Ir al contenido

Chatterbox · Text to Speech · Multilingual

Integrar

Id del modelo 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"

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

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

Texto a voz multilingüe para 23 idiomas, limitado a 300 caracteres por solicitud

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 50 / 300

Texto para la síntesis de voz, limitado a 300 caracteres y compatible con 23 idiomas. Entre los idiomas disponibles se incluyen inglés y francés; alemán, español, italiano y portugués; hindi y árabe; chino, japonés y coreano, entre otros.

Avanzado voice · custom_audio_language · exaggeration · temperature · cfg_scale · seed
predeterminado english

Código de idioma de síntesis; el uso personalizado requiere tanto una URL de audio como una selección para custom_audio_language.

Configuración de idioma que solo se aplica cuando la voz se proporciona como una URL personalizada; de lo contrario, se ignora. Especifica el idioma hablado en ese audio personalizado.

predeterminado 0.5

Expresividad e intensidad emocional del habla en relación con el ajuste neutro de 0.5. Aumentar el valor añade expresividad dentro del intervalo 0.25–2.0, aunque los ajustes extremos pueden causar inestabilidad.

predeterminado 0.8

Ajusta la variedad de los patrones del habla estableciendo la aleatoriedad de generación entre 0.05 y 2.0; aumentar el valor produce más variación.

predeterminado 0.5

Peso de orientación de generación para la configuración/velocidad. Para la transferencia de idioma, 0.0 ayuda a limitar la herencia del acento; el intervalo completo es 0.0–1.0.

Semilla de generación con dos comportamientos: 0 selecciona una generación aleatoria, mientras que un número específico hace reproducibles las salidas.

POST /run/chatterbox/text-to-speech/multilingual?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/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"

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 · Multilingual

Sintetiza voz en muchos idiomas, incluidos inglés, francés, alemán, español, hindi, árabe, chino, japonés y coreano. El texto está limitado a 300 caracteres. `voice` establece el idioma, o se puede usar una URL de audio personalizada junto con `custom_audio_language`. `exaggeration` va de 0.25 a 2, y `cfg_scale` puede establecerse en 0 para transferir el idioma y reducir la conservación del acento.

Parámetros

NombreTipo PredeterminadoPermitido Descripción
textobligatorio
Tipostring
≤ 300 caracteres
Texto para la síntesis de voz, limitado a 300 caracteres y compatible con 23 idiomas. Entre los idiomas disponibles se incluyen inglés y francés; alemán, español, italiano y portugués; hindi y árabe; chino, japonés y coreano, entre otros.
voiceopcional
Tipostring
Predeterminadoenglish
Código de idioma de síntesis; el uso personalizado requiere tanto una URL de audio como una selección para custom_audio_language.
custom_audio_languageopcional
Tipoenum
englisharabicdanishgermangreekspanishfinnishfrenchhebrewhindiitalianjapanesekoreanmalaydutchnorwegian
+7 máspolishportugueserussianswedishswahiliturkishchinese
Configuración de idioma que solo se aplica cuando la voz se proporciona como una URL personalizada; de lo contrario, se ignora. Especifica el idioma hablado en ese audio personalizado.
exaggerationopcional
Tiponumber
Predeterminado0.5
0,25 – 2
Expresividad e intensidad emocional del habla en relación con el ajuste neutro de 0.5. Aumentar el valor añade expresividad dentro del intervalo 0.25–2.0, aunque los ajustes extremos pueden causar inestabilidad.
temperatureopcional
Tiponumber
Predeterminado0.8
0,05 – 2
Ajusta la variedad de los patrones del habla estableciendo la aleatoriedad de generación entre 0.05 y 2.0; aumentar el valor produce más variación.
cfg_scaleopcional
Tiponumber
Predeterminado0.5
0 – 1
Peso de orientación de generación para la configuración/velocidad. Para la transferencia de idioma, 0.0 ayuda a limitar la herencia del acento; el intervalo completo es 0.0–1.0.
seedopcional
Tipointeger | null
Semilla de generación con dos comportamientos: 0 selecciona una generación aleatoria, mientras que un número específico hace reproducibles las salidas.
obligatorio

Salida

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"
  }
}
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}Archivo de audio que contiene habla multilingüe sintetizada.

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