কনটেন্টে যান

Chatterbox · Text to Speech

ইন্টিগ্রেট করুন

মডেল id chatterbox/text-to-speech
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/chatterbox/text-to-speech?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence."
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

এই অনুরোধ: ০.০০২$ ২ API ক্রেডিট এই পেজে চালান

API কী পান
Resemble AI টেক্সট থেকে স্পিচ #text-to-speech

আবেগসূচক ট্যাগ, অতিরঞ্জন নিয়ন্ত্রণ এবং ঐচ্ছিক রেফারেন্স-অডিও স্টাইলসহ ইংরেজি টেক্সট-টু-স্পিচ

Resemble AI · অডিও

আপনার প্রথম ফলাফল এখানে আসবে

নিচে একটি রিকোয়েস্ট তৈরি করে আপনার API কী দিয়ে চালান। আউটপুট আমাদের স্টোরেজে কপি করা হয়, চিরকাল বা বিনামূল্যে ৭ দিন পর্যন্ত রাখা হয়।

একটি অনুরোধ তৈরি করুন

মডেল স্কিমা থেকে কন্ট্রোল তৈরি করা হয়। এগুলো পরিবর্তন করলে কোড ও মূল্য আপডেট হয়।

•আবশ্যক

কথ্য সংশ্লেষণের টেক্সট, যাতে আবেগসূচক ট্যাগ থাকতে পারে: <laugh>, <chuckle>, <sigh>, <cough>, <sniffle>, <groan>, <yawn>, <gasp>। টেক্সট 5000 অক্ষরের বেশি হওয়া যাবে না।

অ্যাডভান্সড audio · exaggeration · temperature · cfg · seed
audio_url ডিফল্ট https://storage.googl...
একটি ফাইল ড্রপ করুন, অথবা

এমন রেফারেন্স অডিও যার টোন ও শৈলী মডেলটি তার কথ্য আউটপুটে অনুসরণ করার চেষ্টা করে। এই ঐচ্ছিক রেফারেন্স ব্যবহার করতে চাইলে অডিও ফাইলের URL দিন।

ডিফল্ট 0.25

কথার অতিরঞ্জন নিয়ন্ত্রণ: সর্বোচ্চ অতিরঞ্জন 1.0-এর সমান, আর 0.0 অতিরঞ্জন বন্ধ করে।

ডিফল্ট 0.7

জেনারেশন temperature; এটি বাড়ালে ফলাফল আরও সৃজনশীল হয়।

ডিফল্ট 0.5

অডিও জেনারেশনের seed; 0 একটি এলোমেলো seed নির্বাচন করে। পুনরুৎপাদনযোগ্যতার জন্য একটি নির্দিষ্ট মান ব্যবহার করুন এবং অন্য সব বৈশিষ্ট্য অপরিবর্তিত রাখুন; এতে অডিও ফাইলটি হুবহু পুনরুৎপাদিত হওয়ার কথা।

POST /run/chatterbox/text-to-speech?wait=20 মূল্য → ০.০০২$
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/chatterbox/text-to-speech?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence."
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

এই অনুরোধ চালান

আপনার key এই ব্রাউজারেই থাকে: এটি শুধু Doitong API-তে পাঠানো হয় এবং Remember টিক দিলে কেবল localStorage-এ সংরক্ষিত হয়। একটি API কী পান

Chatterbox · Text to Speech সম্পর্কে

সর্বোচ্চ 5000 অক্ষরের টেক্সটকে বক্তব্যে রূপান্তর করে। টেক্সটে <laugh>, <chuckle>, <sigh> এবং <cough>-এর মতো আবেগসূচক ট্যাগ থাকতে পারে। ঐচ্ছিক `audio_url` একটি রেফারেন্স দেয়, যার স্টাইল ও টোনের সঙ্গে আউটপুট মিলিয়ে নেওয়ার চেষ্টা করা হয়। `exaggeration` (0 থেকে 1), `temperature`, `cfg` এবং `seed` কথনভঙ্গি নিয়ন্ত্রণ করে।

