Vai al contenuto

Maya · Stream

Integra

ID del modello 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"

Questa richiesta: ≈0,049 $ 49 crediti API Esegui in questa pagina

Ottieni la chiave API
Maya Research Da testo a voce #text-to-speech#tts

Variante in streaming della sintesi vocale Maya per un singolo testo con descrizione della voce

Maya Research · Audio

Il tuo primo risultato apparirà qui

Crea una richiesta qui sotto ed eseguila con la tua chiave API. Gli output vengono copiati nella nostra archiviazione, conservati per sempre oppure 7 giorni gratuitamente.

Crea una richiesta

I controlli vengono generati dallo schema del modello. Il codice e il prezzo si aggiornano mentre li modifichi.

•obbligatorio 50 / 5000

Testo per la sintesi vocale che consente tag emozionali nella forma <emotion_name> in qualsiasi posizione, come in 'Hello world! <excited> This is amazing!' o 'I can't believe this <sigh> happened again.'. Le emozioni supportate sono curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder e laugh.

•obbligatorio 50 / 500

Tratti della voce o del personaggio da descrivere, come intensità, tono, ritmo, timbro, altezza, accento ed età.

Avanzate sample_rate · output_format · temperature · top_p · max_tokens · repetition_penalty · enable_safety_checker
sample_rate predefinito 48 kHz

Scelta della frequenza di campionamento audio tra elaborazione più rapida a 24 kHz e output di qualità superiore a 48 kHz.

output_format predefinito wav

Formato del file audio utilizzato per la sintesi vocale.

predefinito 0.4

Temperatura di campionamento che controlla la variazione dell'audio: aumentandola si introduce maggiore varietà, mentre l'intervallo inferiore di 0.2–0.5 favorisce stabilità e coerenza.

predefinito 0.9

Impostazione del campionamento nucleus che regola la varietà nella selezione dei token.

predefinito 2000

budget di token SNAC che limita la durata dell'audio, calcolato a 7 token per fotogramma.

predefinito 1.1

Penalità applicata alla ripetizione dei token. Aumentandola si riducono gli artefatti di ripetizione.

POST /run/maya/stream?wait=20 preventivo → 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"

Esegui questa richiesta

La tua chiave rimane in questo browser: viene inviata solo al Doitong API e salvata in localStorage solo se selezioni Ricorda. Ottieni una chiave API

Informazioni su Maya · Stream

Converte in parlato un testo di massimo 5000 caratteri, con un `prompt` obbligatorio di descrizione della voce di massimo 500 caratteri e tag delle emozioni incorporabili. Le opzioni includono `temperature`, `top_p`, `repetition_penalty`, frequenza di campionamento di 48 o 24 kHz e output wav o mp3. Restituisce l'audio con durata e fattore in tempo reale.

Parametri

NomeTipo PredefinitoConsentiti Descrizione
textobbligatorio
Tipostring
≤ 5000 caratteri
Testo per la sintesi vocale che consente tag emozionali nella forma <emotion_name> in qualsiasi posizione, come in 'Hello world! <excited> This is amazing!' o 'I can't believe this <sigh> happened again.'. Le emozioni supportate sono curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder e laugh.
promptobbligatorio
Tipostring
≤ 500 caratteri
Tratti della voce o del personaggio da descrivere, come intensità, tono, ritmo, timbro, altezza, accento ed età.
temperaturefacoltativo
Tiponumber
Predefinito0.4
0 – 2
Temperatura di campionamento che controlla la variazione dell'audio: aumentandola si introduce maggiore varietà, mentre l'intervallo inferiore di 0.2–0.5 favorisce stabilità e coerenza.
top_pfacoltativo
Tiponumber
Predefinito0.9
0 – 1
Impostazione del campionamento nucleus che regola la varietà nella selezione dei token.
max_tokensfacoltativo
Tipointeger
Predefinito2000
28 – 4000
budget di token SNAC che limita la durata dell'audio, calcolato a 7 token per fotogramma.
repetition_penaltyfacoltativo
Tiponumber
Predefinito1.1
1 – 2
Penalità applicata alla ripetizione dei token. Aumentandola si riducono gli artefatti di ripetizione.
sample_ratefacoltativo
Tipoenum
Predefinito48 kHz
48 kHz24 kHz
Scelta della frequenza di campionamento audio tra elaborazione più rapida a 24 kHz e output di qualità superiore a 48 kHz.
output_formatfacoltativo
Tipoenum
Predefinitowav
wavmp3
Formato del file audio utilizzato per la sintesi vocale.
enable_safety_checkerfacoltativo
Tipoboolean
Predefinitotrue
Il controllo può essere allentato impostando false, se il chiamante è autorizzato.
obbligatorio

Output

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"
  }
}
I tuoi file, la tua sceltaOgni outputs[].url è una copia nella nostra archiviazione: conservata per sempre (a pagamento per GB-mese) oppure 7 giorni gratuitamente, in base all'impostazione dell'account o a ?storage=.
Stessa struttura per ogni modellotype, url, content_type, width, height e duration, per immagini, video e audio. output è l'oggetto risultato del modello.
Campi dell'output
audio
object {url, content_type, file_name, file_size}File audio della voce generata in WAV o MP3, con audio mono a 24 kHz o 48 kHz determinato dall'upsampler.
duration
numberDurata dell'output audio, misurata in secondi.
sample_rate
stringFrequenza di campionamento dell'output audio.
generation_time
numberTempo di generazione dell'audio, misurato in secondi.
rtf
numberFattore in tempo reale calcolato come generation_time diviso per audio_duration; valori inferiori indicano prestazioni migliori.

Altri modelli: Da testo a voce

Per gli agenti AI: questa pagina in Markdown è disponibile all'indirizzo https://doitong.com/it/developers/models/maya/stream.md. Tutti i modelli e le guide: https://doitong.com/developers/llms.txt