Μετάβαση στο περιεχόμενο

Maya · Stream

Ενσωμάτωση

id μοντέλου 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"

Αυτό το αίτημα: ≈0,049 $ 49 πιστώσεις API Εκτέλεση σε αυτήν τη σελίδα

Λήψη κλειδιού API
Maya Research Κείμενο σε ομιλία #text-to-speech#tts

Παραλλαγή ροής του Maya text-to-speech για ένα μόνο κείμενο με περιγραφή φωνής

Maya Research · Ήχος

Το πρώτο σας αποτέλεσμα θα εμφανιστεί εδώ

Δημιουργήστε ένα αίτημα παρακάτω και εκτελέστε το με το κλειδί API σας. Οι έξοδοι αντιγράφονται στην αποθήκευσή μας και διατηρούνται για πάντα ή 7 ημέρες δωρεάν.

Δημιουργία αιτήματος

Τα στοιχεία ελέγχου δημιουργούνται από το σχήμα του μοντέλου. Ο κώδικας και η τιμή ενημερώνονται καθώς τα αλλάζετε.

•απαιτείται 50 / 5000

Κείμενο σύνθεσης ομιλίας που επιτρέπει tags συναισθήματος της μορφής <emotion_name> σε οποιαδήποτε θέση, όπως στο 'Hello world! <excited> This is amazing!' ή στο 'I can't believe this <sigh> happened again.'. Τα υποστηριζόμενα συναισθήματα είναι curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder και laugh.

•απαιτείται 50 / 500

Χαρακτηριστικά φωνής ή χαρακτήρα προς περιγραφή, όπως ένταση, τόνος, ρυθμός, χροιά, ύψος, προφορά και ηλικία.

Για προχωρημένους sample_rate · output_format · temperature · top_p · max_tokens · repetition_penalty · enable_safety_checker
sample_rate προεπιλογή 48 kHz

Επιλογή ρυθμού δειγματοληψίας ήχου μεταξύ ταχύτερης επεξεργασίας στα 24 kHz και εξόδου υψηλότερης ποιότητας στα 48 kHz.

output_format προεπιλογή wav

Μορφή αρχείου ήχου που χρησιμοποιείται για τη συνθετική ομιλία.

προεπιλογή 0.4

Θερμοκρασία δειγματοληψίας που ελέγχει την ποικιλία του ήχου: η αύξησή της προσθέτει περισσότερη ποικιλία, ενώ το χαμηλότερο εύρος 0.2–0.5 ευνοεί τη σταθερότητα και τη συνέπεια.

προεπιλογή 0.9

Ρύθμιση nucleus sampling που προσαρμόζει την ποικιλία επιλογής token.

προεπιλογή 2000

Προϋπολογισμός token SNAC που περιορίζει τη διάρκεια του ήχου, υπολογισμένος σε 7 token ανά καρέ.

προεπιλογή 1.1

Ποινή που εφαρμόζεται στην επανάληψη token. Η αύξησή της περιορίζει τα τεχνουργήματα επανάληψης.

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

Εκτέλεση αυτού του αιτήματος

Το κλειδί σας παραμένει σε αυτό το πρόγραμμα περιήγησης: αποστέλλεται μόνο στο Doitong API και αποθηκεύεται (localStorage) μόνο αν ενεργοποιήσετε την επιλογή «Να απομνημονεύεται». Λήψη κλειδιού API

Σχετικά με το Maya · Stream

Μετατρέπει ένα κείμενο έως 5000 χαρακτήρες σε ομιλία, με απαιτούμενο `prompt` περιγραφής φωνής έως 500 χαρακτήρες και ενσωματώσιμες ετικέτες συναισθήματος. Οι επιλογές περιλαμβάνουν `temperature`, `top_p`, `repetition_penalty`, ρυθμό 48 ή 24 kHz και έξοδο wav ή mp3. Επιστρέφει ήχο με τη διάρκειά του και τον παράγοντα πραγματικού χρόνου.

