Gå til indhold

Tada

Integrer

Model-id 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"

Denne anmodning: 0,004 $ 4 API-kreditter Kør den på denne side

Hent API-nøgle
Open model Tekst til tale

Tekst-til-tale med stemmekloning, der læser din tekst op med stemmen fra et referenceklip, med 10 sprogkoder

Open model · 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

Taleindhold leveret som tekst; referencetaleren leverer stemmen, der bruges til at gengive det.

•påkrævet audio_url
Slip en fil, eller

Kilde til stemmekloning leveret som en URL til en lydfil, der identificerer taleren, hvis vokale egenskaber modellen skal gengive.

Avanceret 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 standard wav

Filformat for den genererede lyd.

standard

Transskription af referencelyden, som skal leveres for optagelser på andre sprog end engelsk; automatisk transskription er kun indbygget for engelsk.

standard en

Sprogkode til tekstjustering, som skal svare til syntesesproget ved generering af tale på et andet sprog end engelsk.

standard 0

Ekstra autoregressivt antal trin til tilføjelse af efterfølgende prosodi eller stilhed ved at fortsætte talen efter den leverede tekst.

standard 0.6

Samplingtemperatur for teksttokens: en højere værdi øger outputvariationen, og 0 eller lavere er ikke tilladt.

standard 0.9

Top-p-samplingindstilling (nucleus), der bruges til at generere tekst.

standard 1.1

Straf for gentagelse af tokens under generering af output.

standard 1.6

Classifier-free guidance-styrke, der bruges til at generere akustiske egenskaber.

standard 0.9

Støjtemperatur, der bruges under flow-matching-diffusion.

standard 20

Antal ODE-solvertrin, der bruges til at generere akustik via flow matching.

standard 1

Multiplikator for talehastighed: genereret tale bliver langsommere under 1.0 og hurtigere over 1.0.

POST /run/tada/3b/text-to-speech?wait=20 pris → 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"

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 Tada

Kloner en taler fra et referenceklip (`audio_url`) og læser teksten i `prompt` op med den stemme. Indstillingen `language` accepterer en, ar, ch, de, es, fr, it, ja, pl og pt. For referencer på andre sprog end engelsk skal du angive en `transcript`, fordi den indbyggede genkendelse kun understøtter engelsk. Hastigheden kan skaleres fra 0.5 til 2, og output er wav eller mp3.

Parametre

Send enten det kanoniske navn eller det oprindelige navn, ikke begge. Kanoniske navne

NavnType StandardTilladt Beskrivelse
audio_urlpåkrævet audio
Typeurl · audio
Kilde til stemmekloning leveret som en URL til en lydfil, der identificerer taleren, hvis vokale egenskaber modellen skal gengive.
transcriptvalgfri
Typestring
Standard
Transskription af referencelyden, som skal leveres for optagelser på andre sprog end engelsk; automatisk transskription er kun indbygget for engelsk.
promptpåkrævet
Typestring
Taleindhold leveret som tekst; referencetaleren leverer stemmen, der bruges til at gengive det.
languagevalgfri
Typeenum
Standarden
enarchdeesfritjaplpt
Sprogkode til tekstjustering, som skal svare til syntesesproget ved generering af tale på et andet sprog end engelsk.
num_extra_stepsvalgfri
Typeinteger
Standard0
0 – 50
Ekstra autoregressivt antal trin til tilføjelse af efterfølgende prosodi eller stilhed ved at fortsætte talen efter den leverede tekst.
temperaturevalgfri
Typenumber
Standard0.6
≤ 2> 0
Samplingtemperatur for teksttokens: en højere værdi øger outputvariationen, og 0 eller lavere er ikke tilladt.
top_pvalgfri
Typenumber
Standard0.9
0 – 1
Top-p-samplingindstilling (nucleus), der bruges til at generere tekst.
repetition_penaltyvalgfri
Typenumber
Standard1.1
1 – 2
Straf for gentagelse af tokens under generering af output.
acoustic_cfg_scalevalgfri
Typenumber
Standard1.6
0 – 10
Classifier-free guidance-styrke, der bruges til at generere akustiske egenskaber.
noise_temperaturevalgfri
Typenumber
Standard0.9
0 – 2
Støjtemperatur, der bruges under flow-matching-diffusion.
num_inference_stepsvalgfri
Typeinteger
Standard20
1 – 50
Antal ODE-solvertrin, der bruges til at generere akustik via flow matching.
speed_up_factorvalgfri
Typenumber
Standard1
0,5 – 2
Multiplikator for talehastighed: genereret tale bliver langsommere under 1.0 og hurtigere over 1.0.
output_formatvalgfri
Typeenum
Standardwav
wavmp3
Filformat for den genererede lyd.
enable_safety_checkervalgfri
Typeboolean
Standardtrue
Screening kan lempes ved at angive false, hvis den kaldende part er autoriseret.
påkrævet Kanonisk navn, også accepteret

Filparametre accepterer en offentlig https://-URL, en data:-URI på op til 10 MB eller file_url fra en upload. Filer

Output

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"
  }
}
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, duration, channels, sample_rate, bitrate}Lydfil med den syntetiserede tale.

Flere modeller: Tekst til tale

Til AI-agenter: Denne side som Markdown findes på https://doitong.com/da/developers/models/tada/3b/text-to-speech.md. Alle modeller og vejledninger: https://doitong.com/developers/llms.txt