Přejít na obsah

Maya1

Integrace

ID modelu maya
# 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/maya?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence.",
    "prompt": "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"

Tento požadavek: ≈0,049 $ 49 kreditů API Spustit na této stránce

Získat API klíč
Maya Research Text na řeč #text-to-speech#tts

Expresivní převod textu na řeč s promptem popisujícím hlas a vloženými emočními tagy

Maya Research · Zvuk

Zde se zobrazí váš první výsledek

Níže sestavte požadavek a spusťte ho pomocí svého API klíče. Výstupy se kopírují do našeho úložiště a uchovávají se navždy nebo 7 dne zdarma.

Sestavit požadavek

Ovládací prvky se generují ze schématu modelu. Kód a cena se aktualizují podle provedených změn.

•povinné 50 / 5000

Text syntézy řeči umožňující emoční značky ve tvaru <emotion_name> na libovolné pozici, například 'Hello world! <excited> This is amazing!' nebo 'I can't believe this <sigh> happened again.'. Podporované emoce jsou curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder a laugh.

•povinné 50 / 500

Vlastnosti hlasu nebo postavy k popsání, například intenzita, tón, tempo, zabarvení, výška, přízvuk a věk.

Pokročilé sample_rate · output_format · temperature · top_p · max_tokens · repetition_penalty · enable_safety_checker
sample_rate výchozí 48 kHz

Volba vzorkovací frekvence zvuku mezi rychlejším zpracováním při 24 kHz a kvalitnějším výstupem při 48 kHz.

output_format výchozí wav

Formát zvukového souboru použitý pro syntetizovanou řeč.

výchozí 0.4

Teplota vzorkování řídící variabilitu zvuku: její zvýšení přináší větší rozmanitost, zatímco nižší rozsah 0.2–0.5 podporuje stabilitu a konzistenci.

výchozí 0.9

Nastavení nucleus sampling upravující rozmanitost výběru tokenů.

výchozí 2000

Rozpočet tokenů SNAC omezující délku zvuku, vypočítaný jako 7 tokenů na každý snímek.

výchozí 1.1

Penalizace opakování tokenů. Jejím zvýšením se potlačí artefakty opakování.

POST /run/maya?wait=20 cena → 0,049 $
# 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/maya?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence.",
    "prompt": "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"

Spustit tento požadavek

Váš klíč zůstává v tomto prohlížeči: odesílá se pouze do Doitong API a uloží se do localStorage jen tehdy, když zaškrtnete možnost Zapamatovat. Získat klíč API

O modelu Maya1

Převádí text o délce až 5000 znaků na řeč. Povinný `prompt` o délce až 500 znaků popisuje hlas, například věk, přízvuk a tón. Do textu lze vložit emoční tagy jako laugh nebo whisper. Zvolte vzorkovací frekvenci 48 kHz nebo 24 kHz a výstup wav nebo mp3; `max_tokens` omezuje délku zvuku.

Parametry

NázevTyp VýchozíPovolené Popis
textpovinné
Typstring
≤ 5 000 znaků
Text syntézy řeči umožňující emoční značky ve tvaru <emotion_name> na libovolné pozici, například 'Hello world! <excited> This is amazing!' nebo 'I can't believe this <sigh> happened again.'. Podporované emoce jsou curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder a laugh.
promptpovinné
Typstring
≤ 500 znaků
Vlastnosti hlasu nebo postavy k popsání, například intenzita, tón, tempo, zabarvení, výška, přízvuk a věk.
temperaturevolitelné
Typnumber
Výchozí0.4
0 – 2
Teplota vzorkování řídící variabilitu zvuku: její zvýšení přináší větší rozmanitost, zatímco nižší rozsah 0.2–0.5 podporuje stabilitu a konzistenci.
top_pvolitelné
Typnumber
Výchozí0.9
0 – 1
Nastavení nucleus sampling upravující rozmanitost výběru tokenů.
max_tokensvolitelné
Typinteger
Výchozí2000
28 – 4 000
Rozpočet tokenů SNAC omezující délku zvuku, vypočítaný jako 7 tokenů na každý snímek.
repetition_penaltyvolitelné
Typnumber
Výchozí1.1
1 – 2
Penalizace opakování tokenů. Jejím zvýšením se potlačí artefakty opakování.
sample_ratevolitelné
Typenum
Výchozí48 kHz
48 kHz24 kHz
Volba vzorkovací frekvence zvuku mezi rychlejším zpracováním při 24 kHz a kvalitnějším výstupem při 48 kHz.
output_formatvolitelné
Typenum
Výchozíwav
wavmp3
Formát zvukového souboru použitý pro syntetizovanou řeč.
enable_safety_checkervolitelné
Typboolean
Výchozítrue
Kontrolu lze uvolnit nastavením na false, pokud je volající autorizován.
povinné

Výstup

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "maya",
  "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": 49,
    "usd": "0.049",
    "charged": 49,
    "refunded": 0
  },
  "input": {
    "text": "Hello from Doitong. This is a short test sentence.",
    "prompt": "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
    },
    "duration": 5,
    "sample_rate": "48 kHz",
    "generation_time": 2.3,
    "rtf": 0.51
  },
  "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"
  }
}
Vaše soubory, vaše volbaKaždý outputs[].url je kopie v našem úložišti: uchovávaná navždy (zpoplatněná za GB-měsíc) nebo 7 dne zdarma podle nastavení účtu nebo ?storage=.
Stejná struktura u každého modelutype, url, content_type, width, height a duration pro obrázky, video i zvuk. output je vlastní objekt výsledku modelu.
Pole výstupu
audio
object {url, content_type, file_name, file_size}Vygenerovaný soubor řeči ve formátu WAV nebo MP3 s monofonním zvukem při 24 kHz nebo 48 kHz podle upsampleru.
duration
numberDélka zvukového výstupu měřená v sekundách.
sample_rate
stringVzorkovací frekvence zvukového výstupu.
generation_time
numberDoba generování zvuku měřená v sekundách.
rtf
numberFaktor v reálném čase vypočtený jako generation_time dělený audio_duration; nižší hodnoty znamenají lepší výkon.

Další modely: Text na řeč

Pro AI agenty: tato stránka je ve formátu Markdown na adrese https://doitong.com/cs/developers/models/maya.md. Všechny modely a návody: https://doitong.com/developers/llms.txt