Παράμετροι

ΌνομαΤύπος ΠροεπιλογήΕπιτρεπόμενο Περιγραφή
textαπαιτείται
Τύποςstring
≤ 5.000 χαρακτήρες
Κείμενο σύνθεσης ομιλίας που επιτρέπει tags συναισθήματος της μορφής <emotion_name> σε οποιαδήποτε θέση, όπως στο 'Hello world! <excited> This is amazing!' ή στο 'I can't believe this <sigh> happened again.'. Τα υποστηριζόμενα συναισθήματα είναι curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder και laugh.
promptαπαιτείται
Τύποςstring
≤ 500 χαρακτήρες
Χαρακτηριστικά φωνής ή χαρακτήρα προς περιγραφή, όπως ένταση, τόνος, ρυθμός, χροιά, ύψος, προφορά και ηλικία.
temperatureπροαιρετικό
Τύποςnumber
Προεπιλογή0.4
0 – 2
Θερμοκρασία δειγματοληψίας που ελέγχει την ποικιλία του ήχου: η αύξησή της προσθέτει περισσότερη ποικιλία, ενώ το χαμηλότερο εύρος 0.2–0.5 ευνοεί τη σταθερότητα και τη συνέπεια.
top_pπροαιρετικό
Τύποςnumber
Προεπιλογή0.9
0 – 1
Ρύθμιση nucleus sampling που προσαρμόζει την ποικιλία επιλογής token.
max_tokensπροαιρετικό
Τύποςinteger
Προεπιλογή2000
28 – 4.000
Προϋπολογισμός token SNAC που περιορίζει τη διάρκεια του ήχου, υπολογισμένος σε 7 token ανά καρέ.
repetition_penaltyπροαιρετικό
Τύποςnumber
Προεπιλογή1.1
1 – 2
Ποινή που εφαρμόζεται στην επανάληψη token. Η αύξησή της περιορίζει τα τεχνουργήματα επανάληψης.
sample_rateπροαιρετικό
Τύποςenum
Προεπιλογή48 kHz
48 kHz24 kHz
Επιλογή ρυθμού δειγματοληψίας ήχου μεταξύ ταχύτερης επεξεργασίας στα 24 kHz και εξόδου υψηλότερης ποιότητας στα 48 kHz.
output_formatπροαιρετικό
Τύποςenum
Προεπιλογήwav
wavmp3
Μορφή αρχείου ήχου που χρησιμοποιείται για τη συνθετική ομιλία.
enable_safety_checkerπροαιρετικό
Τύποςboolean
Προεπιλογήtrue
Ο έλεγχος μπορεί να χαλαρώσει με τη ρύθμιση false, εφόσον ο καλών είναι εξουσιοδοτημένος.
απαιτείται

Έξοδος

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"
  }
}
Τα αρχεία σας, η επιλογή σαςΚάθε outputs[].url είναι ένα αντίγραφο στην αποθήκευσή μας: διατηρείται για πάντα (χρέωση ανά GB-μήνα) ή 7 ημέρες δωρεάν, σύμφωνα με τη ρύθμιση του λογαριασμού σας ή ?storage=.
Ίδια μορφή σε κάθε μοντέλοtype, url, content_type, width, height και duration, τόσο για εικόνες όσο και για βίντεο και ήχο. Το output είναι το αντικείμενο αποτελέσματος του ίδιου του μοντέλου.
Πεδία εξόδου
audio
object {url, content_type, file_name, file_size}Παραγόμενο αρχείο ομιλίας σε WAV ή MP3, με μονοφωνικό ήχο στα 24 kHz ή 48 kHz, όπως καθορίζεται από τον upsampler.
duration
numberΔιάρκεια της εξόδου ήχου, σε δευτερόλεπτα.
sample_rate
stringΡυθμός δειγματοληψίας της εξόδου ήχου.
generation_time
numberΧρόνος παραγωγής ήχου, σε δευτερόλεπτα.
rtf
numberΠαράγοντας πραγματικού χρόνου που υπολογίζεται ως generation_time διαιρεμένο με audio_duration· μικρότερες τιμές υποδεικνύουν καλύτερη απόδοση.

Περισσότερα μοντέλα: Κείμενο σε ομιλία

Για πράκτορες AI: αυτή η σελίδα σε Markdown βρίσκεται στη διεύθυνση https://doitong.com/el/developers/models/maya/stream.md. Όλα τα μοντέλα και οι οδηγοί: https://doitong.com/developers/llms.txt