Siirry sisältöön

VibeVoice 7B

Integroi

Mallin tunniste vibevoice/7b
# 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/7b?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",
    "speakers": [
      {
        "preset": "Frank [EN]"
      },
      {
        "preset": "Carter [EN]"
      }
    ]
  }'

# 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: ≈0,04 $ 40 API-krediittiä Suorita tällä sivulla

Hanki API-avain
Microsoft Tekstistä puheeksi #text-to-speech#multi-speaker#podcast

Suurempi VibeVoice-malli monipuhujaiseen dialogiin, enintään 30000 merkin 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 / 30000

Puheensyötteen käsikirjoitus, jossa voidaan käyttää valinnaisia 'Speaker X:' -tunnisteita puhujien erottamiseen dialogissa.

•pakollinen

Puhujat päätellään automaattisesti käsikirjoituksen tai toimitettujen ääninäytteiden perusteella; määritä ne eksplisiittisesti toimittamalla luettelo.

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/7b?wait=20 hinta → 0,04 $
# 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/7b?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",
    "speakers": [
      {
        "preset": "Frank [EN]"
      },
      {
        "preset": "Carter [EN]"
      }
    ]
  }'

# 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 7B

Muuntaa enintään 30000 merkin `script`-käsikirjoituksen puheeksi. Dialogissa käytetään 'Speaker X:' -etuliitteitä ja äänet määritetään pakollisella `speakers`-luettelolla. `cfg_scale` vaihtelee välillä 1–2 ja `seed` mahdollistaa toistettavan tulosteen. Tämä on perheen 7B-versio, jonka tekstiraja on lyhyempi kuin 1.5B-mallissa.

Parametrit

NimiTyyppi OletusSallitut Kuvaus
scriptpakollinen
Tyyppistring
≤ 30 000 merkkiä
Puheensyötteen käsikirjoitus, jossa voidaan käyttää valinnaisia 'Speaker X:' -tunnisteita puhujien erottamiseen dialogissa.
speakerspakollinen
Tyyppiobject[]
Puhujat päätellään automaattisesti käsikirjoituksen tai toimitettujen ääninäytteiden perusteella; määritä ne eksplisiittisesti toimittamalla luettelo.
speakers[].presetvalinnainen
Tyyppienum
OletusAlice [EN]
Alice [EN]Carter [EN]Frank [EN]Mary [EN] (Background Music)Maya [EN]Anchen [ZH] (Background Music)Bowen [ZH]Xinran [ZH]
Varapuhujaäänen esiasetus puhujalle, jolla ei ole `audio_url`-arvoa; toimitettu ääninäyte ohittaa esiasetuksen.
speakers[].audio_urlvalinnainen
Tyyppiurl · audio
Puhujan ääninäytetiedoston URL; sen toimittaminen ohittaa `preset`-arvon.
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/7b",
  "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": 40,
    "usd": "0.04",
    "charged": 40,
    "refunded": 0
  },
  "input": {
    "script": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "speakers": [
      {
        "preset": "Frank [EN]"
      },
      {
        "preset": "Carter [EN]"
      }
    ]
  },
  "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/7b.md. Kaikki mallit ja oppaat: https://doitong.com/developers/llms.txt