Μετάβαση στο περιεχόμενο

Tada

Ενσωμάτωση

id μοντέλου 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"

Αυτό το αίτημα: 0,004 $ 4 πιστώσεις API Εκτέλεση σε αυτήν τη σελίδα

Λήψη κλειδιού API

Μετατροπή κειμένου σε ομιλία με κλωνοποίηση φωνής, που εκφωνεί το κείμενό σας με τη φωνή δείγματος αναφοράς, με 10 κωδικούς γλωσσών

Open model · 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

Περιεχόμενο ομιλίας που παρέχεται ως κείμενο· ο ομιλητής αναφοράς παρέχει τη φωνή που χρησιμοποιείται για την απόδοσή του.

•απαιτείται audio_url
Αποθέστε ένα αρχείο ή

Πηγή κλωνοποίησης φωνής που παρέχεται ως URL αρχείου ήχου και προσδιορίζει τον ομιλητή του οποίου τα φωνητικά χαρακτηριστικά πρέπει να αναπαράγει το μοντέλο.

Για προχωρημένους 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 προεπιλογή wav

Μορφή αρχείου για τον παραγόμενο ήχο.

προεπιλογή

Απομαγνητοφώνηση ήχου αναφοράς που πρέπει να παρέχεται για ηχογραφήσεις σε γλώσσες εκτός των Αγγλικών· η αυτόματη απομαγνητοφώνηση είναι ενσωματωμένη μόνο για τα Αγγλικά.

προεπιλογή en

Κωδικός γλώσσας ευθυγράμμισης κειμένου, ο οποίος πρέπει να αντιστοιχεί στη γλώσσα σύνθεσης κατά την παραγωγή ομιλίας σε γλώσσα εκτός των Αγγλικών.

προεπιλογή 0

Πρόσθετος αριθμός autoregressive βημάτων για προσθήκη τελικής προσωδίας ή σιωπής, συνεχίζοντας την ομιλία πέρα από το παρεχόμενο κείμενο.

προεπιλογή 0.6

Θερμοκρασία δειγματοληψίας token κειμένου: η αύξησή της προσθέτει ποικιλία στην έξοδο και το 0 ή μικρότερη τιμή δεν επιτρέπεται.

προεπιλογή 0.9

Ρύθμιση δειγματοληψίας Top-p (nucleus) που χρησιμοποιείται για την παραγωγή κειμένου.

προεπιλογή 1.1

Ποινή επανάληψης token κατά την παραγωγή εξόδου.

προεπιλογή 1.6

Ισχύς classifier-free guidance που χρησιμοποιείται για την παραγωγή ακουστικών χαρακτηριστικών.

προεπιλογή 0.9

Θερμοκρασία θορύβου που χρησιμοποιείται κατά τη διάχυση flow-matching.

προεπιλογή 20

Αριθμός βημάτων solver ODE που χρησιμοποιούνται για την παραγωγή ακουστικής μέσω flow matching.

προεπιλογή 1

Πολλαπλασιαστής ταχύτητας ομιλίας: η παραγόμενη ομιλία γίνεται πιο αργή κάτω από 1.0 και πιο γρήγορη πάνω από 1.0.

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

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 Tada

Κλωνοποιεί έναν ομιλητή από δείγμα αναφοράς (`audio_url`) και διαβάζει το κείμενο του `prompt` με αυτή τη φωνή. Η επιλογή `language` δέχεται en, ar, ch, de, es, fr, it, ja, pl και pt. Για δείγματα που δεν είναι στα Αγγλικά, παρέχετε `transcript`, επειδή η ενσωματωμένη αναγνώριση λειτουργεί μόνο στα Αγγλικά. Η ταχύτητα μπορεί να κλιμακωθεί από 0.5 έως 2 και η έξοδος είναι wav ή mp3.

