Neidio i'r cynnwys

Zonos2 Text to Speech

Integreiddio

ID y model 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"

Hyd at $0.02 fesul rhediad codir tâl yn ôl y defnydd gwirioneddol, a chaiff y gweddill ei ad-dalu Ei redeg ar y dudalen hon

Cael allwedd API
Zyphra Testun i Leferydd Mewnbynnau cyfeirio #text-to-speech#tts#voice-cloning

TTS clonio llais amlieithog gyda rheolyddion samplu a dewis rhwng cyfatebiaeth agos neu gyflwyniad mynegiannol

Zyphra · 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
Gollyngwch ffeil, neu

Sain sy'n darparu'r llais ffynhonnell ar gyfer clonio.

Uwch language · temperature · top_p · min_p · top_k · max_tokens · seed · accurate_mode · clean_speaker_background · enable_safety_checker
rhagosodedig en_us

Dewis iaith ar gyfer normaleiddio testun, sy'n cael ei hepgor oni bai bod y cod yn un o: en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko.

rhagosodedig 1.15

Tymheredd a ddefnyddir ar gyfer samplu.

rhagosodedig 0

Tebygolrwydd ar gyfer samplu niwclews; gosodwch ef i 0 i'w analluogi.

rhagosodedig 0.18

Trothwy tebygolrwydd ar gyfer samplu â thebygolrwydd lleiaf.

rhagosodedig 106

Terfyn ar gyfer samplu top-k; gosodwch ef i 0 i'w analluogi.

Terfyn cynhyrchu fframiau sain, gan ddefnyddio terfyn cyd-destun y model oni bai bod uchafswm wedi'i ddarparu.

Hadau sy'n galluogi canlyniadau atgynhyrchadwy; cânt eu dewis ar hap os cânt eu hepgor.

POST /run/zonos2?wait=20 dyfynbris → $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"

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 Zonos2 Text to Speech

Yn clonio llais o `reference_audio_url` ac yn llefaru testun, gan ddychwelyd sain WAV ar 44.1kHz mono ynghyd â’r had a ddefnyddiwyd. Mae `language` yn gosod normaleiddio testun ar gyfer en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn a ko. Mae `accurate_mode` yn cyfnewid agosatrwydd y llais am fynegiant, a gellir mireinio’r samplu drwy `temperature`, `top_p`, `min_p`, `top_k` a `max_tokens` (hyd at 6144).

Paramedrau

EnwMath RhagosodedigCaniateir Disgrifiad
reference_audio_urlgofynnol
Mathurl · audio
Sain sy'n darparu'r llais ffynhonnell ar gyfer clonio.
languagedewisol
Mathstring
Rhagosodedigen_us
Dewis iaith ar gyfer normaleiddio testun, sy'n cael ei hepgor oni bai bod y cod yn un o: en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko.
seeddewisol
Mathinteger | null
0 – 2,147,483,647
Hadau sy'n galluogi canlyniadau atgynhyrchadwy; cânt eu dewis ar hap os cânt eu hepgor.
accurate_modedewisol
Mathboolean
Rhagosodedigtrue
Cyfatebiaeth llais yn erbyn mynegiant: mae True yn ffafrio cyfatebiaeth agosach, tra bod False yn ffafrio lleferydd mwy mynegiannol.
clean_speaker_backgrounddewisol
Mathboolean
Rhagosodedigfalse
Yn nodi bod gan y sain gyfeirio gefndir glân.
temperaturedewisol
Mathnumber
Rhagosodedig1.15
0 – 2
Tymheredd a ddefnyddir ar gyfer samplu.
top_pdewisol
Mathnumber
Rhagosodedig0
0 – 1
Tebygolrwydd ar gyfer samplu niwclews; gosodwch ef i 0 i'w analluogi.
min_pdewisol
Mathnumber
Rhagosodedig0.18
0 – 1
Trothwy tebygolrwydd ar gyfer samplu â thebygolrwydd lleiaf.
top_kdewisol
Mathinteger
Rhagosodedig106
0 – 2,048
Terfyn ar gyfer samplu top-k; gosodwch ef i 0 i'w analluogi.
max_tokensdewisol
Mathinteger | null
1 – 6,144
Terfyn cynhyrchu fframiau sain, gan ddefnyddio terfyn cyd-destun y model oni bai bod uchafswm wedi'i ddarparu.
enable_safety_checkerdewisol
Mathboolean
Rhagosodedigtrue
Gellir llacio'r sgrinio drwy osod false, ar yr amod bod y galwr wedi'i awdurdodi.
gofynnol

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": "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"
  }
}
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}Sain allbwn mewn fformat WAV, gyda chyfradd samplu o 44.1kHz a sianel mono.
seed
integerGwerth hedyn a gymhwysir wrth gynhyrchu.

Ar gyfer asiantau AI: mae'r dudalen hon fel Markdown ar gael yn https://doitong.com/cy/developers/models/zonos2.md. Pob model a chanllaw: https://doitong.com/developers/llms.txt