Ir al contenido

Tada

Integrar

Id del modelo 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"

Esta solicitud: 0,004 $ 4 créditos de API Ejecutar en esta página

Obtener clave de API
Open model Texto a voz

Conversión de texto a voz con clonación de voz que pronuncia tu texto con la voz de un clip de referencia, con 10 códigos de idioma

Open model · 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

Contenido del habla proporcionado como texto; el hablante de referencia proporciona la voz utilizada para reproducirlo.

•obligatorio audio_url
Suelta un archivo o

Origen de clonación de voz proporcionado como URL de un archivo de audio, que identifica al hablante cuyas características vocales debe reproducir el modelo.

Avanzado 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 predeterminado wav

Formato de archivo del audio generado.

predeterminado

Transcripción del audio de referencia que debe proporcionarse para grabaciones en idiomas distintos del inglés; la transcripción automática está integrada solo para inglés.

predeterminado en

Código de idioma de alineación del texto, que debe corresponder al idioma de síntesis al generar habla en un idioma distinto del inglés.

predeterminado 0

Número adicional de pasos autorregresivos para añadir prosodia o silencio finales al continuar el habla más allá del texto proporcionado.

predeterminado 0.6

Temperatura de muestreo de tokens de texto: aumentarla añade variedad a la salida, y no se permite 0 ni valores inferiores.

predeterminado 0.9

Ajuste de muestreo Top-p (núcleo) utilizado para generar texto.

predeterminado 1.1

Penalización por repetición de tokens durante la generación de la salida.

predeterminado 1.6

Intensidad de orientación sin clasificador utilizada para generar características acústicas.

predeterminado 0.9

Temperatura del ruido utilizada durante la difusión de coincidencia de flujo.

predeterminado 20

Número de pasos del solucionador ODE utilizado para generar acústica mediante coincidencia de flujo.

predeterminado 1

Multiplicador de velocidad del habla: el habla generada se vuelve más lenta por debajo de 1.0 y más rápida por encima de 1.0.

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

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 Tada

Clona a un hablante a partir de un clip de referencia (`audio_url`) y lee el texto de `prompt` con esa voz. La opción `language` acepta en, ar, ch, de, es, fr, it, ja, pl y pt. Para referencias que no estén en inglés, proporciona una `transcript`, porque el reconocimiento integrado solo admite inglés. La velocidad se puede escalar de 0.5 a 2, y la salida es wav o mp3.

Parámetros

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

NombreTipo PredeterminadoPermitido Descripción
audio_urlobligatorio audio
Tipourl · audio
Origen de clonación de voz proporcionado como URL de un archivo de audio, que identifica al hablante cuyas características vocales debe reproducir el modelo.
transcriptopcional
Tipostring
Predeterminado
Transcripción del audio de referencia que debe proporcionarse para grabaciones en idiomas distintos del inglés; la transcripción automática está integrada solo para inglés.
promptobligatorio
Tipostring
Contenido del habla proporcionado como texto; el hablante de referencia proporciona la voz utilizada para reproducirlo.
languageopcional
Tipoenum
Predeterminadoen
enarchdeesfritjaplpt
Código de idioma de alineación del texto, que debe corresponder al idioma de síntesis al generar habla en un idioma distinto del inglés.
num_extra_stepsopcional
Tipointeger
Predeterminado0
0 – 50
Número adicional de pasos autorregresivos para añadir prosodia o silencio finales al continuar el habla más allá del texto proporcionado.
temperatureopcional
Tiponumber
Predeterminado0.6
≤ 2> 0
Temperatura de muestreo de tokens de texto: aumentarla añade variedad a la salida, y no se permite 0 ni valores inferiores.
top_popcional
Tiponumber
Predeterminado0.9
0 – 1
Ajuste de muestreo Top-p (núcleo) utilizado para generar texto.
repetition_penaltyopcional
Tiponumber
Predeterminado1.1
1 – 2
Penalización por repetición de tokens durante la generación de la salida.
acoustic_cfg_scaleopcional
Tiponumber
Predeterminado1.6
0 – 10
Intensidad de orientación sin clasificador utilizada para generar características acústicas.
noise_temperatureopcional
Tiponumber
Predeterminado0.9
0 – 2
Temperatura del ruido utilizada durante la difusión de coincidencia de flujo.
num_inference_stepsopcional
Tipointeger
Predeterminado20
1 – 50
Número de pasos del solucionador ODE utilizado para generar acústica mediante coincidencia de flujo.
speed_up_factoropcional
Tiponumber
Predeterminado1
0,5 – 2
Multiplicador de velocidad del habla: el habla generada se vuelve más lenta por debajo de 1.0 y más rápida por encima de 1.0.
output_formatopcional
Tipoenum
Predeterminadowav
wavmp3
Formato de archivo del audio generado.
enable_safety_checkeropcional
Tipoboolean
Predeterminadotrue
La moderación puede relajarse estableciendo false, siempre que el autor de la llamada esté autorizado.
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": "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"
  }
}
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, duration, channels, sample_rate, bitrate}Archivo de audio que contiene la voz sintetizada.

Más modelos: Texto a voz

Para agentes de IA: esta página en Markdown está en https://doitong.com/es/developers/models/tada/3b/text-to-speech.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt