Přejít na obsah

Zonos2 Text to Speech

Integrace

ID modelu 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"

Až 0,02 $ za spuštění účtuje se skutečné využití, zbytek se refunduje Spustit na této stránce

Získat API klíč
Zyphra Text na řeč Referenční vstupy #text-to-speech#tts#voice-cloning

Vícejazyčné TTS s klonováním hlasu, nastavením vzorkování a volbou mezi věrnou podobou a expresivním přednesem

Zyphra · 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
Přetáhněte soubor nebo

Zvuk poskytující zdrojový hlas pro klonování.

Pokročilé language · temperature · top_p · min_p · top_k · max_tokens · seed · accurate_mode · clean_speaker_background · enable_safety_checker
výchozí en_us

Výběr jazyka pro normalizaci textu, která se přeskočí, pokud kód není jedním z těchto: en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko.

výchozí 1.15

Teplota použitá při samplování.

výchozí 0

Pravděpodobnost pro nucleus sampling; nastavením na 0 tuto funkci zakážete.

výchozí 0.18

Práh pravděpodobnosti pro sampling s minimální pravděpodobností.

výchozí 106

Limit pro top-k sampling; nastavením na 0 tuto funkci zakážete.

Limit generování zvukových snímků, který používá kontextový limit modelu, pokud není zadáno maximum.

Seed umožňující opakovatelné výsledky; pokud není zadán, zvolí se náhodně.

POST /run/zonos2?wait=20 cena → 0,02 $
# 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"

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 Zonos2 Text to Speech

Klonuje hlas z `reference_audio_url` a předčítá text; vrací zvuk WAV v rozlišení 44.1kHz mono spolu s použitým seedem. `language` nastavuje normalizaci textu pro en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn a ko. `accurate_mode` volí mezi podobností hlasu a expresivitou a vzorkování lze upravit pomocí `temperature`, `top_p`, `min_p`, `top_k` a `max_tokens` (až 6144).

Parametry

NázevTyp VýchozíPovolené Popis
reference_audio_urlpovinné
Typurl · audio
Zvuk poskytující zdrojový hlas pro klonování.
languagevolitelné
Typstring
Výchozíen_us
Výběr jazyka pro normalizaci textu, která se přeskočí, pokud kód není jedním z těchto: en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko.
seedvolitelné
Typinteger | null
0 – 2 147 483 647
Seed umožňující opakovatelné výsledky; pokud není zadán, zvolí se náhodně.
accurate_modevolitelné
Typboolean
Výchozítrue
Shoda hlasu versus expresivita: True upřednostňuje přesnější shodu, zatímco False upřednostňuje expresivnější řeč.
clean_speaker_backgroundvolitelné
Typboolean
Výchozífalse
Určuje, že referenční zvuk má čisté pozadí.
temperaturevolitelné
Typnumber
Výchozí1.15
0 – 2
Teplota použitá při samplování.
top_pvolitelné
Typnumber
Výchozí0
0 – 1
Pravděpodobnost pro nucleus sampling; nastavením na 0 tuto funkci zakážete.
min_pvolitelné
Typnumber
Výchozí0.18
0 – 1
Práh pravděpodobnosti pro sampling s minimální pravděpodobností.
top_kvolitelné
Typinteger
Výchozí106
0 – 2 048
Limit pro top-k sampling; nastavením na 0 tuto funkci zakážete.
max_tokensvolitelné
Typinteger | null
1 – 6 144
Limit generování zvukových snímků, který používá kontextový limit modelu, pokud není zadáno maximum.
enable_safety_checkervolitelné
Typboolean
Výchozítrue
Kontrolu lze uvolnit nastavením na false, pokud je volající autorizován.
povinné

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": "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"
  }
}
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}Výstupní zvuk ve formátu WAV se vzorkovací frekvencí 44.1kHz a jedním kanálem.
seed
integerHodnota seedu použitá při generování.

Pro AI agenty: tato stránka je ve formátu Markdown na adrese https://doitong.com/cs/developers/models/zonos2.md. Všechny modely a návody: https://doitong.com/developers/llms.txt