Siirry sisältöön

Vibevoice

Integroi

Mallin tunniste vibevoice/0.5b
# 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/vibevoice/0.5b?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "script": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "speaker": "Frank"
  }'

# 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"

Tämä pyyntö: ≈0,01 $ 10 API-krediittiä Suorita tällä sivulla

Hanki API-avain
Microsoft Tekstistä puheeksi #vibevoice#fast

Kevyt yksipuhujainen tekstistä puheeksi -malli kuudella nimetyllä äänellä pitkille käsikirjoituksille

Microsoft · Ääni

Ensimmäinen tuloksesi tulee tähän

Muodosta pyyntö alla ja suorita se API-avaimellasi. Tulosteet kopioidaan tallennustilaamme, jossa ne säilytetään ikuisesti tai 7 päivää ilmaiseksi.

Muodosta pyyntö

Säätimet luodaan mallin skeemasta. Koodi ja hinta päivittyvät, kun muutat arvoja.

•pakollinen 88 / 90000

Puheen syntetisointiin käytetty käsikirjoitus.

speaker •pakollinen

Puheen esittämiseen käytetty ääni.

Lisäasetukset cfg_scale · seed · enable_safety_checker
oletus 1.3

CFG:n (Classifier-Free Guidance) voimakkuus määrittää, kuinka tarkasti generointi seuraa tekstiä; suuremmat asetukset tuottavat vahvemman vastaavuuden.

Satunnainen siemen, joka tekee generoinnista toistettavan.

POST /run/vibevoice/0.5b?wait=20 hinta → 0,01 $
# 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/vibevoice/0.5b?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "script": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "speaker": "Frank"
  }'

# 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"

Suorita tämä pyyntö

Avaimesi säilyy tässä selaimessa: se lähetetään vain Doitong APIlle ja tallennetaan localStorageen vain, jos valitset Muista. Hanki API-avain

Tietoja: Vibevoice

Lukee enintään 90000 merkin `script`-käsikirjoituksen yhdellä `speaker`-arvolla valitulla äänellä: Frank, Wayne, Carter, Emma, Grace tai Mike. `cfg_scale` (1–2) ja `seed` ovat käytettävissä säätöön ja toistettavuuteen. Se käsittelee yhden puhujan kerrallaan, toisin kuin monipuhujaiset versiot.

Parametrit

NimiTyyppi OletusSallitut Kuvaus
scriptpakollinen
Tyyppistring
≤ 90 000 merkkiä
Puheen syntetisointiin käytetty käsikirjoitus.
speakerpakollinen
Tyyppienum
FrankWayneCarterEmmaGraceMike
Puheen esittämiseen käytetty ääni.
seedvalinnainen
Tyyppiinteger | null
Satunnainen siemen, joka tekee generoinnista toistettavan.
cfg_scalevalinnainen
Tyyppinumber
Oletus1.3
1 – 2
CFG:n (Classifier-Free Guidance) voimakkuus määrittää, kuinka tarkasti generointi seuraa tekstiä; suuremmat asetukset tuottavat vahvemman vastaavuuden.
enable_safety_checkervalinnainen
Tyyppiboolean
Oletustrue
Suodatusta voi höllentää asettamalla arvoksi false, jos kutsujalla on siihen valtuutus.
pakollinen

Tulos

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "vibevoice/0.5b",
  "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": {
    "script": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "speaker": "Frank"
  },
  "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,
    "sample_rate": 24000,
    "generation_time": 5.6,
    "rtf": 0.53
  },
  "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"
  }
}
Tiedostosi, valintasiJokainen outputs[].url on kopio tallennustilassamme: säilytetään ikuisesti (maksetaan gigatavu-kuukauden mukaan) tai 7 päivää ilmaiseksi tiliasetuksesi tai ?storage= perusteella.
Sama rakenne kaikissa malleissatype, url, content_type, width, height ja duration kuville, videolle ja äänelle. output on mallin oma tulosobjekti.
Tuloksen kentät
audio
object {url, content_type, file_name, file_size}Syntetisoidun puheen sisältävä äänitiedosto.
duration
numberÄänitulosteen pituus sekunteina.
sample_rate
integerÄänitulosteen näytteenottotaajuus.
generation_time
numberÄänen generointiaika sekunteina.
rtf
numberReaaliaikakerroin, joka lasketaan jakamalla generation_time arvolla audio_duration; pienempi arvo tarkoittaa parempaa suorituskykyä.

Lisää malleja: Tekstistä puheeksi

Tekoälyagenteille: tämän sivun Markdown-muoto on osoitteessa https://doitong.com/fi/developers/models/vibevoice/0.5b.md. Kaikki mallit ja oppaat: https://doitong.com/developers/llms.txt