প্যারামিটার

ক্যানোনিকাল নাম অথবা নেটিভ নাম—দুটো একসঙ্গে নয়—পাঠান। ক্যানোনিকাল নামগুলো

নামধরন ডিফল্টঅনুমোদিত বিবরণ
textআবশ্যক
ধরনstring
কথ্য সংশ্লেষণের টেক্সট, যাতে আবেগসূচক ট্যাগ থাকতে পারে: <laugh>, <chuckle>, <sigh>, <cough>, <sniffle>, <groan>, <yawn>, <gasp>। টেক্সট 5000 অক্ষরের বেশি হওয়া যাবে না।
audio_urlঐচ্ছিক audio
ধরনurl · audio
ডিফল্টhttps://storage.googleapis.com/chatterbox-demo-samples/prompts/male_rickmorty.mp3
এমন রেফারেন্স অডিও যার টোন ও শৈলী মডেলটি তার কথ্য আউটপুটে অনুসরণ করার চেষ্টা করে। এই ঐচ্ছিক রেফারেন্স ব্যবহার করতে চাইলে অডিও ফাইলের URL দিন।
exaggerationঐচ্ছিক
ধরনnumber
ডিফল্ট0.25
০ – ১
কথার অতিরঞ্জন নিয়ন্ত্রণ: সর্বোচ্চ অতিরঞ্জন 1.0-এর সমান, আর 0.0 অতিরঞ্জন বন্ধ করে।
temperatureঐচ্ছিক
ধরনnumber
ডিফল্ট0.7
০.০৫ – ২
জেনারেশন temperature; এটি বাড়ালে ফলাফল আরও সৃজনশীল হয়।
cfgঐচ্ছিক
ধরনnumber
ডিফল্ট0.5
০.১ – ১
seedঐচ্ছিক
ধরনinteger | null
অডিও জেনারেশনের seed; 0 একটি এলোমেলো seed নির্বাচন করে। পুনরুৎপাদনযোগ্যতার জন্য একটি নির্দিষ্ট মান ব্যবহার করুন এবং অন্য সব বৈশিষ্ট্য অপরিবর্তিত রাখুন; এতে অডিও ফাইলটি হুবহু পুনরুৎপাদিত হওয়ার কথা।
আবশ্যক ক্যানোনিকাল নাম, এটিও গ্রহণযোগ্য

ফাইল প্যারামিটার হিসেবে একটি পাবলিক https:// URL, 10 MB পর্যন্ত একটি data: URI, অথবা আপলোডের file_url গ্রহণ করা হয়। ফাইল

আউটপুট

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "chatterbox/text-to-speech",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 2,
    "usd": "0.002",
    "charged": 2,
    "refunded": 0
  },
  "input": {
    "text": "Hello from Doitong. This is a short test sentence."
  },
  "output": {
    "audio": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_name": "0-output.mp3",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "audio",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_size": 1843200,
      "duration": 12,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
আপনার ফাইল, আপনার পছন্দপ্রতিটি outputs[].url আমাদের স্টোরেজে একটি কপি: চিরকাল রাখা হয় (প্রতি GB-মাস অনুযায়ী অর্থপ্রদত্ত) অথবা অ্যাকাউন্ট সেটিংস বা ?storage= অনুযায়ী বিনামূল্যে ৭ দিন পর্যন্ত।
প্রতিটি মডেলে একই গঠনছবি, ভিডিও এবং অডিও—সব ক্ষেত্রেই type, url, content_type, width, height এবং duration। output হলো মডেলের নিজস্ব ফলাফল অবজেক্ট।
আউটপুটের ফিল্ড
audio
object {url, content_type, file_name, file_size}সংশ্লেষিত কথ্য অডিও।

আরও মডেল: টেক্সট থেকে স্পিচ

AI এজেন্টদের জন্য: এই পৃষ্ঠাটি Markdown হিসেবে এখানে আছে https://doitong.com/bn/developers/models/chatterbox/text-to-speech.md. সব মডেল ও গাইড: https://doitong.com/developers/llms.txt