Ugrás a tartalomhoz

Maya1

Integráció

Modellazonosító maya
# 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?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"

Ez a kérés: ≈0,049 $ 49 API-jóváírás Futtatás ezen az oldalon

API-kulcs beszerzése
Maya Research Szövegből beszéd #text-to-speech#tts

Kifejező szövegfelolvasás hangleíró prompttal és beágyazott érzelemcímkékkel

Maya Research · Hang

Az első eredményed itt jelenik meg

Állíts össze egy kérést alább, majd futtasd az API-kulcsoddal. A kimeneteket a tárhelyünkre másoljuk, és örökre vagy 7 nap ideig ingyenesen őrizzük meg.

Kérés összeállítása

A vezérlők a modell sémájából jönnek létre. A kód és az ár a módosításokkal együtt frissül.

•kötelező 50 / 5000

Beszédszintézishez használt szöveg, amely bármely pozícióban támogatja a <emotion_name> formátumú érzelemcímkéket, például: 'Hello world! <excited> This is amazing!' vagy 'I can't believe this <sigh> happened again.'. A támogatott érzelmek: curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder és laugh.

•kötelező 50 / 500

A leírandó hang- vagy karakterjellemzők, például intenzitás, hangszín, tempó, timbre, hangmagasság, akcentus és életkor.

Speciális sample_rate · output_format · temperature · top_p · max_tokens · repetition_penalty · enable_safety_checker
sample_rate alapértelmezett: 48 kHz

Hangmintavételi frekvencia: gyorsabb feldolgozás 24 kHz-en vagy jobb minőségű kimenet 48 kHz-en.

output_format alapértelmezett: wav

A szintetizált beszédhez használt hangfájlformátum.

alapértelmezett: 0.4

A hang változatosságát szabályozó mintavételi hőmérséklet: növelése több változatosságot eredményez, míg a 0.2–0.5 közötti alacsonyabb tartomány stabilitást és következetességet biztosít.

alapértelmezett: 0.9

A tokenkiválasztás változatosságát beállító nucleus-mintavételezés.

alapértelmezett: 2000

Az SNAC-tokenek kerete, amely képkockánként 7 tokennel korlátozza a hang időtartamát.

alapértelmezett: 1.1

A tokenismétlésre alkalmazott büntetés. Növelése csökkenti az ismétlési hibákat.

POST /run/maya?wait=20 ár → 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?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"

Kérés futtatása

A kulcsod ebben a böngészőben marad: csak a Doitong API-nak küldjük el, és csak akkor mentjük a localStorage-ba, ha bejelölöd az Emlékezz rám lehetőséget. API-kulcs igénylése

A(z) Maya1 bemutatása

Legfeljebb 5000 karakteres szöveget alakít beszéddé. A legfeljebb 500 karakteres, kötelező `prompt` a hangot írja le, például az életkort, a kiejtést és a hangszínt. Olyan érzelemcímkék ágyazhatók a szövegbe, mint a laugh vagy a whisper. Választható a 48 kHz-es vagy 24 kHz-es mintavételezési frekvencia, valamint a wav vagy mp3 kimenet; a `max_tokens` korlátozza a hang hosszát.

Paraméterek

NévTípus AlapértelmezettEngedélyezett Leírás
textkötelező
Típusstring
≤ 5000 karakter
Beszédszintézishez használt szöveg, amely bármely pozícióban támogatja a <emotion_name> formátumú érzelemcímkéket, például: 'Hello world! <excited> This is amazing!' vagy 'I can't believe this <sigh> happened again.'. A támogatott érzelmek: curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder és laugh.
promptkötelező
Típusstring
≤ 500 karakter
A leírandó hang- vagy karakterjellemzők, például intenzitás, hangszín, tempó, timbre, hangmagasság, akcentus és életkor.
temperaturenem kötelező
Típusnumber
Alapértelmezett0.4
0 – 2
A hang változatosságát szabályozó mintavételi hőmérséklet: növelése több változatosságot eredményez, míg a 0.2–0.5 közötti alacsonyabb tartomány stabilitást és következetességet biztosít.
top_pnem kötelező
Típusnumber
Alapértelmezett0.9
0 – 1
A tokenkiválasztás változatosságát beállító nucleus-mintavételezés.
max_tokensnem kötelező
Típusinteger
Alapértelmezett2000
28 – 4000
Az SNAC-tokenek kerete, amely képkockánként 7 tokennel korlátozza a hang időtartamát.
repetition_penaltynem kötelező
Típusnumber
Alapértelmezett1.1
1 – 2
A tokenismétlésre alkalmazott büntetés. Növelése csökkenti az ismétlési hibákat.
sample_ratenem kötelező
Típusenum
Alapértelmezett48 kHz
48 kHz24 kHz
Hangmintavételi frekvencia: gyorsabb feldolgozás 24 kHz-en vagy jobb minőségű kimenet 48 kHz-en.
output_formatnem kötelező
Típusenum
Alapértelmezettwav
wavmp3
A szintetizált beszédhez használt hangfájlformátum.
enable_safety_checkernem kötelező
Típusboolean
Alapértelmezetttrue
A szűrés a false érték beállításával enyhíthető, ha a hívó jogosult erre.
kötelező

Kimenet

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "maya",
  "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"
  }
}
Az Ön fájljai, az Ön döntéseMinden outputs[].url a tárhelyünkön lévő másolat: örökre megőrizve (GB-hónaponként fizetve) vagy 7 nap ideig ingyenesen, a fiókbeállításod vagy a ?storage= alapján.
Azonos struktúra minden modellentype, url, content_type, width, height és duration képekhez, videókhoz és hanganyagokhoz egyaránt. Az output a modell saját eredményobjektuma.
A kimenet mezői
audio
object {url, content_type, file_name, file_size}Generált beszédfájl WAV vagy MP3 formátumban, monó hanggal 24 kHz-en vagy 48 kHz-en, az upsampler beállítása szerint.
duration
numberA hangkimenet hossza másodpercben.
sample_rate
stringA hangkimenet mintavételi frekvenciája.
generation_time
numberA hanggenerálás ideje másodpercben.
rtf
numberA generation_time és az audio_duration hányadosaként számított valós idejű tényező; az alacsonyabb érték jobb teljesítményt jelez.

További modellek: Szövegből beszéd

AI-ügynököknek: ez az oldal Markdown formátumban itt található: https://doitong.com/hu/developers/models/maya.md. Minden modell és útmutató: https://doitong.com/developers/llms.txt