কনটেন্টে যান

Zonos2 Text to Speech

ইন্টিগ্রেট করুন

মডেল id zonos2
# 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/zonos2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "reference_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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"

প্রতি রান সর্বোচ্চ ০.০২$ পর্যন্ত প্রকৃত ব্যবহার অনুযায়ী চার্জ করা হয়, বাকি অর্থ ফেরত দেওয়া হয় এই পেজে চালান

API কী পান
Zyphra টেক্সট থেকে স্পিচ রেফারেন্স ইনপুট #text-to-speech#tts#voice-cloning

স্যাম্পলিং নিয়ন্ত্রণসহ বহুভাষিক ভয়েস-ক্লোনিং TTS, যেখানে ঘনিষ্ঠ মিল বা অভিব্যক্তিপূর্ণ পরিবেশনের মধ্যে বেছে নেওয়া যায়

Zyphra · 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
একটি ফাইল ড্রপ করুন, অথবা

ভয়েস ক্লোনিংয়ের জন্য উৎস ভয়েস সরবরাহকারী অডিও।

অ্যাডভান্সড language · temperature · top_p · min_p · top_k · max_tokens · seed · accurate_mode · clean_speaker_background · enable_safety_checker
ডিফল্ট en_us

টেক্সট নর্মালাইজেশনের জন্য ভাষা নির্বাচন; কোডটি en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko-এর কোনো একটি না হলে এটি এড়িয়ে যাওয়া হয়।

ডিফল্ট 1.15

স্যাম্পলিংয়ের জন্য ব্যবহৃত টেম্পারেচার।

ডিফল্ট 0

নিউক্লিয়াস স্যাম্পলিংয়ের সম্ভাবনা; এটি নিষ্ক্রিয় করতে 0 সেট করুন।

ডিফল্ট 0.18

মিনিমাম-প্রবাবিলিটি স্যাম্পলিংয়ের সম্ভাবনা সীমা।

ডিফল্ট 106

top-k স্যাম্পলিংয়ের কাটঅফ; এটি নিষ্ক্রিয় করতে 0 সেট করুন।

অডিও-ফ্রেম জেনারেশনের সীমা; সর্বোচ্চ মান প্রদান না করলে মডেলের কনটেক্সট সীমা ব্যবহার করা হয়।

পুনরুৎপাদনযোগ্য ফলাফল সক্ষমকারী সিড; বাদ দিলে এলোমেলোভাবে নির্বাচিত হয়।

POST /run/zonos2?wait=20 মূল্য → ০.০২$
# 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/zonos2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "reference_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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

Zonos2 Text to Speech সম্পর্কে

`reference_audio_url` থেকে একটি কণ্ঠ ক্লোন করে টেক্সট উচ্চারণ করে, এবং ব্যবহৃত সিডের সঙ্গে 44.1kHz মনো WAV অডিও ফেরত দেয়। `language` en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn এবং ko-এর জন্য টেক্সট স্বাভাবিকীকরণ নির্ধারণ করে। `accurate_mode` কণ্ঠের সাদৃশ্যের বিনিময়ে অভিব্যক্তিশীলতা বাড়ায়, এবং `temperature`, `top_p`, `min_p`, `top_k` ও `max_tokens` (সর্বোচ্চ 6144) দিয়ে স্যাম্পলিং সমন্বয় করা যায়।

প্যারামিটার

নামধরন ডিফল্টঅনুমোদিত বিবরণ
reference_audio_urlআবশ্যক
ধরনurl · audio
ভয়েস ক্লোনিংয়ের জন্য উৎস ভয়েস সরবরাহকারী অডিও।
languageঐচ্ছিক
ধরনstring
ডিফল্টen_us
টেক্সট নর্মালাইজেশনের জন্য ভাষা নির্বাচন; কোডটি en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko-এর কোনো একটি না হলে এটি এড়িয়ে যাওয়া হয়।
seedঐচ্ছিক
ধরনinteger | null
০ – ২,১৪,৭৪,৮৩,৬৪৭
পুনরুৎপাদনযোগ্য ফলাফল সক্ষমকারী সিড; বাদ দিলে এলোমেলোভাবে নির্বাচিত হয়।
accurate_modeঐচ্ছিক
ধরনboolean
ডিফল্টtrue
ভয়েস মেলানো বনাম অভিব্যক্তিপূর্ণতা: True কাছাকাছি মিলকে অগ্রাধিকার দেয়, আর False বেশি অভিব্যক্তিপূর্ণ বক্তব্যকে অগ্রাধিকার দেয়।
clean_speaker_backgroundঐচ্ছিক
ধরনboolean
ডিফল্টfalse
নির্দেশ করে যে রেফারেন্স অডিওটির ব্যাকগ্রাউন্ড পরিষ্কার।
temperatureঐচ্ছিক
ধরনnumber
ডিফল্ট1.15
০ – ২
স্যাম্পলিংয়ের জন্য ব্যবহৃত টেম্পারেচার।
top_pঐচ্ছিক
ধরনnumber
ডিফল্ট0
০ – ১
নিউক্লিয়াস স্যাম্পলিংয়ের সম্ভাবনা; এটি নিষ্ক্রিয় করতে 0 সেট করুন।
min_pঐচ্ছিক
ধরনnumber
ডিফল্ট0.18
০ – ১
মিনিমাম-প্রবাবিলিটি স্যাম্পলিংয়ের সম্ভাবনা সীমা।
top_kঐচ্ছিক
ধরনinteger
ডিফল্ট106
০ – ২,০৪৮
top-k স্যাম্পলিংয়ের কাটঅফ; এটি নিষ্ক্রিয় করতে 0 সেট করুন।
max_tokensঐচ্ছিক
ধরনinteger | null
১ – ৬,১৪৪
অডিও-ফ্রেম জেনারেশনের সীমা; সর্বোচ্চ মান প্রদান না করলে মডেলের কনটেক্সট সীমা ব্যবহার করা হয়।
enable_safety_checkerঐচ্ছিক
ধরনboolean
ডিফল্টtrue
কলকারী অনুমোদিত হলে false সেট করে স্ক্রিনিং শিথিল করা যায়।
আবশ্যক

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": "zonos2",
  "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": 20,
    "usd": "0.02",
    "charged": 20,
    "refunded": 0
  },
  "input": {
    "reference_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "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
    },
    "seed": 42
  },
  "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}44.1kHz স্যাম্পল রেট এবং mono চ্যানেলসহ WAV ফরম্যাটের আউটপুট অডিও।
seed
integerজেনারেশনের সময় প্রয়োগ করা সিডের মান।

AI এজেন্টদের জন্য: এই পৃষ্ঠাটি Markdown হিসেবে এখানে আছে https://doitong.com/bn/developers/models/zonos2.md. সব মডেল ও গাইড: https://doitong.com/developers/llms.txt