Lumaktaw sa nilalaman

Zonos2 Text to Speech

I-integrate

ID ng modelo zonos2
# 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/zonos2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "reference_audio_url": "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"

Hanggang $0.02 bawat pagtakbo sinisingil ayon sa aktuwal na paggamit, at nire-refund ang natitira Patakbuhin ito sa page na ito

Kumuha ng API key
Zyphra Text patungong Speech Mga reference input #text-to-speech#tts#voice-cloning

Multilingual voice-cloning TTS na may sampling controls at pagpipilian sa malapit na pagtutugma o expressive na delivery

Zyphra · audio

Dito mapupunta ang iyong unang resulta

Bumuo ng kahilingan sa ibaba at patakbuhin ito gamit ang iyong API key. Kinokopya ang mga output sa aming storage, na pinananatili nang walang hanggan o 7 araw nang libre.

Bumuo ng kahilingan

Ang mga control ay binubuo mula sa schema ng modelo. Nagbabago ang code at presyo habang ina-adjust mo ang mga ito.

•kinakailangan
Mag-drop ng file, o

Audio na nagbibigay ng source voice para sa cloning.

advanced language · temperature · top_p · min_p · top_k · max_tokens · seed · accurate_mode · clean_speaker_background · enable_safety_checker
default na en_us

Pagpili ng wika para sa text normalization, na nilalaktawan maliban kung ang code ay isa sa: en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko.

default na 1.15

Temperature na ginagamit para sa sampling.

default na 0

Probability para sa nucleus sampling; itakda sa 0 para i-disable ito.

default na 0.18

Probability threshold para sa minimum-probability sampling.

default na 106

Cutoff para sa top-k sampling; itakda sa 0 para i-disable ito.

Cap ng pagbuo ng audio frame, gamit ang limitasyon ng context ng modelo maliban kung may ibinigay na maximum.

Seed na nagbibigay-daan sa nauulit na mga resulta; random na pinipili kapag hindi isinama.

POST /run/zonos2?wait=20 presyo → $0.02
# 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/zonos2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "reference_audio_url": "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"

Patakbuhin ang kahilingang ito

Nananatili ang iyong key sa browser na ito: ipinapadala lamang ito sa Doitong API at sine-save (localStorage) lamang kung pipiliin mo ang Tandaan. Kumuha ng API key

Tungkol sa Zonos2 Text to Speech

Nagko-clone ng boses mula sa `reference_audio_url` at binibigkas ang teksto, na nagbabalik ng WAV audio sa 44.1kHz mono kasama ang ginamit na seed. Itinatakda ng `language` ang teksto normalization para sa en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn at ko. Ipinagpapalit ng `accurate_mode` ang pagiging malapit ng boses sa pagiging ekspresibo, at maaaring i-tune ang sampling sa pamamagitan ng `temperature`, `top_p`, `min_p`, `top_k` at `max_tokens` (hanggang 6144).

Mga parameter

PangalanUri defaultPinapayagan Paglalarawan
reference_audio_urlkinakailangan
Uriurl · audio
Audio na nagbibigay ng source voice para sa cloning.
languageopsyonal
Uristring
defaulten_us
Pagpili ng wika para sa text normalization, na nilalaktawan maliban kung ang code ay isa sa: en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko.
seedopsyonal
Uriinteger | null
0 – 2,147,483,647
Seed na nagbibigay-daan sa nauulit na mga resulta; random na pinipili kapag hindi isinama.
accurate_modeopsyonal
Uriboolean
defaulttrue
Pagtutugma ng boses kumpara sa pagiging ekspresibo: pinapaboran ng True ang mas tumpak na pagtutugma, habang pinapaboran ng False ang mas ekspresibong pagsasalita.
clean_speaker_backgroundopsyonal
Uriboolean
defaultfalse
Nagsasaad na malinis ang background ng reference audio.
temperatureopsyonal
Urinumber
default1.15
0 – 2
Temperature na ginagamit para sa sampling.
top_popsyonal
Urinumber
default0
0 – 1
Probability para sa nucleus sampling; itakda sa 0 para i-disable ito.
min_popsyonal
Urinumber
default0.18
0 – 1
Probability threshold para sa minimum-probability sampling.
top_kopsyonal
Uriinteger
default106
0 – 2,048
Cutoff para sa top-k sampling; itakda sa 0 para i-disable ito.
max_tokensopsyonal
Uriinteger | null
1 – 6,144
Cap ng pagbuo ng audio frame, gamit ang limitasyon ng context ng modelo maliban kung may ibinigay na maximum.
enable_safety_checkeropsyonal
Uriboolean
defaulttrue
Maaaring luwagan ang screening sa pamamagitan ng pagtatakda ng false, kung awtorisado ang tumatawag.
kinakailangan

Tumatanggap ang mga parameter ng file ng pampublikong https:// URL, data: URI na hanggang 10 MB, o file_url ng isang upload. Mga file

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "zonos2",
  "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": 20,
    "usd": "0.02",
    "charged": 20,
    "refunded": 0
  },
  "input": {
    "reference_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
    },
    "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"
  }
}
Ikaw ang pumipili para sa iyong mga fileAng bawat outputs[].url ay kopya sa aming storage: pinananatili nang walang hanggan (sinisingil bawat GB-month) o 7 araw nang libre, ayon sa setting ng iyong account o ?storage=.
Parehong shape sa bawat modelotype, url, content_type, width, height at duration, para sa mga larawan, video at audio. Ang output ay sariling result object ng modelo.
Mga field ng output
audio
object {url, content_type, file_name, file_size}Output na audio sa WAV format, na may sample rate na 44.1kHz at mono channel.
seed
integerSeed value na inilapat sa pagbuo.

Para sa mga AI agent: nasa Markdown ang pahinang ito sa https://doitong.com/fil/developers/models/zonos2.md. Lahat ng modelo at gabay: https://doitong.com/developers/llms.txt