Leum chun t-susbaint

Tada

Amalaich

ID a’ mhodail tada/3b/text-to-speech
# 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/tada/3b/text-to-speech?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "prompt": "Hello from Doitong. This is a short test sentence."
  }'

# 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"

An t-iarrtas seo: $0.004 4 creideasan API Ruith e air an duilleig seo

Faigh iuchair API
Open model Teacsa gu Òraid

Teacsa-gu-cainnt le clonadh gutha a leughas do theacsa ann an guth criomag iomraidh, le 10 còdan cànain

Open model · Fuaim

Thèid a’ chiad toradh agad an-seo

Tog iarrtas gu h-ìosal agus ruith e leis an iuchair API agad. Tha na h-às-churan air an lethbhreacadh dhan stòradh againn, air an cumail gu bràth no 7 latha an-asgaidh.

Tog iarrtas

Tha na smachdan air an cruthachadh bho sgeama a’ mhodail. Bidh an còd agus a’ phrìs ag ùrachadh fhad ’s a dh’atharraicheas tu iad.

•riatanach

Susbaint cainnte air a sholarachadh mar theacsa; bidh an neach-labhairt iomraidh a’ toirt seachad a’ ghutha a thèid a chleachdadh airson a riochdachadh.

•riatanach audio_url
Leig às faidhle, no

Stòr clonadh gutha air a sholarachadh mar URL faidhle claisneachd, a’ comharrachadh an neach-labhairt aig a bheil feartan gutha a bu chòir don mhodail ath-riochdachadh.

Adhartach output_format · transcript · language · num_extra_steps · temperature · top_p · repetition_penalty · acoustic_cfg_scale · noise_temperature · num_inference_steps · speed_up_factor · enable_safety_checker
output_format bun-roghainn wav

Cruth faidhle na claisneachd gineadh.

bun-roghainn

Tar-sgrìobhadh claisneachd iomraidh a dh’fheumar airson clàraidhean ann an cànanan seach Beurla; tha tar-sgrìobhadh fèin-obrachail ri fhaighinn airson Beurla a-mhàin.

bun-roghainn en

Còd cànain co-thaobhadh teacsa, a dh’fheumas a bhith co-ionann ri cànan an t-synthesis nuair a thathar a’ gineadh cainnt ann an cànan seach Beurla.

bun-roghainn 0

Àireamh cheumannan autoregressive a bharrachd airson prosody no sàmhchair dheireannaich a chur ris le bhith a’ leantainn na cainnte seachad air an teacsa a chaidh a sholarachadh.

bun-roghainn 0.6

Teòthachd samplachaidh tòcan-teacsa: le bhith ga àrdachadh, cuiridh e iomadachd ris an às-chur, agus chan eil 0 no nas lugha ceadaichte.

bun-roghainn 0.9

Suidheachadh samplachaidh Top-p (nucleus) a thathar a’ cleachdadh gus teacsa a ghineadh.

bun-roghainn 1.1

Peanas airson ath-aithris tòcan fhad ’s a thathar a’ gineadh às-chur.

bun-roghainn 1.6

Neart stiùiridh gun chlas a thathar a’ cleachdadh gus feartan fuaimneach a ghineadh.

bun-roghainn 0.9

Teòthachd fuaim a thathar a’ cleachdadh rè sgaoileadh flow-matching.

bun-roghainn 20

Àireamh cheumannan an fhuasglaiche ODE a thathar a’ cleachdadh gus fuaimean a ghineadh tro flow matching.

bun-roghainn 1

Iomadadair astair cainnte: bidh cainnt gineadh nas slaodaiche fo 1.0 agus nas luaithe os cionn 1.0.

POST /run/tada/3b/text-to-speech?wait=20 tuairmse → $0.004
# 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/tada/3b/text-to-speech?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "prompt": "Hello from Doitong. This is a short test sentence."
  }'

# 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"

Ruith an t-iarrtas seo

Fuirichidh an iuchair agad sa bhrobhsair seo: thèid a cur chun Doitong API a-mhàin agus a sàbhaladh (localStorage) a-mhàin ma chuireas tu comharra ri Cuimhnich. Faigh iuchair API

Mu Tada

Clonaidh e neach-labhairt bho chriomag iomraidh (`audio_url`) agus leughaidh e an teacsa `prompt` san ghuth sin. Gabhaidh an roghainn `language` ri en, ar, ch, de, es, fr, it, ja, pl agus pt. Airson iomraidhean nach eil sa Bheurla, thoir seachad `transcript`, oir chan eil an aithneachadh togte ag obair ach sa Bheurla. Faodar an astar atharrachadh bho 0.5 gu 2, agus tha an toradh wav no mp3.

