Lompat ke konten

VibeVoice 7B

Integrasikan

ID model 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"

Permintaan ini: ≈$0,04 40 kredit API Jalankan di halaman ini

Dapatkan kunci API
Microsoft Teks ke Suara #text-to-speech#multi-speaker#podcast

Model VibeVoice yang lebih besar untuk dialog multi-pembicara, dengan skrip hingga 30000 karakter

Microsoft · Audio

Hasil pertama Anda akan muncul di sini

Buat permintaan di bawah ini dan jalankan dengan kunci API Anda. Output disalin ke penyimpanan kami, disimpan selamanya atau 7 hari gratis.

Buat permintaan

Kontrol dibuat dari skema model. Kode dan harga diperbarui saat Anda mengubahnya.

•wajib 88 / 30000

Skrip input suara, dengan label opsional 'Speaker X:' untuk membedakan pembicara dalam dialog.

•wajib

Pembicara disimpulkan secara otomatis menggunakan skrip atau sampel suara yang diberikan; berikan daftar untuk menetapkannya secara eksplisit.

Lanjutan cfg_scale · seed · enable_safety_checker
bawaan 1.3

Kekuatan CFG (Classifier-Free Guidance) menentukan seberapa dekat pembuatan mengikuti teks, dengan kepatuhan yang lebih kuat pada pengaturan yang lebih tinggi.

Seed acak yang membuat pembuatan dapat direproduksi.

POST /run/vibevoice/7b?wait=20 estimasi harga → $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"

Jalankan permintaan ini

Key Anda tetap berada di browser ini: key hanya dikirim ke Doitong API dan disimpan (localStorage) hanya jika Anda mencentang Ingat. Dapatkan kunci API

Tentang VibeVoice 7B

Mengubah `script` hingga 30000 karakter menjadi suara, dengan awalan 'Speaker X:' untuk dialog dan daftar `speakers` yang wajib diisi untuk menentukan suara. `cfg_scale` berkisar antara 1 hingga 2 dan `seed` memungkinkan output yang dapat direproduksi. Ini adalah versi 7B dari keluarga model tersebut, dengan batas teks lebih pendek daripada model 1.5B.

Parameter

NamaTipe BawaanDiizinkan Deskripsi
scriptwajib
Tipestring
≤ 30.000 karakter
Skrip input suara, dengan label opsional 'Speaker X:' untuk membedakan pembicara dalam dialog.
speakerswajib
Tipeobject[]
Pembicara disimpulkan secara otomatis menggunakan skrip atau sampel suara yang diberikan; berikan daftar untuk menetapkannya secara eksplisit.
speakers[].presetopsional
Tipeenum
BawaanAlice [EN]
Alice [EN]Carter [EN]Frank [EN]Mary [EN] (Background Music)Maya [EN]Anchen [ZH] (Background Music)Bowen [ZH]Xinran [ZH]
Preset suara cadangan untuk pembicara tanpa `audio_url`; pemberian sampel audio tersebut lebih diprioritaskan daripada preset.
speakers[].audio_urlopsional
Tipeurl · audio
URL file audio sampel suara; pemberiannya menggantikan `preset`.
seedopsional
Tipeinteger | null
Seed acak yang membuat pembuatan dapat direproduksi.
cfg_scaleopsional
Tipenumber
Bawaan1.3
1 – 2
Kekuatan CFG (Classifier-Free Guidance) menentukan seberapa dekat pembuatan mengikuti teks, dengan kepatuhan yang lebih kuat pada pengaturan yang lebih tinggi.
enable_safety_checkeropsional
Tipeboolean
Bawaantrue
Penyaringan dapat dilonggarkan dengan menetapkan false, jika pemanggil berwenang.
wajib

Output

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"
  }
}
File Anda, pilihan AndaSetiap outputs[].url adalah salinan di penyimpanan kami: disimpan selamanya (dikenai biaya per GB-bulan) atau 7 hari gratis, sesuai setelan akun atau ?storage=.
Struktur sama di setiap modeltype, url, content_type, width, height, dan duration, untuk gambar, video, dan audio. output adalah objek hasil milik model.
Field output
audio
object {url, content_type, file_name, file_size}File audio yang berisi suara hasil sintesis.
duration
numberPanjang output audio, diukur dalam detik.
sample_rate
integerLaju sampling output audio.
generation_time
numberWaktu pembuatan audio, diukur dalam detik.
rtf
numberFaktor waktu nyata yang dihitung sebagai generation_time dibagi audio_duration; nilai yang lebih kecil menunjukkan performa yang lebih baik.

Model lainnya: Teks ke Suara

Untuk agen AI: halaman ini dalam Markdown tersedia di https://doitong.com/id/developers/models/vibevoice/7b.md. Semua model dan panduan: https://doitong.com/developers/llms.txt