Zum Inhalt springen

Chatterbox · Text to Speech · Multilingual

Integrieren

Modell-ID chatterbox/text-to-speech/multilingual
# 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/chatterbox/text-to-speech/multilingual?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "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"

Diese Anfrage: 0,002 $ 2 API-Credits Auf dieser Seite ausführen

API-Schlüssel abrufen
Resemble AI Text zu Sprache #text-to-speech#multilingual

Mehrsprachige Sprachsynthese für 23 Sprachen, begrenzt auf 300 Zeichen pro Anfrage

Resemble AI · Audio

Dein erstes Ergebnis erscheint hier

Erstelle unten eine Anfrage und führe sie mit deinem API-Schlüssel aus. Ausgaben werden in unseren Speicher kopiert und dauerhaft oder 7 Tage kostenlos aufbewahrt.

Anfrage erstellen

Die Steuerelemente werden aus dem Modellschema generiert. Code und Preis werden aktualisiert, während du sie änderst.

•erforderlich 50 / 300

Text für die Sprachsynthese, begrenzt auf 300 Zeichen und mit Unterstützung für 23 Sprachen. Zu den verfügbaren Sprachen gehören unter anderem Englisch und Französisch; Deutsch, Spanisch, Italienisch und Portugiesisch; Hindi und Arabisch; Chinesisch, Japanisch und Koreanisch.

Erweitert voice · custom_audio_language · exaggeration · temperature · cfg_scale · seed
Standard english

Sprachcode für die Synthese; für die benutzerdefinierte Verwendung sind sowohl eine Audio-URL als auch eine Auswahl für custom_audio_language erforderlich.

Spracheinstellung, die nur gilt, wenn die Stimme als benutzerdefinierte URL bereitgestellt wird; andernfalls wird sie ignoriert. Geben Sie die in diesem benutzerdefinierten Audio gesprochene Sprache an.

Standard 0.5

Sprachausdruck und emotionale Intensität relativ zur neutralen Einstellung 0.5. Ein höherer Wert erhöht die Ausdrucksstärke im Bereich von 0.25–2.0, wobei extreme Einstellungen Instabilität verursachen können.

Standard 0.8

Variieren Sie Sprachmuster, indem Sie die Zufälligkeit der Generierung zwischen 0.05 und 2.0 festlegen; höhere Werte erzeugen mehr Variation.

Standard 0.5

Gewicht der Generierungsführung für Konfiguration und Tempo. Bei der Sprachübertragung hilft 0.0, die Übernahme des Akzents zu begrenzen; der vollständige Bereich ist 0.0–1.0.

Generierungs-Seed mit zwei Verhaltensweisen: 0 wählt eine zufällige Generierung, während eine bestimmte Zahl reproduzierbare Ausgaben erzeugt.

POST /run/chatterbox/text-to-speech/multilingual?wait=20 Preis → 0,002 $
# 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/chatterbox/text-to-speech/multilingual?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "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"

Diese Anfrage ausführen

Dein Schlüssel bleibt in diesem Browser: Er wird nur an die Doitong API gesendet und nur gespeichert (localStorage), wenn du „Merken“ aktivierst. API-Schlüssel abrufen

Über Chatterbox · Text to Speech · Multilingual

Synthetisiert Sprache in vielen Sprachen, darunter Englisch, Französisch, Deutsch, Spanisch, Hindi, Arabisch, Chinesisch, Japanisch und Koreanisch. Der Text ist auf 300 Zeichen begrenzt. `voice` legt die Sprache fest, alternativ kann eine benutzerdefinierte Audio-URL zusammen mit `custom_audio_language` verwendet werden. `exaggeration` reicht von 0.25 bis 2, und `cfg_scale` kann für Sprachübertragung auf 0 gesetzt werden, um Akzentübertragung zu verringern.

Parameter

NameTyp StandardZulässig Beschreibung
texterforderlich
Typstring
≤ 300 Zeichen
Text für die Sprachsynthese, begrenzt auf 300 Zeichen und mit Unterstützung für 23 Sprachen. Zu den verfügbaren Sprachen gehören unter anderem Englisch und Französisch; Deutsch, Spanisch, Italienisch und Portugiesisch; Hindi und Arabisch; Chinesisch, Japanisch und Koreanisch.
voiceoptional
Typstring
Standardenglish
Sprachcode für die Synthese; für die benutzerdefinierte Verwendung sind sowohl eine Audio-URL als auch eine Auswahl für custom_audio_language erforderlich.
custom_audio_languageoptional
Typenum
englisharabicdanishgermangreekspanishfinnishfrenchhebrewhindiitalianjapanesekoreanmalaydutchnorwegian
+7 weiterepolishportugueserussianswedishswahiliturkishchinese
Spracheinstellung, die nur gilt, wenn die Stimme als benutzerdefinierte URL bereitgestellt wird; andernfalls wird sie ignoriert. Geben Sie die in diesem benutzerdefinierten Audio gesprochene Sprache an.
exaggerationoptional
Typnumber
Standard0.5
0,25 – 2
Sprachausdruck und emotionale Intensität relativ zur neutralen Einstellung 0.5. Ein höherer Wert erhöht die Ausdrucksstärke im Bereich von 0.25–2.0, wobei extreme Einstellungen Instabilität verursachen können.
temperatureoptional
Typnumber
Standard0.8
0,05 – 2
Variieren Sie Sprachmuster, indem Sie die Zufälligkeit der Generierung zwischen 0.05 und 2.0 festlegen; höhere Werte erzeugen mehr Variation.
cfg_scaleoptional
Typnumber
Standard0.5
0 – 1
Gewicht der Generierungsführung für Konfiguration und Tempo. Bei der Sprachübertragung hilft 0.0, die Übernahme des Akzents zu begrenzen; der vollständige Bereich ist 0.0–1.0.
seedoptional
Typinteger | null
Generierungs-Seed mit zwei Verhaltensweisen: 0 wählt eine zufällige Generierung, während eine bestimmte Zahl reproduzierbare Ausgaben erzeugt.
erforderlich

Ausgabe

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "chatterbox/text-to-speech/multilingual",
  "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": 2,
    "usd": "0.002",
    "charged": 2,
    "refunded": 0
  },
  "input": {
    "text": "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
    }
  },
  "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"
  }
}
Deine Dateien, deine EntscheidungJede outputs[].url ist eine Kopie in unserem Speicher: dauerhaft aufbewahrt (Abrechnung pro GB-Monat) oder 7 Tage kostenlos – je nach Kontoeinstellung oder ?storage=.
Gleiche Struktur bei jedem Modelltype, url, content_type, width, height und duration – für Bilder, Video und Audio gleichermaßen. output ist das Ergebnisobjekt des Modells.
Ausgabefelder
audio
object {url, content_type, file_name, file_size}Audio-Datei mit synthetisierter mehrsprachiger Sprache.

Für KI-Agenten: Diese Seite ist als Markdown verfügbar unter https://doitong.com/de/developers/models/chatterbox/text-to-speech/multilingual.md. Alle Modelle und Anleitungen: https://doitong.com/developers/llms.txt