Paramadairean

Cuir an t-ainm canonical no an t-ainm dùthchasach, chan e an dà chuid. Ainmean canonical

AinmSeòrsa Bun-roghainnCeadaichte Tuairisgeul
audio_urlriatanach audio
Seòrsaurl · audio
Stòr clonadh gutha air a sholarachadh mar URL faidhle claisneachd, a’ comharrachadh an neach-labhairt aig a bheil feartan gutha a bu chòir don mhodail ath-riochdachadh.
transcriptroghainneil
Seòrsastring
Bun-roghainn
Tar-sgrìobhadh claisneachd iomraidh a dh’fheumar airson clàraidhean ann an cànanan seach Beurla; tha tar-sgrìobhadh fèin-obrachail ri fhaighinn airson Beurla a-mhàin.
promptriatanach
Seòrsastring
Susbaint cainnte air a sholarachadh mar theacsa; bidh an neach-labhairt iomraidh a’ toirt seachad a’ ghutha a thèid a chleachdadh airson a riochdachadh.
languageroghainneil
Seòrsaenum
Bun-roghainnen
enarchdeesfritjaplpt
Còd cànain co-thaobhadh teacsa, a dh’fheumas a bhith co-ionann ri cànan an t-synthesis nuair a thathar a’ gineadh cainnt ann an cànan seach Beurla.
num_extra_stepsroghainneil
Seòrsainteger
Bun-roghainn0
0 – 50
Àireamh cheumannan autoregressive a bharrachd airson prosody no sàmhchair dheireannaich a chur ris le bhith a’ leantainn na cainnte seachad air an teacsa a chaidh a sholarachadh.
temperatureroghainneil
Seòrsanumber
Bun-roghainn0.6
≤ 2> 0
Teòthachd samplachaidh tòcan-teacsa: le bhith ga àrdachadh, cuiridh e iomadachd ris an às-chur, agus chan eil 0 no nas lugha ceadaichte.
top_proghainneil
Seòrsanumber
Bun-roghainn0.9
0 – 1
Suidheachadh samplachaidh Top-p (nucleus) a thathar a’ cleachdadh gus teacsa a ghineadh.
repetition_penaltyroghainneil
Seòrsanumber
Bun-roghainn1.1
1 – 2
Peanas airson ath-aithris tòcan fhad ’s a thathar a’ gineadh às-chur.
acoustic_cfg_scaleroghainneil
Seòrsanumber
Bun-roghainn1.6
0 – 10
Neart stiùiridh gun chlas a thathar a’ cleachdadh gus feartan fuaimneach a ghineadh.
noise_temperatureroghainneil
Seòrsanumber
Bun-roghainn0.9
0 – 2
Teòthachd fuaim a thathar a’ cleachdadh rè sgaoileadh flow-matching.
num_inference_stepsroghainneil
Seòrsainteger
Bun-roghainn20
1 – 50
Àireamh cheumannan an fhuasglaiche ODE a thathar a’ cleachdadh gus fuaimean a ghineadh tro flow matching.
speed_up_factorroghainneil
Seòrsanumber
Bun-roghainn1
0.5 – 2
Iomadadair astair cainnte: bidh cainnt gineadh nas slaodaiche fo 1.0 agus nas luaithe os cionn 1.0.
output_formatroghainneil
Seòrsaenum
Bun-roghainnwav
wavmp3
Cruth faidhle na claisneachd gineadh.
enable_safety_checkerroghainneil
Seòrsaboolean
Bun-roghainntrue
Faodar sgrìonadh a shocrachadh le false, ma tha cead aig an neach-gairm.
riatanach Ainm canonical, gabhar ris cuideachd

Gabhaidh paramadairean faidhle ri URL poblach https://, URI data: suas ri 10 MB, no file_url de luchdachadh suas. Faidhlichean

Toradh

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "tada/3b/text-to-speech",
  "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": 4,
    "usd": "0.004",
    "charged": 4,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "prompt": "Hello from Doitong. This is a short test sentence."
  },
  "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,
      "channels": 1,
      "sample_rate": 1,
      "bitrate": "string"
    }
  },
  "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"
  }
}
Na faidhlichean agad, do roghainnTha gach outputs[].url na lethbhreac air an stòradh againn: air a chumail gu bràth (air a phàigheadh gach GB-mìos) no 7 latha an-asgaidh, a rèir suidheachadh a’ chunntais agad no ?storage=.
An aon chruth air gach modailtype, url, content_type, width, height agus duration, airson dealbhan, bhidio agus fuaim le chèile. ’S e output nì toraidh a’ mhodail fhèin.
Raointean toraidh
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Faidhle claisneachd anns a bheil a’ chainnt cho-churtha.

Barrachd mhodalan: Teacsa gu Òraid

Do riochdairean AI: tha an duilleag seo mar Markdown aig https://doitong.com/gd/developers/models/tada/3b/text-to-speech.md. Na modailean agus na treòraichean uile: https://doitong.com/developers/llms.txt