رفتن به محتوا

F5 TTS

یکپارچه‌سازی

شناسه مدل f5-tts
# 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/f5-tts?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "gen_text": "Hello from Doitong. This is a short test sentence.",
    "ref_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "model_type": "F5-TTS"
  }'

# 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"

این درخواست: ⁨‎$۰٫۰۰۳⁩ ۳ اعتبار API اجرای آن در این صفحه

دریافت کلید API
Open model متن به گفتار ورودی‌های مرجع #speech

تولید گفتار با تقلید صدا از یک کلیپ صوتی مرجع، با استفاده از F5-TTS یا E2-TTS

Open model · صوت

اولین نتیجه شما اینجا قرار می‌گیرد

درخواست را در زیر بسازید و با کلید API خود اجرا کنید. خروجی‌ها در فضای ذخیره‌سازی ما کپی می‌شوند و برای همیشه یا به‌مدت ۷ روز رایگان نگه‌داری می‌شوند.

ساخت درخواست

کنترل‌ها از شِمای مدل تولید می‌شوند. با تغییر آن‌ها، کد و قیمت به‌روزرسانی می‌شوند.

•الزامی

متن برای سنتز گفتار، محدود به 5000 نویسه.

•الزامی
یک فایل بیندازید، یا

URL فایل صوتی مرجع.

model_type •الزامی

نام مدل برای سنتز TTS.

پیشرفته ref_text · remove_silence
پیش‌فرض

متن مرجع TTS؛ حذف آن، تولید خودکار از طریق مدل تشخیص گفتار (ASR, Automatic Speech Recognition) را انتخاب می‌کند.

POST /run/f5-tts?wait=20 قیمت → ⁨‎$۰٫۰۰۳⁩
# 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/f5-tts?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "gen_text": "Hello from Doitong. This is a short test sentence.",
    "ref_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "model_type": "F5-TTS"
  }'

# 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"

اجرای این درخواست

کلید شما در این مرورگر باقی می‌ماند: فقط به Doitong API ارسال می‌شود و فقط در صورت فعال‌کردن گزینه «یادآوری»، در localStorage ذخیره می‌شود. دریافت کلید API

درباره F5 TTS

`gen_text` (حداکثر 5000 نویسه) را با صدای کلیپ مرجع مشخص‌شده در `ref_audio_url` می‌خواند. `model_type` بین F5-TTS و E2-TTS انتخاب می‌کند. اگر `ref_text` خالی باشد، تشخیص گفتار آن را تولید می‌کند. `remove_silence` به‌طور پیش‌فرض فعال است.

پارامترها

نامنوع پیش‌فرضمجاز توضیحات
gen_textالزامی
نوعstring
متن برای سنتز گفتار، محدود به 5000 نویسه.
ref_audio_urlالزامی
نوعurl · audio
URL فایل صوتی مرجع.
ref_textاختیاری
نوعstring
پیش‌فرض
متن مرجع TTS؛ حذف آن، تولید خودکار از طریق مدل تشخیص گفتار (ASR, Automatic Speech Recognition) را انتخاب می‌کند.
model_typeالزامی
نوعenum
F5-TTSE2-TTS
نام مدل برای سنتز TTS.
remove_silenceاختیاری
نوعboolean
پیش‌فرضtrue
مشخص می‌کند سکوت از فایل صوتی حذف شود یا نه.
الزامی

پارامترهای فایل یک URL عمومی https://، یک URI از نوع data: تا سقف 10 MB، یا file_url یک فایل بارگذاری‌شده را می‌پذیرند. فایل‌ها

خروجی

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "f5-tts",
  "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": 3,
    "usd": "0.003",
    "charged": 3,
    "refunded": 0
  },
  "input": {
    "gen_text": "Hello from Doitong. This is a short test sentence.",
    "ref_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "model_type": "F5-TTS"
  },
  "output": {
    "audio_url": {
      "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"
  }
}
فایل‌های شما، انتخاب شماهر outputs[].url کپی‌ای در فضای ذخیره‌سازی ماست: برای همیشه (با هزینه به‌ازای هر GB-ماه) یا به‌مدت ۷ روز رایگان، بر اساس تنظیم حساب شما یا ?storage=.
ساختار یکسان در همه مدل‌هاtype، url، content_type، width، height و duration برای تصاویر، ویدیو و صدا یکسان هستند. output شیء نتیجه اختصاصی مدل است.
فیلدهای خروجی
audio_url
object {url, content_type, file_name, file_size}فایل صوتی حاوی گفتار سنتزشده.

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/f5-tts.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt