{"start": 0, "end": 4, "prompt": "footsteps on gravel"}, {"start": 4, "end": 10, "prompt": "car door slam then engine starts"}]'
{
  "task_id": "9f5f2f7e-…",
  "status": "processing"
}

Autorização

Autentique via token Bearer. Gere chaves na página Chaves de API e passe-as no cabeçalho Authorization em cada pedido.

Authorization: Bearer sk_your_api_key

Store the key server-side, commonly as SONILO_API_KEY. A 401 means the key is missing, invalid, or revoked. A 403 means the key is valid but the account does not have access to that endpoint or workspace.

Parâmetros do Body

videofile
Carregamento de ficheiro de vídeo. Forneça video ou video_url, não ambos. Formatos aceites: mp4, mov, webm, m4v, gif (animado). Tamanho máximo de ficheiro: 300MB por defeito. Duração máxima: 480 s.
video_urlstring
URL de um ficheiro de vídeo. Forneça video ou video_url, não ambos. Deve ser um URL público http:// ou https://; endereços privados/internos são rejeitados. Tamanho máximo de ficheiro: 300MB por defeito. Duração máxima: 480 s.
music_promptstring
Prompt de texto opcional descrevendo a música a gerar, até 2000 caracteres, independente de sfx_prompt. Para melhores resultados, omita e deixe o modelo inferir uma banda sonora a partir da ação no ecrã e das imagens.
sfx_promptstring
Prompt de texto opcional descrevendo os efeitos sonoros a gerar, até 2000 caracteres, independente de music_prompt. Para melhores resultados, omita e deixe o modelo inferir a partir da ação no ecrã, ou use segments para um controlo mais fino.
segmentsstring
Array JSON opcional de prompts de efeitos sonoros temporizados, até 30 itens, aplicado apenas ao lado de efeitos sonoros da mistura. Cada item tem start e end (segundos; o start do primeiro segmento deve ser 0, o end de cada segmento deve ser maior que o seu start, e os segmentos devem ser contíguos — cada end igual ao start do segmento seguinte) e prompt (1-200 caracteres) descrevendo o efeito sonoro desse segmento. O end do último segmento não pode exceder a duração do vídeo, limitada a 480 s.
preserve_speechboolean
Booleano opcional, por predefinição false. Quando true, a fala original (diálogo, narração ou voz off) é preservada ao compor a música — o modelo isola a fala do áudio de origem e compõe a nova música em torno dela. Aplica-se apenas ao lado de música da mistura. Sem custo adicional.
duckingboolean
Booleano opcional, por predefinição false. Por predefinição, a fala do próprio vídeo não é incluída de todo na mistura: é entregue apenas a música e os efeitos sonoros gerados. Passe ducking=true para manter essa fala e reduzir a música gerada por baixo dela, antes de a música ser combinada com os efeitos sonoros, para que o diálogo permaneça inteligível. Ignorado quando preserve_speech é usado, que em vez disso mantém a voz isolada como fonte de voz. Sem custo.
output_formatstring
Opcional. wav (predefinição) devolve WAV PCM de 16 bits. m4a devolve áudio codificado em AAC, mp3 devolve MP3 a 320 kbps — ambos transcodificados no servidor após a mistura. Aplica-se apenas ao output_url combinado; os stems de música/efeitos mantêm o formato nativo.
variants_numinteger
Opcional. Quantas variantes distintas gerar num único pedido, 1-10 (predefinição 1). Cada variante combina a sua própria música gerada com os seus próprios efeitos sonoros gerados, devolvida como uma entrada própria em outputs. O custo escala linearmente — variants_num=3 custa o triplo de um pedido de variante única. Valores acima de 1 nunca são cobertos pelo teste gratuito e são sempre cobrados.

Resposta

task_idstring
O identificador da tarefa. Consulte o endpoint Get Task (GET /v1/tasks/:task_id) até a tarefa atingir um status final.
statusstring
Sempre processing no envio — a geração é executada de forma assíncrona.