Παράμετροι

Στείλτε είτε το κανονικό όνομα είτε το εγγενές όνομα, όχι και τα δύο. Κανονικά ονόματα

ΌνομαΤύπος ΠροεπιλογήΕπιτρεπόμενο Περιγραφή
audio_urlαπαιτείται audio
Τύποςurl · audio
Πηγή κλωνοποίησης φωνής που παρέχεται ως URL αρχείου ήχου και προσδιορίζει τον ομιλητή του οποίου τα φωνητικά χαρακτηριστικά πρέπει να αναπαράγει το μοντέλο.
transcriptπροαιρετικό
Τύποςstring
Προεπιλογή
Απομαγνητοφώνηση ήχου αναφοράς που πρέπει να παρέχεται για ηχογραφήσεις σε γλώσσες εκτός των Αγγλικών· η αυτόματη απομαγνητοφώνηση είναι ενσωματωμένη μόνο για τα Αγγλικά.
promptαπαιτείται
Τύποςstring
Περιεχόμενο ομιλίας που παρέχεται ως κείμενο· ο ομιλητής αναφοράς παρέχει τη φωνή που χρησιμοποιείται για την απόδοσή του.
languageπροαιρετικό
Τύποςenum
Προεπιλογήen
enarchdeesfritjaplpt
Κωδικός γλώσσας ευθυγράμμισης κειμένου, ο οποίος πρέπει να αντιστοιχεί στη γλώσσα σύνθεσης κατά την παραγωγή ομιλίας σε γλώσσα εκτός των Αγγλικών.
num_extra_stepsπροαιρετικό
Τύποςinteger
Προεπιλογή0
0 – 50
Πρόσθετος αριθμός autoregressive βημάτων για προσθήκη τελικής προσωδίας ή σιωπής, συνεχίζοντας την ομιλία πέρα από το παρεχόμενο κείμενο.
temperatureπροαιρετικό
Τύποςnumber
Προεπιλογή0.6
≤ 2> 0
Θερμοκρασία δειγματοληψίας token κειμένου: η αύξησή της προσθέτει ποικιλία στην έξοδο και το 0 ή μικρότερη τιμή δεν επιτρέπεται.
top_pπροαιρετικό
Τύποςnumber
Προεπιλογή0.9
0 – 1
Ρύθμιση δειγματοληψίας Top-p (nucleus) που χρησιμοποιείται για την παραγωγή κειμένου.
repetition_penaltyπροαιρετικό
Τύποςnumber
Προεπιλογή1.1
1 – 2
Ποινή επανάληψης token κατά την παραγωγή εξόδου.
acoustic_cfg_scaleπροαιρετικό
Τύποςnumber
Προεπιλογή1.6
0 – 10
Ισχύς classifier-free guidance που χρησιμοποιείται για την παραγωγή ακουστικών χαρακτηριστικών.
noise_temperatureπροαιρετικό
Τύποςnumber
Προεπιλογή0.9
0 – 2
Θερμοκρασία θορύβου που χρησιμοποιείται κατά τη διάχυση flow-matching.
num_inference_stepsπροαιρετικό
Τύποςinteger
Προεπιλογή20
1 – 50
Αριθμός βημάτων solver ODE που χρησιμοποιούνται για την παραγωγή ακουστικής μέσω flow matching.
speed_up_factorπροαιρετικό
Τύποςnumber
Προεπιλογή1
0,5 – 2
Πολλαπλασιαστής ταχύτητας ομιλίας: η παραγόμενη ομιλία γίνεται πιο αργή κάτω από 1.0 και πιο γρήγορη πάνω από 1.0.
output_formatπροαιρετικό
Τύποςenum
Προεπιλογήwav
wavmp3
Μορφή αρχείου για τον παραγόμενο ήχο.
enable_safety_checkerπροαιρετικό
Τύποςboolean
Προεπιλογήtrue
Ο έλεγχος μπορεί να χαλαρώσει με τη ρύθμιση false, εφόσον ο καλών είναι εξουσιοδοτημένος.
απαιτείται Κανονικό όνομα, επίσης αποδεκτό

Οι παράμετροι αρχείων δέχονται ένα δημόσιο URL https://, ένα URI data: έως 10 MB ή το file_url μιας μεταφόρτωσης. Αρχεία

Έξοδος

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"
  }
}
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, duration, channels, sample_rate, bitrate}Αρχείο ήχου που περιέχει τη συνθετική ομιλία.

Περισσότερα μοντέλα: Κείμενο σε ομιλία

Για πράκτορες AI: αυτή η σελίδα σε Markdown βρίσκεται στη διεύθυνση https://doitong.com/el/developers/models/tada/3b/text-to-speech.md. Όλα τα μοντέλα και οι οδηγοί: https://doitong.com/developers/llms.txt