Passer au contenu

VibeVoice 7B

Intégrer

Identifiant du modèle 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"

Cette requête: ≈0,04 $ 40 crédits API L’exécuter sur cette page

Obtenir une clé API
Microsoft Texte vers parole #text-to-speech#multi-speaker#podcast

Modèle VibeVoice plus grand pour les dialogues à plusieurs locuteurs, avec des scripts de 30000 caractères maximum

Microsoft · Audio

Votre premier résultat apparaîtra ici

Créez une requête ci-dessous et exécutez-la avec votre clé API. Les sorties sont copiées dans notre stockage, conservées indéfiniment ou pendant 7 jours gratuitement.

Créer une requête

Les contrôles sont générés à partir du schéma du modèle. Le code et le prix se mettent à jour au fur et à mesure de vos modifications.

•requis 88 / 30000

Script d’entrée vocale, avec des étiquettes facultatives comme 'Speaker X:' pour distinguer les interlocuteurs d’un dialogue.

•requis

Les interlocuteurs sont déduits automatiquement à partir du script ou des échantillons vocaux fournis; fournissez une liste pour les spécifier explicitement.

Avancé cfg_scale · seed · enable_safety_checker
par défaut 1.3

La force de CFG (Classifier-Free Guidance) détermine à quel point la génération suit le texte; une valeur plus élevée produit une adhésion plus étroite.

Valeur de départ aléatoire qui rend la génération reproductible.

POST /run/vibevoice/7b?wait=20 devis → 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"

Exécuter cette requête

Votre clé reste dans ce navigateur : elle est envoyée uniquement au Doitong API et enregistrée dans localStorage uniquement si vous cochez Mémoriser. Obtenir une clé API

À propos de VibeVoice 7B

Convertit un `script` de 30000 caractères maximum en parole, avec des préfixes 'Speaker X:' pour le dialogue et une liste `speakers` requise pour les voix. `cfg_scale` va de 1 à 2 et `seed` permet d’obtenir une sortie reproductible. Il s’agit de la version 7B de la famille, avec une limite de texte plus courte que le modèle 1.5B.

Paramètres

NomType Par défautAutorisé Description
scriptrequis
Typestring
≤ 30 000 caractères
Script d’entrée vocale, avec des étiquettes facultatives comme 'Speaker X:' pour distinguer les interlocuteurs d’un dialogue.
speakersrequis
Typeobject[]
Les interlocuteurs sont déduits automatiquement à partir du script ou des échantillons vocaux fournis; fournissez une liste pour les spécifier explicitement.
speakers[].presetfacultatif
Typeenum
Par défautAlice [EN]
Alice [EN]Carter [EN]Frank [EN]Mary [EN] (Background Music)Maya [EN]Anchen [ZH] (Background Music)Bowen [ZH]Xinran [ZH]
Préréglage vocal de secours pour un interlocuteur sans `audio_url`; la fourniture de cet échantillon audio a préséance sur le préréglage.
speakers[].audio_urlfacultatif
Typeurl · audio
URL du fichier audio d’un échantillon vocal; sa fourniture remplace `preset`.
seedfacultatif
Typeinteger | null
Valeur de départ aléatoire qui rend la génération reproductible.
cfg_scalefacultatif
Typenumber
Par défaut1.3
1 – 2
La force de CFG (Classifier-Free Guidance) détermine à quel point la génération suit le texte; une valeur plus élevée produit une adhésion plus étroite.
enable_safety_checkerfacultatif
Typeboolean
Par défauttrue
La vérification peut être assouplie en définissant false, si l’appelant est autorisé.
requis

Sortie

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"
  }
}
Vos fichiers, votre choixChaque outputs[].url est une copie dans notre stockage : conservée indéfiniment (facturation par Go-mois) ou pendant 7 jours gratuitement, selon le réglage de votre compte ou ?storage=.
Même structure pour chaque modèletype, url, content_type, width, height et duration, pour les images, les vidéos et les fichiers audio. output est l’objet de résultat propre au modèle.
Champs de sortie
audio
object {url, content_type, file_name, file_size}Fichier audio contenant la parole synthétisée.
duration
numberDurée de la sortie audio, mesurée en secondes.
sample_rate
integerFréquence d’échantillonnage de la sortie audio.
generation_time
numberDurée de génération audio, mesurée en secondes.
rtf
numberFacteur temps réel calculé comme generation_time divisé par audio_duration; les valeurs plus faibles indiquent une meilleure performance.

Plus de modèles : Texte vers parole

Pour les agents IA : cette page en Markdown se trouve à https://doitong.com/fr-CA/developers/models/vibevoice/7b.md. Tous les modèles et guides : https://doitong.com/developers/llms.txt