Vai al contenuto

VibeVoice 7B

Integra

ID del modello 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"

Questa richiesta: ≈0,04 $ 40 crediti API Esegui in questa pagina

Ottieni la chiave API
Microsoft Da testo a voce #text-to-speech#multi-speaker#podcast

Modello VibeVoice più grande per dialoghi con più parlanti, con script fino a 30000 caratteri

Microsoft · 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 88 / 30000

Script dell'input vocale, con etichette opzionali 'Speaker X:' per distinguere i parlanti in un dialogo.

•obbligatorio

I parlanti vengono dedotti automaticamente usando lo script o campioni vocali forniti; fornisci una lista per specificarli esplicitamente.

Avanzate cfg_scale · seed · enable_safety_checker
predefinito 1.3

La forza CFG (Classifier-Free Guidance) determina quanto la generazione segue il testo, con un'aderenza maggiore a impostazioni più elevate.

Seed casuale che rende riproducibile la generazione.

POST /run/vibevoice/7b?wait=20 preventivo → 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"

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 VibeVoice 7B

Converte uno `script` fino a 30000 caratteri in parlato, con prefissi 'Speaker X:' per i dialoghi e un elenco `speakers` obbligatorio per le voci. `cfg_scale` varia da 1 a 2 e `seed` consente un output riproducibile. È la versione 7B della famiglia, con un limite di testo inferiore rispetto al modello 1.5B.

Parametri

NomeTipo PredefinitoConsentiti Descrizione
scriptobbligatorio
Tipostring
≤ 30.000 caratteri
Script dell'input vocale, con etichette opzionali 'Speaker X:' per distinguere i parlanti in un dialogo.
speakersobbligatorio
Tipoobject[]
I parlanti vengono dedotti automaticamente usando lo script o campioni vocali forniti; fornisci una lista per specificarli esplicitamente.
speakers[].presetfacoltativo
Tipoenum
PredefinitoAlice [EN]
Alice [EN]Carter [EN]Frank [EN]Mary [EN] (Background Music)Maya [EN]Anchen [ZH] (Background Music)Bowen [ZH]Xinran [ZH]
Preset vocale di riserva per un parlante senza `audio_url`; la fornitura di quel campione audio ha la precedenza sul preset.
speakers[].audio_urlfacoltativo
Tipourl · audio
URL del file audio del campione vocale; la sua fornitura sovrascrive `preset`.
seedfacoltativo
Tipointeger | null
Seed casuale che rende riproducibile la generazione.
cfg_scalefacoltativo
Tiponumber
Predefinito1.3
1 – 2
La forza CFG (Classifier-Free Guidance) determina quanto la generazione segue il testo, con un'aderenza maggiore a impostazioni più elevate.
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": "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"
  }
}
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 contenente il parlato sintetizzato.
duration
numberDurata dell'output audio, misurata in secondi.
sample_rate
integerFrequenza 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/vibevoice/7b.md. Tutti i modelli e le guide: https://doitong.com/developers/llms.txt