Ir al contenido

Chatterbox · Text to Speech

Integrar

Id del modelo chatterbox/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/chatterbox/text-to-speech?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"

Esta solicitud: 0,002 $ 2 créditos de API Ejecutar en esta página

Obtener clave de API
Resemble AI Texto a voz #text-to-speech

Texto a voz en inglés con etiquetas expresivas, control de exageración y estilo opcional de audio de referencia

Resemble AI · Audio

Tu primer resultado aparecerá aquí

Crea una solicitud abajo y ejecútala con tu clave de API. Las salidas se copian en nuestro almacenamiento, conservadas para siempre o 7 días gratis.

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan al modificarlos.

•obligatorio

Texto de síntesis de voz, que puede incluir etiquetas emotivas: <laugh>, <chuckle>, <sigh>, <cough>, <sniffle>, <groan>, <yawn>, <gasp>. El texto no debe superar 5000 caracteres.

Avanzado audio · exaggeration · temperature · cfg · seed
audio_url predeterminado https://storage.googl...
Suelta un archivo o

Audio de referencia cuyo tono y estilo el modelo intenta reproducir en su salida de voz. Proporciona la URL de un archivo de audio si quieres usar esta referencia opcional.

predeterminado 0.25

Control de exageración del habla: la exageración máxima corresponde a 1.0, mientras que 0.0 desactiva la exageración.

predeterminado 0.7

Temperatura de generación; aumentarla hace que los resultados sean más creativos.

predeterminado 0.5

Semilla de generación de audio; 0 selecciona una semilla aleatoria. Para obtener reproducibilidad, usa un valor fijo y deja sin cambios todas las demás propiedades; esto debería reproducir exactamente el archivo de audio.

POST /run/chatterbox/text-to-speech?wait=20 cotización → 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?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"

Ejecutar esta solicitud

Tu clave permanece en este navegador: solo se envía a la Doitong API y se guarda (localStorage) únicamente si marcas Recordar. Obtener una clave de API

Acerca de Chatterbox · Text to Speech

Convierte hasta 5000 caracteres de texto en voz. El texto puede incluir etiquetas expresivas como <laugh>, <chuckle>, <sigh> y <cough>. Un `audio_url` opcional proporciona una referencia cuyo estilo y tono intenta igualar la salida. `exaggeration` (0 a 1), `temperature`, `cfg` y `seed` ajustan la interpretación.

Parámetros

Envía el nombre canónico o el nombre nativo, no ambos. Nombres canónicos

NombreTipo PredeterminadoPermitido Descripción
textobligatorio
Tipostring
Texto de síntesis de voz, que puede incluir etiquetas emotivas: <laugh>, <chuckle>, <sigh>, <cough>, <sniffle>, <groan>, <yawn>, <gasp>. El texto no debe superar 5000 caracteres.
audio_urlopcional audio
Tipourl · audio
Predeterminadohttps://storage.googleapis.com/chatterbox-demo-samples/prompts/male_rickmorty.mp3
Audio de referencia cuyo tono y estilo el modelo intenta reproducir en su salida de voz. Proporciona la URL de un archivo de audio si quieres usar esta referencia opcional.
exaggerationopcional
Tiponumber
Predeterminado0.25
0 – 1
Control de exageración del habla: la exageración máxima corresponde a 1.0, mientras que 0.0 desactiva la exageración.
temperatureopcional
Tiponumber
Predeterminado0.7
0,05 – 2
Temperatura de generación; aumentarla hace que los resultados sean más creativos.
cfgopcional
Tiponumber
Predeterminado0.5
0,1 – 1
seedopcional
Tipointeger | null
Semilla de generación de audio; 0 selecciona una semilla aleatoria. Para obtener reproducibilidad, usa un valor fijo y deja sin cambios todas las demás propiedades; esto debería reproducir exactamente el archivo de audio.
obligatorio Nombre canónico, también aceptado

Los parámetros de archivo aceptan una URL pública https://, un URI data: de hasta 10 MB o el file_url de una carga. Archivos

Salida

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "chatterbox/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": 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"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: conservada para siempre (se cobra por GB-mes) o 7 días gratis, según la configuración de tu cuenta o ?storage=.
La misma estructura en todos los modelostype, url, content_type, width, height y duration, tanto para imágenes como para vídeo y audio. output es el objeto de resultado propio del modelo.
Campos de salida
audio
object {url, content_type, file_name, file_size}Audio que contiene el habla sintetizada.

Más modelos: Texto a voz

Para agentes de IA: esta página en Markdown está en https://doitong.com/es/developers/models/chatterbox/text-to-speech.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt