Prijeđi na sadržaj

VibeVoice 7B

Integriraj

ID modela 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"

Ovaj zahtjev: ≈0,04 $ 40 API kredita Pokreni na ovoj stranici

Nabavi API ključ
Microsoft Tekst u govor #text-to-speech#multi-speaker#podcast

Veći model VibeVoice za dijaloge s više govornika, sa skriptama do 30000 znakova

Microsoft · 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 88 / 30000

Skripta govornog ulaza, s neobaveznim oznakama 'Speaker X:' za razlikovanje govornika u dijalogu.

•obavezno

Govornici se automatski zaključuju pomoću skripte ili zadanih uzoraka glasa; navedite popis kako biste ih izričito odredili.

Napredno cfg_scale · seed · enable_safety_checker
zadano 1.3

Snaga CFG-a (Classifier-Free Guidance) određuje koliko pomno generiranje slijedi tekst, pri čemu veće postavke donose bolje pridržavanje.

Nasumični seed koji omogućuje ponovljivost generiranja.

POST /run/vibevoice/7b?wait=20 cijena → 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"

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 VibeVoice 7B

Pretvara `script` duljine do 30000 znakova u govor, s prefiksima 'Speaker X:' za dijalog i obaveznim popisom `speakers` za glasove. `cfg_scale` kreće se od 1 do 2, a `seed` omogućuje ponovljiv izlaz. Ovo je verzija 7B te obitelji, s kraćim ograničenjem teksta od modela 1.5B.

Parametri

NazivVrsta ZadanoDopušteno Opis
scriptobavezno
Vrstastring
≤ 30.000 znakova
Skripta govornog ulaza, s neobaveznim oznakama 'Speaker X:' za razlikovanje govornika u dijalogu.
speakersobavezno
Vrstaobject[]
Govornici se automatski zaključuju pomoću skripte ili zadanih uzoraka glasa; navedite popis kako biste ih izričito odredili.
speakers[].presetneobavezno
Vrstaenum
ZadanoAlice [EN]
Alice [EN]Carter [EN]Frank [EN]Mary [EN] (Background Music)Maya [EN]Anchen [ZH] (Background Music)Bowen [ZH]Xinran [ZH]
Rezervirani predložak glasa za govornika bez `audio_url`; zadavanje tog audio uzorka ima prednost pred predloškom.
speakers[].audio_urlneobavezno
Vrstaurl · audio
URL audio datoteke s uzorkom glasa; njegovo zadavanje nadjačava `preset`.
seedneobavezno
Vrstainteger | null
Nasumični seed koji omogućuje ponovljivost generiranja.
cfg_scaleneobavezno
Vrstanumber
Zadano1.3
1 – 2
Snaga CFG-a (Classifier-Free Guidance) određuje koliko pomno generiranje slijedi tekst, pri čemu veće postavke donose bolje pridržavanje.
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": "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"
  }
}
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}Audio datoteka koja sadržava sintetizirani govor.
duration
numberDuljina audio izlaza, izražena u sekundama.
sample_rate
integerFrekvencija 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/vibevoice/7b.md. Svi modeli i vodiči: https://doitong.com/developers/llms.txt