رفتن به محتوا

Personaplex

یکپارچه‌سازی

شناسه مدل personaplex
# 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/personaplex?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"
  }'

# 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"

فایل‌هایی مانند نمونه: ⁨‎$۰٫۰۱⁩ ۱۰ اعتبار API فایل‌های شما پیش از اجرا اندازه‌گیری می‌شوند اجرای آن در این صفحه

دریافت کلید API
NVIDIA صوت #audio

مدل مکالمه‌ای گفتاربه‌گفتار که به صدای گفتاری با شخصیت و صدای انتخابی شما پاسخ می‌دهد

NVIDIA · 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.

پیش‌فرض You are a wise and fr...

پرامپت متنی تعیین‌کننده شخصیت AI و زمینه مکالمه.

یک فایل بیندازید، یا

URL نمونه برای شبیه‌سازی صدا؛ گفتار واضح با طول حداقل 10 ثانیه توصیه می‌شود. نمونه در لحظه شبیه‌سازی شده و جایگزین 'voice' ازپیش‌تنظیم‌شده برای پاسخ AI می‌شود.

•الزامی audio_url
یک فایل بیندازید، یا

URL ورودی صوتی حاوی گفتار کاربر.

پیشرفته voice · temperature_audio · temperature_text · top_k_audio · top_k_text · seed · enable_safety_checker
پیش‌فرض NATF2

شناسه صدای پاسخ AI که در صورت ارائه voice_audio_url با آن جایگزین می‌شود. کدهای آن طبیعی (NAT) را از متنوع (VAR) و زنانه (F) را از مردانه (M) متمایز می‌کنند.

پیش‌فرض 0.8

دمای استفاده‌شده هنگام نمونه‌گیری صوت؛ افزایش آن نتایج متنوع‌تری ایجاد می‌کند.

پیش‌فرض 0.7

دمای استفاده‌شده هنگام نمونه‌گیری متن؛ افزایش آن نتایج متنوع‌تری ایجاد می‌کند.

پیش‌فرض 250

تنظیم Top-K برای نمونه‌گیری توکن‌های صوتی.

پیش‌فرض 25

تنظیم Top-K برای نمونه‌گیری توکن‌های متنی.

Seed کنترل‌کننده تصادفی‌بودن برای نتایج قابل‌بازآفرینی.

POST /run/personaplex?wait=20 قیمت → ⁨‎$۰٫۰۱⁩
# 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/personaplex?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"
  }'

# 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 Personaplex

گفتار کاربر را از طریق `audio_url` دریافت و با گفتار تولیدشده پاسخ می‌دهد؛ پاسخ همراه با متن و مدت‌زمان آن بازگردانده می‌شود. `prompt` متنی شخصیت را تعریف می‌کند و `voice` یک صدای پیش‌تنظیم‌شده را انتخاب می‌کند. همچنین `voice_audio_url` می‌تواند صدا را از نمونه شبیه‌سازی کند؛ نمونه گفتار واضح 10 ثانیه‌ای یا بیشتر توصیه می‌شود. نمونه‌برداری با تنظیمات temperature و top-k قابل تنظیم است.

پارامترها

نام استاندارد یا نام بومی را ارسال کنید، نه هر دو. نام‌های استاندارد

نامنوع پیش‌فرضمجاز توضیحات
promptاختیاری
نوعstring
پیش‌فرضYou are a wise and friendly teacher. Answer questions or provide advice in a clear and engaging way.
پرامپت متنی تعیین‌کننده شخصیت AI و زمینه مکالمه.
voiceاختیاری
نوعenum
پیش‌فرضNATF2
NATF0NATF1NATF2NATF3NATM0NATM1NATM2NATM3VARF0VARF1VARF2VARF3VARF4VARM0VARM1VARM2
+2 مورد دیگرVARM3VARM4
شناسه صدای پاسخ AI که در صورت ارائه voice_audio_url با آن جایگزین می‌شود. کدهای آن طبیعی (NAT) را از متنوع (VAR) و زنانه (F) را از مردانه (M) متمایز می‌کنند.
voice_audio_urlاختیاری
نوعurl · audio
URL نمونه برای شبیه‌سازی صدا؛ گفتار واضح با طول حداقل 10 ثانیه توصیه می‌شود. نمونه در لحظه شبیه‌سازی شده و جایگزین 'voice' ازپیش‌تنظیم‌شده برای پاسخ AI می‌شود.
temperature_audioاختیاری
نوعnumber
پیش‌فرض0.8
۰ – ۲
دمای استفاده‌شده هنگام نمونه‌گیری صوت؛ افزایش آن نتایج متنوع‌تری ایجاد می‌کند.
temperature_textاختیاری
نوعnumber
پیش‌فرض0.7
۰ – ۲
دمای استفاده‌شده هنگام نمونه‌گیری متن؛ افزایش آن نتایج متنوع‌تری ایجاد می‌کند.
top_k_audioاختیاری
نوعinteger
پیش‌فرض250
۱ – ۲٬۰۴۸
تنظیم Top-K برای نمونه‌گیری توکن‌های صوتی.
top_k_textاختیاری
نوعinteger
پیش‌فرض25
۱ – ۱٬۰۰۰
تنظیم Top-K برای نمونه‌گیری توکن‌های متنی.
seedاختیاری
نوعinteger | null
Seed کنترل‌کننده تصادفی‌بودن برای نتایج قابل‌بازآفرینی.
audio_urlالزامی audio
نوعurl · audio
URL ورودی صوتی حاوی گفتار کاربر.
enable_safety_checkerاختیاری
نوعboolean
پیش‌فرضtrue
با تنظیم false، در صورت مجاز بودن فراخواننده، می‌توان بررسی را آسان‌گیرانه‌تر کرد.
الزامی نام استاندارد، همچنین پذیرفته می‌شود

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": "personaplex",
  "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": 10,
    "usd": "0.01",
    "charged": 10,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "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
    },
    "text": " Thank you for calling SwiftPlex Appliances. This is Farhod, how can I help you today? I understand your concern. The replacement part is out of stock, so we can't ship it right away. We can use an alternative part that will arrive in 3 days. Would you like to proceed with that?",
    "duration": 5,
    "seed": 42
  },
  "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
object {url, content_type, file_name, file_size}صوت پاسخ تولیدشده توسط AI در قالب WAV با نرخ 24 kHz.
text
stringرونویسی متنی پاسخ AI.
duration
numberطول صوت تولیدشده، برحسب ثانیه.
seed
integerمقدار Seed اعمال‌شده هنگام تولید.

مدل‌های بیشتر: صوت

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