Přejít na obsah

Tada TTS 1B

Integrace

ID modelu tada/1b/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/tada/1b/text-to-speech?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "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: 0,003 $ 3 kredity API Spustit na této stránce

Získat API klíč
Open model Text na řeč

Převod textu na řeč s klonováním hlasu z referenční zvukové ukázky, varianta 1B s deseti jazyky

Open model · 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

Obsah řeči zadaný jako text; referenční mluvčí poskytuje hlas použitý k jeho vykreslení.

•povinné audio_url
Přetáhněte soubor nebo

Zdroj klonování hlasu zadaný jako URL adresa zvukového souboru, která identifikuje mluvčího, jehož hlasové vlastnosti má model reprodukovat.

Pokročilé output_format · transcript · language · num_extra_steps · temperature · top_p · repetition_penalty · acoustic_cfg_scale · noise_temperature · num_inference_steps · speed_up_factor · enable_safety_checker
output_format výchozí wav

Formát souboru generovaného zvuku.

výchozí

Přepis referenčního zvuku, který je nutné zadat u nahrávek v jiných jazycích než angličtině; automatický přepis je integrován pouze pro angličtinu.

výchozí en

Kód jazyka pro zarovnání textu, který musí odpovídat jazyku syntézy při generování řeči v jiném jazyce než angličtině.

výchozí 0

Počet dalších autoregresivních kroků pro přidání doznívající prozodie nebo ticha pokračováním řeči za zadaný text.

výchozí 0.6

Teplota vzorkování textových tokenů: zvýšení přidává rozmanitost výstupu a hodnota 0 nebo nižší není povolena.

výchozí 0.9

Nastavení vzorkování Top-p (nucleus) použité ke generování textu.

výchozí 1.1

Penalizace opakování tokenů při generování výstupu.

výchozí 1.6

Síla classifier-free guidance použitá ke generování akustických vlastností.

výchozí 0.9

Teplota šumu použitá během difuze flow matching.

výchozí 20

Počet kroků řešiče ODE použitý ke generování akustiky pomocí flow matching.

výchozí 1

Násobitel rychlosti řeči: při hodnotě pod 1.0 je generovaná řeč pomalejší a nad 1.0 rychlejší.

POST /run/tada/1b/text-to-speech?wait=20 cena → 0,003 $
# 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/tada/1b/text-to-speech?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "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 Tada TTS 1B

Přečte text z `prompt` hlasem referenční ukázky zadané v `audio_url`. Pro neanglický zvuk je potřeba `transcript` referenční ukázky. `language` podporuje en, ar, ch, de, es, fr, it, ja, pl a pt. Nastavení zahrnuje `speed_up_factor` (0.5 až 2), `temperature`, `top_p` a `num_inference_steps`; výstupem je wav nebo mp3.

Parametry

Odešlete buď kanonický název, nebo nativní název, ne oba. Kanonické názvy

NázevTyp VýchozíPovolené Popis
audio_urlpovinné audio
Typurl · audio
Zdroj klonování hlasu zadaný jako URL adresa zvukového souboru, která identifikuje mluvčího, jehož hlasové vlastnosti má model reprodukovat.
transcriptvolitelné
Typstring
Výchozí
Přepis referenčního zvuku, který je nutné zadat u nahrávek v jiných jazycích než angličtině; automatický přepis je integrován pouze pro angličtinu.
promptpovinné
Typstring
Obsah řeči zadaný jako text; referenční mluvčí poskytuje hlas použitý k jeho vykreslení.
languagevolitelné
Typenum
Výchozíen
enarchdeesfritjaplpt
Kód jazyka pro zarovnání textu, který musí odpovídat jazyku syntézy při generování řeči v jiném jazyce než angličtině.
num_extra_stepsvolitelné
Typinteger
Výchozí0
0 – 50
Počet dalších autoregresivních kroků pro přidání doznívající prozodie nebo ticha pokračováním řeči za zadaný text.
temperaturevolitelné
Typnumber
Výchozí0.6
≤ 2> 0
Teplota vzorkování textových tokenů: zvýšení přidává rozmanitost výstupu a hodnota 0 nebo nižší není povolena.
top_pvolitelné
Typnumber
Výchozí0.9
0 – 1
Nastavení vzorkování Top-p (nucleus) použité ke generování textu.
repetition_penaltyvolitelné
Typnumber
Výchozí1.1
1 – 2
Penalizace opakování tokenů při generování výstupu.
acoustic_cfg_scalevolitelné
Typnumber
Výchozí1.6
0 – 10
Síla classifier-free guidance použitá ke generování akustických vlastností.
noise_temperaturevolitelné
Typnumber
Výchozí0.9
0 – 2
Teplota šumu použitá během difuze flow matching.
num_inference_stepsvolitelné
Typinteger
Výchozí20
1 – 50
Počet kroků řešiče ODE použitý ke generování akustiky pomocí flow matching.
speed_up_factorvolitelné
Typnumber
Výchozí1
0,5 – 2
Násobitel rychlosti řeči: při hodnotě pod 1.0 je generovaná řeč pomalejší a nad 1.0 rychlejší.
output_formatvolitelné
Typenum
Výchozíwav
wavmp3
Formát souboru generovaného zvuku.
enable_safety_checkervolitelné
Typboolean
Výchozítrue
Kontrolu lze uvolnit nastavením na false, pokud je volající autorizován.
povinné Kanonický název, také podporován

Parametry souborů přijímají veřejnou adresu https:// URL, data: URI do 10 MB nebo file_url nahraného souboru. Soubory

Výstup

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "tada/1b/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": 3,
    "usd": "0.003",
    "charged": 3,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "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,
      "channels": 1,
      "sample_rate": 1,
      "bitrate": "string"
    }
  },
  "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, duration, channels, sample_rate, bitrate}Zvukový soubor obsahující syntetizovanou řeč.

Další modely: Text na řeč

Pro AI agenty: tato stránka je ve formátu Markdown na adrese https://doitong.com/cs/developers/models/tada/1b/text-to-speech.md. Všechny modely a návody: https://doitong.com/developers/llms.txt