Neidio i'r cynnwys

Tada

Integreiddio

ID y model tada/3b/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/3b/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"

Y cais hwn: $0.004 4 o gredydau API Ei redeg ar y dudalen hon

Cael allwedd API
Open model Testun i Leferydd

Testun-i-leferydd clonio llais sy'n llefaru eich testun yn llais clip cyfeirio, gyda 10 cod iaith

Open model · Sain

Mae eich canlyniad cyntaf yn mynd yma

Adeiladwch gais isod a'i redeg gyda'ch allwedd API. Mae allbynnau'n cael eu copïo i'n storio, wedi'u cadw am byth neu am 7 diwrnod am ddim.

Adeiladu cais

Cynhyrchir rheolyddion o sgema'r model. Mae'r cod a'r pris yn diweddaru wrth i chi eu newid.

•gofynnol

Cynnwys lleferydd a ddarperir fel testun; mae'r siaradwr cyfeirio'n darparu'r llais a ddefnyddir i'w rendro.

•gofynnol audio_url
Gollyngwch ffeil, neu

Ffynhonnell clonio llais a ddarperir fel URL ffeil sain, gan adnabod y siaradwr y dylai'r model atgynhyrchu ei nodweddion lleisiol.

Uwch 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 rhagosodedig wav

Fformat ffeil ar gyfer y sain a gynhyrchir.

rhagosodedig

Trawsgrifiad sain gyfeirio y mae'n rhaid ei ddarparu ar gyfer recordiadau mewn ieithoedd heblaw Saesneg; dim ond ar gyfer Saesneg y mae trawsgrifio awtomatig wedi'i gynnwys.

rhagosodedig en

Cod iaith aliniad testun, y mae'n rhaid iddo gyfateb i'r iaith synthesis wrth gynhyrchu lleferydd mewn iaith heblaw Saesneg.

rhagosodedig 0

Cyfrif camau awtoregresyddol ychwanegol ar gyfer ychwanegu prosodi neu dawelwch ar y diwedd drwy barhau â'r lleferydd y tu hwnt i'r testun a ddarparwyd.

rhagosodedig 0.6

Tymheredd samplu tocynnau testun: mae ei gynyddu'n ychwanegu amrywiaeth i'r allbwn, ac ni chaniateir 0 nac is.

rhagosodedig 0.9

Gosodiad samplu Top-p (niwclews) a ddefnyddir i gynhyrchu testun.

rhagosodedig 1.1

Cosb am ailadrodd tocynnau wrth gynhyrchu allbwn.

rhagosodedig 1.6

Cryfder canllawiau di-ddosbarth a ddefnyddir i gynhyrchu nodweddion acwstig.

rhagosodedig 0.9

Tymheredd sŵn a ddefnyddir yn ystod trylediad paru llif.

rhagosodedig 20

Cyfrif camau datrysydd ODE a ddefnyddir i gynhyrchu acwsteg drwy baru llif.

rhagosodedig 1

Lluosydd cyflymder lleferydd: mae'r lleferydd a gynhyrchir yn arafach o dan 1.0 ac yn gyflymach uwchlaw 1.0.

POST /run/tada/3b/text-to-speech?wait=20 dyfynbris → $0.004
# 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/3b/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"

Rhedeg y cais hwn

Mae'ch allwedd yn aros yn y porwr hwn: caiff ei hanfon at Doitong API yn unig a'i chadw (localStorage) dim ond os ticiwch Cofio. Cael allwedd API

Ynglŷn â Tada

Yn clonio siaradwr o glip cyfeirio (`audio_url`) ac yn darllen testun `prompt` yn y llais hwnnw. Mae'r opsiwn `language` yn derbyn en, ar, ch, de, es, fr, it, ja, pl a pt. Ar gyfer cyfeiriadau nad ydynt yn Saesneg, darparwch `transcript`, gan mai Saesneg yn unig mae'r adnabyddiaeth fewnol yn ei chefnogi. Gellir graddio'r cyflymder o 0.5 i 2, a wav neu mp3 yw'r allbwn.

Paramedrau

Anfonwch naill ai'r enw canonaidd neu'r enw brodorol, nid y ddau. Enwau canonaidd

EnwMath RhagosodedigCaniateir Disgrifiad
audio_urlgofynnol audio
Mathurl · audio
Ffynhonnell clonio llais a ddarperir fel URL ffeil sain, gan adnabod y siaradwr y dylai'r model atgynhyrchu ei nodweddion lleisiol.
transcriptdewisol
Mathstring
Rhagosodedig
Trawsgrifiad sain gyfeirio y mae'n rhaid ei ddarparu ar gyfer recordiadau mewn ieithoedd heblaw Saesneg; dim ond ar gyfer Saesneg y mae trawsgrifio awtomatig wedi'i gynnwys.
promptgofynnol
Mathstring
Cynnwys lleferydd a ddarperir fel testun; mae'r siaradwr cyfeirio'n darparu'r llais a ddefnyddir i'w rendro.
languagedewisol
Mathenum
Rhagosodedigen
enarchdeesfritjaplpt
Cod iaith aliniad testun, y mae'n rhaid iddo gyfateb i'r iaith synthesis wrth gynhyrchu lleferydd mewn iaith heblaw Saesneg.
num_extra_stepsdewisol
Mathinteger
Rhagosodedig0
0 – 50
Cyfrif camau awtoregresyddol ychwanegol ar gyfer ychwanegu prosodi neu dawelwch ar y diwedd drwy barhau â'r lleferydd y tu hwnt i'r testun a ddarparwyd.
temperaturedewisol
Mathnumber
Rhagosodedig0.6
≤ 2> 0
Tymheredd samplu tocynnau testun: mae ei gynyddu'n ychwanegu amrywiaeth i'r allbwn, ac ni chaniateir 0 nac is.
top_pdewisol
Mathnumber
Rhagosodedig0.9
0 – 1
Gosodiad samplu Top-p (niwclews) a ddefnyddir i gynhyrchu testun.
repetition_penaltydewisol
Mathnumber
Rhagosodedig1.1
1 – 2
Cosb am ailadrodd tocynnau wrth gynhyrchu allbwn.
acoustic_cfg_scaledewisol
Mathnumber
Rhagosodedig1.6
0 – 10
Cryfder canllawiau di-ddosbarth a ddefnyddir i gynhyrchu nodweddion acwstig.
noise_temperaturedewisol
Mathnumber
Rhagosodedig0.9
0 – 2
Tymheredd sŵn a ddefnyddir yn ystod trylediad paru llif.
num_inference_stepsdewisol
Mathinteger
Rhagosodedig20
1 – 50
Cyfrif camau datrysydd ODE a ddefnyddir i gynhyrchu acwsteg drwy baru llif.
speed_up_factordewisol
Mathnumber
Rhagosodedig1
0.5 – 2
Lluosydd cyflymder lleferydd: mae'r lleferydd a gynhyrchir yn arafach o dan 1.0 ac yn gyflymach uwchlaw 1.0.
output_formatdewisol
Mathenum
Rhagosodedigwav
wavmp3
Fformat ffeil ar gyfer y sain a gynhyrchir.
enable_safety_checkerdewisol
Mathboolean
Rhagosodedigtrue
Gellir llacio'r sgrinio drwy osod false, ar yr amod bod y galwr wedi'i awdurdodi.
gofynnol Enw canonaidd, derbyniol hefyd

Mae paramedrau ffeil yn derbyn URL cyhoeddus https://, URI data: hyd at 10 MB, neu file_url uwchlwythiad. Ffeiliau

Allbwn

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "tada/3b/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": 4,
    "usd": "0.004",
    "charged": 4,
    "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"
  }
}
Eich ffeiliau, eich dewisMae pob outputs[].url yn gopi ar ein storio: wedi'i gadw am byth (telir fesul GB-mis) neu am 7 diwrnod am ddim, yn ôl gosodiad eich cyfrif neu ?storage=.
Yr un siâp ar bob modeltype, url, content_type, width, height a duration, ar gyfer delweddau, fideo a sain fel ei gilydd. Gwrthrych canlyniad y model ei hun yw output.
Meysydd yr allbwn
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Ffeil sain sy'n cynnwys y lleferydd a syntheseiddiwyd.

Mwy o fodelau: Testun i Leferydd

Ar gyfer asiantau AI: mae'r dudalen hon fel Markdown ar gael yn https://doitong.com/cy/developers/models/tada/3b/text-to-speech.md. Pob model a chanllaw: https://doitong.com/developers/llms.txt