Passer au contenu

Zonos2 Text to Speech

Intégrer

Identifiant du modèle 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"

Jusqu’à 0,02 $ par exécution facturé selon l’utilisation réelle, le reste est remboursé L’exécuter sur cette page

Obtenir une clé API
Zyphra Texte vers parole Entrées de référence #text-to-speech#tts#voice-cloning

TTS multilingue avec clonage vocal, contrôles d’échantillonnage et choix entre une voix fidèle ou expressive

Zyphra · 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
Déposez un fichier ou

Audio fournissant la voix source pour le clonage.

Avancé language · temperature · top_p · min_p · top_k · max_tokens · seed · accurate_mode · clean_speaker_background · enable_safety_checker
par défaut en_us

Sélection de la langue pour la normalisation du texte, ignorée sauf si le code est l’un des suivants : en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko.

par défaut 1.15

Température utilisée pour l’échantillonnage.

par défaut 0

Probabilité pour l’échantillonnage par noyau; définissez-la à 0 pour le désactiver.

par défaut 0.18

Seuil de probabilité pour l’échantillonnage à probabilité minimale.

par défaut 106

Limite de l’échantillonnage top-k; définissez-la à 0 pour le désactiver.

Limite de génération des trames audio, utilisant la limite de contexte du modèle sauf si un maximum est fourni.

Valeur de départ permettant d’obtenir des résultats reproductibles; choisie aléatoirement si elle est omise.

POST /run/zonos2?wait=20 devis → 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"

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 Zonos2 Text to Speech

Clone une voix à partir de `reference_audio_url` et prononce le texte, en retournant un audio WAV mono à 44.1kHz ainsi que la graine utilisée. `language` définit la normalisation du texte pour en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn et ko. `accurate_mode` échange la proximité vocale contre l’expressivité, et l’échantillonnage se règle avec `temperature`, `top_p`, `min_p`, `top_k` et `max_tokens` (jusqu’à 6144).

Paramètres

NomType Par défautAutorisé Description
reference_audio_urlrequis
Typeurl · audio
Audio fournissant la voix source pour le clonage.
languagefacultatif
Typestring
Par défauten_us
Sélection de la langue pour la normalisation du texte, ignorée sauf si le code est l’un des suivants : en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko.
seedfacultatif
Typeinteger | null
0 – 2 147 483 647
Valeur de départ permettant d’obtenir des résultats reproductibles; choisie aléatoirement si elle est omise.
accurate_modefacultatif
Typeboolean
Par défauttrue
Correspondance de la voix par rapport à l’expressivité : True favorise une correspondance plus étroite, tandis que False favorise un discours plus expressif.
clean_speaker_backgroundfacultatif
Typeboolean
Par défautfalse
Indique que l’audio de référence possède un arrière-plan net.
temperaturefacultatif
Typenumber
Par défaut1.15
0 – 2
Température utilisée pour l’échantillonnage.
top_pfacultatif
Typenumber
Par défaut0
0 – 1
Probabilité pour l’échantillonnage par noyau; définissez-la à 0 pour le désactiver.
min_pfacultatif
Typenumber
Par défaut0.18
0 – 1
Seuil de probabilité pour l’échantillonnage à probabilité minimale.
top_kfacultatif
Typeinteger
Par défaut106
0 – 2 048
Limite de l’échantillonnage top-k; définissez-la à 0 pour le désactiver.
max_tokensfacultatif
Typeinteger | null
1 – 6 144
Limite de génération des trames audio, utilisant la limite de contexte du modèle sauf si un maximum est fourni.
enable_safety_checkerfacultatif
Typeboolean
Par défauttrue
La vérification peut être assouplie en définissant false, si l’appelant est autorisé.
requis

Les paramètres de fichier acceptent une URL publique https://, un URI data: jusqu’à 10 MB ou le file_url d’un téléversement. Fichiers

Sortie

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"
  }
}
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}Audio de sortie au format WAV, avec une fréquence d’échantillonnage de 44.1kHz et un canal mono.
seed
integerValeur de graine appliquée pendant la génération.

Pour les agents IA : cette page en Markdown se trouve à https://doitong.com/fr-CA/developers/models/zonos2.md. Tous les modèles et guides : https://doitong.com/developers/llms.txt