Sleppa yfir í efni

Tada

Tengja

Auðkenni líkans 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"

Þessi beiðni: 0,004 $ 4 API-inneignir Keyra á þessari síðu

Fá API-lykil
Open model Texti í tal

Texti-í-tal með raddklónun sem les textann þinn með rödd viðmiðunarklippu, með 10 tungumálakóðum

Open model · Hljóð

Fyrsta niðurstaðan þín birtist hér

Búðu til beiðni hér að neðan og keyrðu hana með API-lyklinum þínum. Úttök eru afrituð í geymsluna okkar og geymd að eilífu eða 7 dagar án kostnaðar.

Búa til beiðni

Stýringar eru búnar til út frá líkanaskemanu. Kóðinn og verðið uppfærast þegar þú breytir þeim.

•áskilið

Talefni gefið upp sem texti; viðmiðunarræðumaðurinn leggur til röddina sem er notuð til að lesa það.

•áskilið audio_url
Slepptu skrá eða

Uppruni raddafritunar sem er gefinn upp sem slóð á hljóðskrá og auðkennir ræðumanninn sem líkanið á að líkja eftir með raddareinkennum hans.

Ítarlegt 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 sjálfgefið wav

Skráarsnið fyrir myndað hljóð.

sjálfgefið

Umritun viðmiðunarhljóðs sem verður að gefa upp fyrir upptökur á öðrum tungumálum en ensku; sjálfvirk umritun er aðeins innbyggð fyrir ensku.

sjálfgefið en

Tungumálakóði fyrir textasamstillingu, sem verður að samsvara tungumáli talgervingar þegar tal er myndað á öðru tungumáli en ensku.

sjálfgefið 0

Aukafjöldi sjálfvirkra skrefa til að bæta við eftirfarandi hljómfalli eða þögn með því að halda talinu áfram eftir gefinn texta.

sjálfgefið 0.6

Hitastig við sýnatöku textatákna: hækkun þess eykur fjölbreytni úttaks og 0 eða lægra gildi er ekki leyft.

sjálfgefið 0.9

Top-p-sýnatökustilling (kjarni) sem er notuð til að mynda texta.

sjálfgefið 1.1

Refsing fyrir endurtekningu tákna við myndun úttaks.

sjálfgefið 1.6

Styrkur classifier-free guidance sem er notaður til að mynda hljóðeinkenni.

sjálfgefið 0.9

Suðhitastig sem er notað við flæðissamsvörunardreifingu.

sjálfgefið 20

Fjöldi ODE-leysisskrefa sem er notaður til að mynda hljóð með flæðissamsvörun.

sjálfgefið 1

Margfaldari talhraða: myndað tal verður hægara undir 1.0 og hraðara yfir 1.0.

POST /run/tada/3b/text-to-speech?wait=20 verðtilboð → 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"

Keyra þessa beiðni

Lykillinn þinn er áfram í þessum vafra: hann er aðeins sendur til Doitong API og vistaður í localStorage aðeins ef þú hakar við Muna. Fá API-lykil

Um Tada

Klónar talanda úr viðmiðunarklippu (`audio_url`) og les textann í `prompt` með þeirri rödd. `language` tekur við en, ar, ch, de, es, fr, it, ja, pl og pt. Fyrir viðmiðanir sem eru ekki á ensku þarf að gefa upp `transcript`, þar sem innbyggð greining styður aðeins ensku. Hægt er að stilla hraða frá 0.5 til 2 og úttakið er wav eða mp3.

Færibreytur

Sendu annaðhvort samræmda heitið eða upprunalega heitið, ekki bæði. Samræmd heiti

HeitiGerð SjálfgefiðLeyfilegt Lýsing
audio_urláskilið audio
Gerðurl · audio
Uppruni raddafritunar sem er gefinn upp sem slóð á hljóðskrá og auðkennir ræðumanninn sem líkanið á að líkja eftir með raddareinkennum hans.
transcriptvalfrjálst
Gerðstring
Sjálfgefið
Umritun viðmiðunarhljóðs sem verður að gefa upp fyrir upptökur á öðrum tungumálum en ensku; sjálfvirk umritun er aðeins innbyggð fyrir ensku.
promptáskilið
Gerðstring
Talefni gefið upp sem texti; viðmiðunarræðumaðurinn leggur til röddina sem er notuð til að lesa það.
languagevalfrjálst
Gerðenum
Sjálfgefiðen
enarchdeesfritjaplpt
Tungumálakóði fyrir textasamstillingu, sem verður að samsvara tungumáli talgervingar þegar tal er myndað á öðru tungumáli en ensku.
num_extra_stepsvalfrjálst
Gerðinteger
Sjálfgefið0
0 – 50
Aukafjöldi sjálfvirkra skrefa til að bæta við eftirfarandi hljómfalli eða þögn með því að halda talinu áfram eftir gefinn texta.
temperaturevalfrjálst
Gerðnumber
Sjálfgefið0.6
≤ 2> 0
Hitastig við sýnatöku textatákna: hækkun þess eykur fjölbreytni úttaks og 0 eða lægra gildi er ekki leyft.
top_pvalfrjálst
Gerðnumber
Sjálfgefið0.9
0 – 1
Top-p-sýnatökustilling (kjarni) sem er notuð til að mynda texta.
repetition_penaltyvalfrjálst
Gerðnumber
Sjálfgefið1.1
1 – 2
Refsing fyrir endurtekningu tákna við myndun úttaks.
acoustic_cfg_scalevalfrjálst
Gerðnumber
Sjálfgefið1.6
0 – 10
Styrkur classifier-free guidance sem er notaður til að mynda hljóðeinkenni.
noise_temperaturevalfrjálst
Gerðnumber
Sjálfgefið0.9
0 – 2
Suðhitastig sem er notað við flæðissamsvörunardreifingu.
num_inference_stepsvalfrjálst
Gerðinteger
Sjálfgefið20
1 – 50
Fjöldi ODE-leysisskrefa sem er notaður til að mynda hljóð með flæðissamsvörun.
speed_up_factorvalfrjálst
Gerðnumber
Sjálfgefið1
0,5 – 2
Margfaldari talhraða: myndað tal verður hægara undir 1.0 og hraðara yfir 1.0.
output_formatvalfrjálst
Gerðenum
Sjálfgefiðwav
wavmp3
Skráarsnið fyrir myndað hljóð.
enable_safety_checkervalfrjálst
Gerðboolean
Sjálfgefiðtrue
Hægt er að slaka á skimun með því að stilla false, ef beiðandi hefur heimild.
áskilið Samræmt heiti, einnig samþykkt

Skrárfæribreytur taka við opinberri https://-vefslóð, data:-URI allt að 10 MB eða file_url fyrir upphleðslu. Skrár

Úttak

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"
  }
}
Skrárnar þínar, þitt valHvert outputs[].url er afrit í geymslunni okkar: geymt að eilífu (greitt fyrir hvert GB-mánuðargildi) eða 7 dagar án kostnaðar, eftir stillingu aðgangsins þíns eða ?storage=.
Sama lögun í öllum líkönumtype, url, content_type, width, height og duration, jafnt fyrir myndir, myndbönd og hljóð. output er eigið niðurstöðuhlutur líkansins.
Reitir úttaks
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Hljóðskrá sem inniheldur talgervt tal.

Fleiri líkön: Texti í tal

Fyrir gervigreindarþjóna: þessi síða á Markdown-sniði er á https://doitong.com/is/developers/models/tada/3b/text-to-speech.md. Öll líkön og leiðbeiningar: https://doitong.com/developers/llms.txt