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 multi-locuteurs, avec des scripts de 30000 caractères maximum

Microsoft · audio

Votre premier résultat apparaîtra ici

Construisez une requête ci-dessous et exécutez-la avec votre clé API. Les sorties sont copiées dans notre stockage, conservées indéfiniment ou 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 lorsque vous les modifiez.

•requis 88 / 30000

Script d'entrée vocale, avec des libellés facultatifs 'Speaker X:' pour distinguer les locuteurs dans un dialogue.

•requis

Les locuteurs 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 CFG (Classifier-Free Guidance) détermine la fidélité de la génération au texte ; une valeur élevée renforce cette fidélité.

Seed aléatoire rendant 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 à la Doitong API et enregistrée dans localStorage uniquement si vous cochez Mémoriser. Obtenir une clé API

À propos de VibeVoice 7B

Transforme un `script` de 30000 caractères maximum en parole, avec des préfixes « Speaker X: » pour le dialogue et une liste `speakers` obligatoire 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 inférieure à celle du modèle 1.5B.

Paramètres

NomType Par défautAutorisé Description
scriptrequis
Typestring
≤ 30 000 caractères
Script d'entrée vocale, avec des libellés facultatifs 'Speaker X:' pour distinguer les locuteurs dans un dialogue.
speakersrequis
Typeobject[]
Les locuteurs 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 locuteur sans `audio_url` ; fournir cet échantillon audio est prioritaire sur le préréglage.
speakers[].audio_urlfacultatif
Typeurl · audio
URL du fichier audio d'échantillon vocal ; sa fourniture remplace `preset`.
seedfacultatif
Typeinteger | null
Seed aléatoire rendant la génération reproductible.
cfg_scalefacultatif
Typenumber
Par défaut1.3
1 – 2
La force CFG (Classifier-Free Guidance) détermine la fidélité de la génération au texte ; une valeur élevée renforce cette fidélité.
enable_safety_checkerfacultatif
Typeboolean
Par défauttrue
Le filtrage peut être assoupli 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 au Go-mois) ou 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, vidéos et fichiers audio. output est le propre objet de résultat du 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 ; des valeurs plus faibles indiquent de meilleures performances.

Plus de modèles : Texte vers parole

Pour les agents IA : cette page au format Markdown est disponible à https://doitong.com/fr/developers/models/vibevoice/7b.md. Tous les modèles et guides : https://doitong.com/developers/llms.txt