Gå til indhold

Maya · Stream

Integrer

Model-id maya/stream
# 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/stream?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"

Denne anmodning: ≈0,049 $ 49 API-kreditter Kør den på denne side

Hent API-nøgle
Maya Research Tekst til tale #text-to-speech#tts

Streamingvariant af Mayas tekst-til-tale til en enkelt tekst med en stemmebeskrivelse

Maya Research · Lyd

Dit første resultat kommer her

Opret en anmodning nedenfor, og kør den med din API-nøgle. Output kopieres til vores lagring, gemt for altid eller 7 dage gratis.

Opret en anmodning

Kontrollerne genereres fra modellens skema. Koden og prisen opdateres, når du ændrer dem.

•påkrævet 50 / 5000

Tekst til talesyntese, der tillader emotion-tags i formen <emotion_name> på enhver position, som i 'Hello world! <excited> This is amazing!' eller 'I can't believe this <sigh> happened again.'. Understøttede emotioner er curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder og laugh.

•påkrævet 50 / 500

Stemme- eller karakteregenskaber, der skal beskrives, såsom intensitet, tone, tempo, klang, tonehøjde, accent og alder.

Avanceret sample_rate · output_format · temperature · top_p · max_tokens · repetition_penalty · enable_safety_checker
sample_rate standard 48 kHz

Samplingsfrekvens for lyd med valg mellem hurtigere behandling ved 24 kHz og output i højere kvalitet ved 48 kHz.

output_format standard wav

Lydfilformat, der bruges til syntetiseret tale.

standard 0.4

Samplingtemperatur, der styrer variationen i lyd: en højere værdi giver større variation, mens det lavere interval 0.2–0.5 favoriserer stabilitet og ensartethed.

standard 0.9

Indstilling for nucleus sampling, der justerer diversiteten ved token-udvælgelse.

standard 2000

SNAC-tokenbudget, der begrænser lydens varighed, beregnet som 7 tokens pr. frame.

standard 1.1

Straf, der anvendes ved gentagelse af tokens. En højere værdi undertrykker gentagelsesartefakter.

POST /run/maya/stream?wait=20 pris → 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/stream?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"

Kør denne anmodning

Din nøgle forbliver i denne browser: Den sendes kun til Doitong API og gemmes kun i localStorage, hvis du markerer Husk. Hent en API-nøgle

Om Maya · Stream

Omdanner én tekst på op til 5000 tegn til tale med en påkrævet stemmebeskrivelse i `prompt` på op til 500 tegn og indlejrede følelsestags. Indstillinger omfatter `temperature`, `top_p`, `repetition_penalty`, samplerate på 48 eller 24 kHz samt wav- eller mp3-output. Returnerer lyd med varighed og realtidsfaktor.

Parametre

NavnType StandardTilladt Beskrivelse
textpåkrævet
Typestring
≤ 5.000 tegn
Tekst til talesyntese, der tillader emotion-tags i formen <emotion_name> på enhver position, som i 'Hello world! <excited> This is amazing!' eller 'I can't believe this <sigh> happened again.'. Understøttede emotioner er curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder og laugh.
promptpåkrævet
Typestring
≤ 500 tegn
Stemme- eller karakteregenskaber, der skal beskrives, såsom intensitet, tone, tempo, klang, tonehøjde, accent og alder.
temperaturevalgfri
Typenumber
Standard0.4
0 – 2
Samplingtemperatur, der styrer variationen i lyd: en højere værdi giver større variation, mens det lavere interval 0.2–0.5 favoriserer stabilitet og ensartethed.
top_pvalgfri
Typenumber
Standard0.9
0 – 1
Indstilling for nucleus sampling, der justerer diversiteten ved token-udvælgelse.
max_tokensvalgfri
Typeinteger
Standard2000
28 – 4.000
SNAC-tokenbudget, der begrænser lydens varighed, beregnet som 7 tokens pr. frame.
repetition_penaltyvalgfri
Typenumber
Standard1.1
1 – 2
Straf, der anvendes ved gentagelse af tokens. En højere værdi undertrykker gentagelsesartefakter.
sample_ratevalgfri
Typeenum
Standard48 kHz
48 kHz24 kHz
Samplingsfrekvens for lyd med valg mellem hurtigere behandling ved 24 kHz og output i højere kvalitet ved 48 kHz.
output_formatvalgfri
Typeenum
Standardwav
wavmp3
Lydfilformat, der bruges til syntetiseret tale.
enable_safety_checkervalgfri
Typeboolean
Standardtrue
Screening kan lempes ved at angive false, hvis den kaldende part er autoriseret.
påkrævet

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "maya/stream",
  "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"
  }
}
Dine filer, dit valgHver outputs[].url er en kopi på vores lagring: gemt for altid (betales pr. GB-måned) eller 7 dage gratis, afhængigt af din kontoindstilling eller ?storage=.
Samme struktur for alle modellertype, url, content_type, width, height og duration for billeder, video og lyd. output er modellens eget resultatobjekt.
Outputfelter
audio
object {url, content_type, file_name, file_size}Genereret talefil i WAV eller MP3 med monolyd ved 24 kHz eller 48 kHz som bestemt af upsampleren.
duration
numberLydoutputtets længde målt i sekund.
sample_rate
stringLydoutputtets samplingsfrekvens.
generation_time
numberTid til generering af lyd målt i sekund.
rtf
numberReal-time-faktor beregnet som generation_time divideret med audio_duration; lavere værdier angiver bedre ydeevne.

Flere modeller: Tekst til tale

Til AI-agenter: Denne side som Markdown findes på https://doitong.com/da/developers/models/maya/stream.md. Alle modeller og vejledninger: https://doitong.com/developers/llms.txt