Vai al contenuto

Tada

Integra

ID del modello 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"

Questa richiesta: 0,004 $ 4 crediti API Esegui in questa pagina

Ottieni la chiave API
Open model Da testo a voce

Sintesi vocale con clonazione della voce che pronuncia il testo usando la voce di una clip di riferimento, con 10 codici lingua

Open model · 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

Contenuto del parlato fornito come testo; il parlante di riferimento fornisce la voce usata per renderizzarlo.

•obbligatorio audio_url
Trascina un file oppure

Sorgente per la clonazione vocale fornita come URL di un file audio, che identifica il parlante di cui il modello deve riprodurre le caratteristiche vocali.

Avanzate 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 predefinito wav

Formato del file per l'audio generato.

predefinito

Trascrizione dell'audio di riferimento obbligatoria per registrazioni in lingue diverse dall'inglese; la trascrizione automatica è integrata solo per l'inglese.

predefinito en

Codice della lingua per l'allineamento del testo, che deve corrispondere alla lingua di sintesi quando si genera parlato in una lingua diversa dall'inglese.

predefinito 0

Numero aggiuntivo di passaggi autoregressivi per aggiungere prosodia finale o silenzio continuando il parlato oltre il testo fornito.

predefinito 0.6

Temperatura di campionamento dei token testuali: aumentandola si aggiunge varietà all'output; 0 o valori inferiori non sono consentiti.

predefinito 0.9

Impostazione di campionamento Top-p (nucleus) usata per generare il testo.

predefinito 1.1

Penalità per la ripetizione dei token durante la generazione dell'output.

predefinito 1.6

Intensità del classifier-free guidance usata per generare le caratteristiche acustiche.

predefinito 0.9

Temperatura del rumore usata durante la diffusione flow-matching.

predefinito 20

Numero di passaggi del solver ODE usato per generare l'acustica tramite flow matching.

predefinito 1

Moltiplicatore della velocità del parlato: il parlato generato è più lento sotto 1.0 e più veloce sopra 1.0.

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

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 Tada

Clona un parlante da una clip di riferimento (`audio_url`) e legge il testo di `prompt` con quella voce. L'opzione `language` accetta en, ar, ch, de, es, fr, it, ja, pl e pt. Per i riferimenti non inglesi, fornisci una `transcript`, perché il riconoscimento integrato funziona solo in inglese. La velocità può variare da 0.5 a 2 e l'output è wav o mp3.

Parametri

Invia il nome canonico oppure il nome nativo, non entrambi. Nomi canonici

NomeTipo PredefinitoConsentiti Descrizione
audio_urlobbligatorio audio
Tipourl · audio
Sorgente per la clonazione vocale fornita come URL di un file audio, che identifica il parlante di cui il modello deve riprodurre le caratteristiche vocali.
transcriptfacoltativo
Tipostring
Predefinito
Trascrizione dell'audio di riferimento obbligatoria per registrazioni in lingue diverse dall'inglese; la trascrizione automatica è integrata solo per l'inglese.
promptobbligatorio
Tipostring
Contenuto del parlato fornito come testo; il parlante di riferimento fornisce la voce usata per renderizzarlo.
languagefacoltativo
Tipoenum
Predefinitoen
enarchdeesfritjaplpt
Codice della lingua per l'allineamento del testo, che deve corrispondere alla lingua di sintesi quando si genera parlato in una lingua diversa dall'inglese.
num_extra_stepsfacoltativo
Tipointeger
Predefinito0
0 – 50
Numero aggiuntivo di passaggi autoregressivi per aggiungere prosodia finale o silenzio continuando il parlato oltre il testo fornito.
temperaturefacoltativo
Tiponumber
Predefinito0.6
≤ 2> 0
Temperatura di campionamento dei token testuali: aumentandola si aggiunge varietà all'output; 0 o valori inferiori non sono consentiti.
top_pfacoltativo
Tiponumber
Predefinito0.9
0 – 1
Impostazione di campionamento Top-p (nucleus) usata per generare il testo.
repetition_penaltyfacoltativo
Tiponumber
Predefinito1.1
1 – 2
Penalità per la ripetizione dei token durante la generazione dell'output.
acoustic_cfg_scalefacoltativo
Tiponumber
Predefinito1.6
0 – 10
Intensità del classifier-free guidance usata per generare le caratteristiche acustiche.
noise_temperaturefacoltativo
Tiponumber
Predefinito0.9
0 – 2
Temperatura del rumore usata durante la diffusione flow-matching.
num_inference_stepsfacoltativo
Tipointeger
Predefinito20
1 – 50
Numero di passaggi del solver ODE usato per generare l'acustica tramite flow matching.
speed_up_factorfacoltativo
Tiponumber
Predefinito1
0,5 – 2
Moltiplicatore della velocità del parlato: il parlato generato è più lento sotto 1.0 e più veloce sopra 1.0.
output_formatfacoltativo
Tipoenum
Predefinitowav
wavmp3
Formato del file per l'audio generato.
enable_safety_checkerfacoltativo
Tipoboolean
Predefinitotrue
Il controllo può essere allentato impostando false, se il chiamante è autorizzato.
obbligatorio Nome canonico, accettato anche

I parametri file accettano un URL pubblico https://, un URI data: fino a 10 MB oppure il file_url di un caricamento. File

Output

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"
  }
}
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, duration, channels, sample_rate, bitrate}File audio contenente la voce sintetizzata.

Altri modelli: Da testo a voce

Per gli agenti AI: questa pagina in Markdown è disponibile all'indirizzo https://doitong.com/it/developers/models/tada/3b/text-to-speech.md. Tutti i modelli e le guide: https://doitong.com/developers/llms.txt