Prijeđi na sadržaj

Maya · Stream

Integriraj

ID modela maya/stream
# 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/maya/stream?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence.",
    "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"

Ovaj zahtjev: ≈0,049 $ 49 API kredita Pokreni na ovoj stranici

Nabavi API ključ
Maya Research Tekst u govor #text-to-speech#tts

Varijanta Maya pretvaranja teksta u govor sa strujanjem za jedan tekst i opis glasa

Maya Research · Zvuk

Vaš prvi rezultat bit će ovdje

Izradite zahtjev u nastavku i pokrenite ga svojim API ključem. Izlazi se kopiraju u našu pohranu i čuvaju zauvijek ili 7 dana besplatno.

Izradi zahtjev

Kontrole se generiraju iz sheme modela. Kôd i cijena ažuriraju se dok ih mijenjate.

•obavezno 50 / 5000

Tekst za sintezu govora koji dopušta oznake emocija u obliku <emotion_name> na bilo kojem mjestu, kao u 'Hello world! <excited> This is amazing!' ili 'I can't believe this <sigh> happened again.'. Podržane emocije su curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder i laugh.

•obavezno 50 / 500

Osobine glasa ili lika koje treba opisati, kao što su intenzitet, ton, tempo, boja glasa, visina tona, naglasak i dob.

Napredno sample_rate · output_format · temperature · top_p · max_tokens · repetition_penalty · enable_safety_checker
sample_rate zadano 48 kHz

Odabir frekvencije uzorkovanja audija između brže obrade pri 24 kHz i kvalitetnijeg izlaza pri 48 kHz.

output_format zadano wav

Format audio datoteke koji se koristi za sintetizirani govor.

zadano 0.4

Temperatura uzorkovanja koja upravlja varijacijom audija: povećanje donosi veću raznolikost, dok niži raspon od 0.2–0.5 pogoduje stabilnosti i dosljednosti.

zadano 0.9

Postavka jezgrenog uzorkovanja koja prilagođava raznolikost odabira tokena.

zadano 2000

Proračun SNAC tokena koji ograničava trajanje audija, izračunat kao 7 tokena za svaku sličicu.

zadano 1.1

Penalizacija koja se primjenjuje na ponavljanje tokena. Povećanjem se potiskuju artefakti ponavljanja.

POST /run/maya/stream?wait=20 cijena → 0,049 $
# 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/maya/stream?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence.",
    "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"

Pokreni ovaj zahtjev

Vaš ključ ostaje u ovom pregledniku: šalje se samo Doitong API-ju i sprema u localStorage samo ako označite Zapamti. Nabavite API ključ

O modelu Maya · Stream

Pretvara jedan tekst do 5000 znakova u govor, uz obavezni `prompt` s opisom glasa do 500 znakova i ugradive oznake emocija. Opcije uključuju `temperature`, `top_p`, `repetition_penalty`, frekvenciju uzorkovanja 48 ili 24 kHz te izlaz wav ili mp3. Vraća zvuk s trajanjem i faktorom u stvarnom vremenu.

Parametri

NazivVrsta ZadanoDopušteno Opis
textobavezno
Vrstastring
≤ 5.000 znakova
Tekst za sintezu govora koji dopušta oznake emocija u obliku <emotion_name> na bilo kojem mjestu, kao u 'Hello world! <excited> This is amazing!' ili 'I can't believe this <sigh> happened again.'. Podržane emocije su curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder i laugh.
promptobavezno
Vrstastring
≤ 500 znakova
Osobine glasa ili lika koje treba opisati, kao što su intenzitet, ton, tempo, boja glasa, visina tona, naglasak i dob.
temperatureneobavezno
Vrstanumber
Zadano0.4
0 – 2
Temperatura uzorkovanja koja upravlja varijacijom audija: povećanje donosi veću raznolikost, dok niži raspon od 0.2–0.5 pogoduje stabilnosti i dosljednosti.
top_pneobavezno
Vrstanumber
Zadano0.9
0 – 1
Postavka jezgrenog uzorkovanja koja prilagođava raznolikost odabira tokena.
max_tokensneobavezno
Vrstainteger
Zadano2000
28 – 4.000
Proračun SNAC tokena koji ograničava trajanje audija, izračunat kao 7 tokena za svaku sličicu.
repetition_penaltyneobavezno
Vrstanumber
Zadano1.1
1 – 2
Penalizacija koja se primjenjuje na ponavljanje tokena. Povećanjem se potiskuju artefakti ponavljanja.
sample_rateneobavezno
Vrstaenum
Zadano48 kHz
48 kHz24 kHz
Odabir frekvencije uzorkovanja audija između brže obrade pri 24 kHz i kvalitetnijeg izlaza pri 48 kHz.
output_formatneobavezno
Vrstaenum
Zadanowav
wavmp3
Format audio datoteke koji se koristi za sintetizirani govor.
enable_safety_checkerneobavezno
Vrstaboolean
Zadanotrue
Provjera se može ublažiti postavljanjem na false, ako je pozivatelj ovlašten.
obavezno

Izlaz

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "maya/stream",
  "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": 49,
    "usd": "0.049",
    "charged": 49,
    "refunded": 0
  },
  "input": {
    "text": "Hello from Doitong. This is a short test sentence.",
    "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,
    "sample_rate": "48 kHz",
    "generation_time": 2.3,
    "rtf": 0.51
  },
  "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"
  }
}
Vaše datoteke, vaš izborSvaki outputs[].url kopija je u našoj pohrani: čuva se zauvijek (naplaćuje se po GB-mjesecu) ili 7 dana besplatno, prema postavci računa ili ?storage=.
Isti oblik na svakom modelutype, url, content_type, width, height i duration za slike, videozapise i zvuk. output je vlastiti objekt rezultata modela.
Polja izlaza
audio
object {url, content_type, file_name, file_size}Generirana datoteka govora u formatu WAV ili MP3, s mono audiom pri 24 kHz ili 48 kHz, kako odredi povećavač frekvencije uzorkovanja.
duration
numberDuljina audio izlaza, izražena u sekundama.
sample_rate
stringFrekvencija uzorkovanja audio izlaza.
generation_time
numberVrijeme generiranja audija, izraženo u sekundama.
rtf
numberFaktor stvarnog vremena izračunat kao generation_time podijeljen s audio_duration; manje vrijednosti označavaju bolje performanse.

Više modela: Tekst u govor

Za AI agente: ova je stranica u Markdownu dostupna na https://doitong.com/hr/developers/models/maya/stream.md. Svi modeli i vodiči: https://doitong.com/developers/llms.txt