Léim chuig an ábhar

Zonos2 Text to Speech

Comhtháthú

Aitheantas na samhla 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"

Suas le $0.02 in aghaidh an rith gearrtar táille de réir na húsáide iarbhír, aisíoctar an fuílleach Rith ar an leathanach seo

Faigh eochair API
Zyphra Téacs go Urlabhra Ionchuir tagartha #text-to-speech#tts#voice-cloning

TTS ilteangach clónála gutha le rialtáin samplála agus rogha idir mheaitseáil dhlúth nó seachadadh léiritheach

Zyphra · Fuaim

Beidh do chéad toradh anseo

Tóg iarratas thíos agus rith é le d’eochair API. Cóipeáiltear na haschuir chuig ár stóráil, coinnithe go deo nó ar feadh 7 lá saor in aisce.

Tóg iarratas

Gintear na rialtáin ó scéim na samhla. Nuashonraítear an cód agus an praghas de réir mar a athraíonn tú iad.

•riachtanach
Scaoil comhad, nó

Fuaim a sholáthraíonn an guth foinse le haghaidh clónála.

Ardleibhéal language · temperature · top_p · min_p · top_k · max_tokens · seed · accurate_mode · clean_speaker_background · enable_safety_checker
réamhshocrú en_us

Roghnú teanga le haghaidh normalú téacs, a scipeáiltear mura bhfuil an cód ar cheann díobh seo: en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko.

réamhshocrú 1.15

Teocht a úsáidtear le haghaidh samplála.

réamhshocrú 0

Dóchúlacht le haghaidh sampláil núicléise; socraigh go 0 í chun í a dhíchumasú.

réamhshocrú 0.18

Tairseach dóchúlachta le haghaidh sampláil íos-dhóchúlachta.

réamhshocrú 106

Teorainn le haghaidh sampláil top-k; socraigh go 0 í chun í a dhíchumasú.

Uasteorainn ghiniúint frámaí fuaime, agus teorainn chomhthéacs na samhla á húsáid mura soláthraítear uasmhéid.

Síl a chumasaíonn torthaí in-atáirgthe; roghnaítear go randamach í mura sonraítear í.

POST /run/zonos2?wait=20 luachan → $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"

Rith an t-iarratas seo

Fanann d'eochair sa bhrabhsálaí seo: seoltar chuig Doitong API amháin í agus sábháiltear (localStorage) í ach amháin má chuireann tú tic le Meabhraigh. Faigh eochair API

Maidir le Zonos2 Text to Speech

Clónálann sé guth ó `reference_audio_url` agus labhraíonn sé téacs, ag tabhairt fuaim WAV ar ais ag 44.1kHz mona mar aon leis an síol a úsáideadh. Socraíonn `language` normalú téacs do en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn agus ko. Malartaíonn `accurate_mode` dlúthbhaint an ghutha ar son léiritheachais, agus is féidir sampláil a thiúnadh trí `temperature`, `top_p`, `min_p`, `top_k` agus `max_tokens` (suas le 6144).

Paraiméadair

AinmCineál RéamhshocrúCeadaithe Cur síos
reference_audio_urlriachtanach
Cineálurl · audio
Fuaim a sholáthraíonn an guth foinse le haghaidh clónála.
languageroghnach
Cineálstring
Réamhshocrúen_us
Roghnú teanga le haghaidh normalú téacs, a scipeáiltear mura bhfuil an cód ar cheann díobh seo: en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko.
seedroghnach
Cineálinteger | null
0 – 2,147,483,647
Síl a chumasaíonn torthaí in-atáirgthe; roghnaítear go randamach í mura sonraítear í.
accurate_moderoghnach
Cineálboolean
Réamhshocrútrue
Meaitseáil gutha i gcomparáid le léiritheacht: is fearr le True meaitseáil níos cruinne, agus is fearr le False caint níos léiritheacha.
clean_speaker_backgroundroghnach
Cineálboolean
Réamhshocrúfalse
Léiríonn sé go bhfuil cúlra glan ag an bhfuaim thagartha.
temperatureroghnach
Cineálnumber
Réamhshocrú1.15
0 – 2
Teocht a úsáidtear le haghaidh samplála.
top_proghnach
Cineálnumber
Réamhshocrú0
0 – 1
Dóchúlacht le haghaidh sampláil núicléise; socraigh go 0 í chun í a dhíchumasú.
min_proghnach
Cineálnumber
Réamhshocrú0.18
0 – 1
Tairseach dóchúlachta le haghaidh sampláil íos-dhóchúlachta.
top_kroghnach
Cineálinteger
Réamhshocrú106
0 – 2,048
Teorainn le haghaidh sampláil top-k; socraigh go 0 í chun í a dhíchumasú.
max_tokensroghnach
Cineálinteger | null
1 – 6,144
Uasteorainn ghiniúint frámaí fuaime, agus teorainn chomhthéacs na samhla á húsáid mura soláthraítear uasmhéid.
enable_safety_checkerroghnach
Cineálboolean
Réamhshocrútrue
Is féidir an scagadh a mhaolú trí false a shocrú, ar choinníoll go bhfuil údarú ag an nglaoiteoir.
riachtanach

Glacann paraiméadair chomhaid le URL poiblí https://, URI data: suas le 10 MB, nó file_url uaslódála. Comhaid

Aschur

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"
  }
}
Do chuid comhad, do roghaIs cóip ar ár stóráil é gach outputs[].url: coinnithe go deo (íoctha in aghaidh GB-mhí) nó ar feadh 7 lá saor in aisce, de réir shocrú do chuntais nó ?storage=.
An cruth céanna ar gach samhailtype, url, content_type, width, height agus duration, d'íomhánna, d'fhíseáin agus d'fhuaim araon. Is é output réad toraidh na samhla féin.
Réimsí aschuir
audio
object {url, content_type, file_name, file_size}Aschur fuaime i bhformáid WAV, le ráta samplála 44.1kHz agus cainéal mona.
seed
integerLuach síl a chuirtear i bhfeidhm le linn giniúna.

Do ghníomhairí AI: tá an leathanach seo mar Markdown ag https://doitong.com/ga/developers/models/zonos2.md. Gach samhail agus treoir: https://doitong.com/developers/llms.txt