Vai al contenuto

Zonos2 Text to Speech

Integra

ID del modello zonos2
# 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/zonos2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "reference_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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"

Fino a 0,02 $ per esecuzione addebitato in base all'utilizzo effettivo, il resto viene rimborsato Esegui in questa pagina

Ottieni la chiave API
Zyphra Da testo a voce Input di riferimento #text-to-speech#tts#voice-cloning

TTS multilingue con clonazione vocale, controlli di campionamento e scelta tra corrispondenza ravvicinata o resa espressiva

Zyphra · 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
Trascina un file oppure

Audio che fornisce la voce sorgente per la clonazione.

Avanzate language · temperature · top_p · min_p · top_k · max_tokens · seed · accurate_mode · clean_speaker_background · enable_safety_checker
predefinito en_us

Selezione della lingua per la normalizzazione del testo, che viene saltata a meno che il codice non sia uno dei seguenti: en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko.

predefinito 1.15

Temperatura usata per il campionamento.

predefinito 0

Probabilità per il nucleus sampling; impostare su 0 per disabilitarlo.

predefinito 0.18

Soglia di probabilità per il minimum-probability sampling.

predefinito 106

Limite per il top-k sampling; impostare su 0 per disabilitarlo.

Limite di generazione dei fotogrammi audio; usa il limite di contesto del modello, salvo quando viene specificato un massimo.

Seed che consente risultati riproducibili; se omesso, viene scelto casualmente.

POST /run/zonos2?wait=20 preventivo → 0,02 $
# 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/zonos2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "reference_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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 Zonos2 Text to Speech

Clona una voce da `reference_audio_url` e pronuncia un testo, restituendo audio WAV mono a 44.1kHz insieme al seed utilizzato. `language` imposta la normalizzazione del testo per en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn e ko. `accurate_mode` bilancia la somiglianza della voce e l'espressività; il campionamento è regolabile tramite `temperature`, `top_p`, `min_p`, `top_k` e `max_tokens` (fino a 6144).

Parametri

NomeTipo PredefinitoConsentiti Descrizione
reference_audio_urlobbligatorio
Tipourl · audio
Audio che fornisce la voce sorgente per la clonazione.
languagefacoltativo
Tipostring
Predefinitoen_us
Selezione della lingua per la normalizzazione del testo, che viene saltata a meno che il codice non sia uno dei seguenti: en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko.
seedfacoltativo
Tipointeger | null
0 – 2.147.483.647
Seed che consente risultati riproducibili; se omesso, viene scelto casualmente.
accurate_modefacoltativo
Tipoboolean
Predefinitotrue
Corrispondenza della voce rispetto all'espressività: True privilegia una corrispondenza più precisa, mentre False privilegia un parlato più espressivo.
clean_speaker_backgroundfacoltativo
Tipoboolean
Predefinitofalse
Indica che l'audio di riferimento ha un sottofondo pulito.
temperaturefacoltativo
Tiponumber
Predefinito1.15
0 – 2
Temperatura usata per il campionamento.
top_pfacoltativo
Tiponumber
Predefinito0
0 – 1
Probabilità per il nucleus sampling; impostare su 0 per disabilitarlo.
min_pfacoltativo
Tiponumber
Predefinito0.18
0 – 1
Soglia di probabilità per il minimum-probability sampling.
top_kfacoltativo
Tipointeger
Predefinito106
0 – 2048
Limite per il top-k sampling; impostare su 0 per disabilitarlo.
max_tokensfacoltativo
Tipointeger | null
1 – 6144
Limite di generazione dei fotogrammi audio; usa il limite di contesto del modello, salvo quando viene specificato un massimo.
enable_safety_checkerfacoltativo
Tipoboolean
Predefinitotrue
Il controllo può essere allentato impostando false, se il chiamante è autorizzato.
obbligatorio

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": "zonos2",
  "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": 20,
    "usd": "0.02",
    "charged": 20,
    "refunded": 0
  },
  "input": {
    "reference_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "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
    },
    "seed": 42
  },
  "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}Output audio in formato WAV, con una frequenza di campionamento di 44.1kHz e un canale mono.
seed
integerValore seed applicato durante la generazione.

Per gli agenti AI: questa pagina in Markdown è disponibile all'indirizzo https://doitong.com/it/developers/models/zonos2.md. Tutti i modelli e le guide: https://doitong.com/developers/llms.txt