Gå til indhold

Zonos2 Text to Speech

Integrer

Model-id 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"

Op til 0,02 $ pr. kørsel du betaler efter det faktiske forbrug, resten tilbagebetales Kør den på denne side

Hent API-nøgle
Zyphra Tekst til tale Referenceinputs #text-to-speech#tts#voice-cloning

Flersproget stemmekloning-TTS med samplingkontroller og valg mellem tæt stemmematch eller udtryksfuld levering

Zyphra · 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
Slip en fil, eller

Lyd, der indeholder kildestemmen til kloning.

Avanceret language · temperature · top_p · min_p · top_k · max_tokens · seed · accurate_mode · clean_speaker_background · enable_safety_checker
standard en_us

Sprogvalg til tekstnormalisering, som springes over, medmindre koden er en af: en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko.

standard 1.15

Temperatur til sampling.

standard 0

Sandsynlighed for nucleus-sampling; angiv 0 for at deaktivere den.

standard 0.18

Sandsynlighedstærskel for sampling med minimumssandsynlighed.

standard 106

Grænse for top-k-sampling; angiv 0 for at deaktivere den.

Maksimum for generering af lydframes, der bruger modellens kontekstgrænse, medmindre der angives en maksimumværdi.

Seed, der muliggør reproducerbare resultater; vælges tilfældigt, hvis den udelades.

POST /run/zonos2?wait=20 pris → 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"

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 Zonos2 Text to Speech

Kloner en stemme fra `reference_audio_url` og læser tekst op, mens den returnerer WAV-lyd i 44.1kHz mono sammen med det anvendte seed. `language` angiver tekstnormalisering for en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn og ko. `accurate_mode` afvejer stemmelighed mod udtryksfuldhed, og sampling kan justeres via `temperature`, `top_p`, `min_p`, `top_k` og `max_tokens` (op til 6144).

Parametre

NavnType StandardTilladt Beskrivelse
reference_audio_urlpåkrævet
Typeurl · audio
Lyd, der indeholder kildestemmen til kloning.
languagevalgfri
Typestring
Standarden_us
Sprogvalg til tekstnormalisering, som springes over, medmindre koden er en af: en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko.
seedvalgfri
Typeinteger | null
0 – 2.147.483.647
Seed, der muliggør reproducerbare resultater; vælges tilfældigt, hvis den udelades.
accurate_modevalgfri
Typeboolean
Standardtrue
Stemmeoverensstemmelse kontra ekspressivitet: True prioriterer et tættere match, mens False prioriterer mere ekspressiv tale.
clean_speaker_backgroundvalgfri
Typeboolean
Standardfalse
Angiver, at referencelyden har en ren baggrund.
temperaturevalgfri
Typenumber
Standard1.15
0 – 2
Temperatur til sampling.
top_pvalgfri
Typenumber
Standard0
0 – 1
Sandsynlighed for nucleus-sampling; angiv 0 for at deaktivere den.
min_pvalgfri
Typenumber
Standard0.18
0 – 1
Sandsynlighedstærskel for sampling med minimumssandsynlighed.
top_kvalgfri
Typeinteger
Standard106
0 – 2.048
Grænse for top-k-sampling; angiv 0 for at deaktivere den.
max_tokensvalgfri
Typeinteger | null
1 – 6.144
Maksimum for generering af lydframes, der bruger modellens kontekstgrænse, medmindre der angives en maksimumværdi.
enable_safety_checkervalgfri
Typeboolean
Standardtrue
Screening kan lempes ved at angive false, hvis den kaldende part er autoriseret.
påkrævet

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": "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"
  }
}
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}Outputlyd i WAV-format med en samplingsfrekvens på 44.1kHz og monokanal.
seed
integerSeed-værdi anvendt under generering.

Til AI-agenter: Denne side som Markdown findes på https://doitong.com/da/developers/models/zonos2.md. Alle modeller og vejledninger: https://doitong.com/developers/llms.txt