コンテンツへスキップ

Chatterbox · Text to Speech

統合

モデルID chatterbox/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/chatterbox/text-to-speech?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "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"

このリクエスト: $0.002 2 APIクレジット このページで実行

APIキーを取得
Resemble AI テキスト読み上げ #text-to-speech

感情タグ、誇張度制御、任意の参照音声スタイルに対応した英語テキスト読み上げ

Resemble AI · 音声

最初の結果がここに表示されます

以下でリクエストを作成し、APIキーで実行してください。出力はストレージにコピーされ、永久保存または無料で7日保存されます。

リクエストを作成

コントロールはモデルスキーマから生成されます。値を変更するとコードと価格が更新されます。

•必須

音声合成テキスト。感情タグ(<laugh>、<chuckle>、<sigh>、<cough>、<sniffle>、<groan>、<yawn>、<gasp>)を含められます。テキストは5000文字を超えてはなりません。

詳細設定 audio · exaggeration · temperature · cfg · seed
audio_url デフォルト https://storage.googl...
ファイルをドロップ、または

モデルが音声出力で合わせようとするトーンとスタイルの参照音声。オプションの参照として使用する場合は、音声ファイルのURLを指定します。

デフォルト 0.25

音声の誇張度制御。最大の誇張度は1.0に相当し、0.0では誇張が無効になります。

デフォルト 0.7

生成温度。値を大きくすると結果がより創造的になります。

デフォルト 0.5

音声生成のシード。0ではランダムなシードが選択されます。再現性を確保するには固定値を使用し、他のすべてのプロパティを変更しないでください。これにより音声ファイルが完全に再現されます。

POST /run/chatterbox/text-to-speech?wait=20 見積もり → $0.002
# 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/chatterbox/text-to-speech?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "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"

このリクエストを実行

キーはこのブラウザ内に保持されます。Doitong APIにのみ送信され、「記憶する」にチェックを入れた場合のみlocalStorageに保存されます。 APIキーを取得

Chatterbox · Text to Speechについて

最大5000文字のテキストを音声に変換します。テキストには<laugh>、<chuckle>、<sigh>、<cough>などの感情タグを含められます。任意の`audio_url`で参照音声を指定すると、そのスタイルとトーンに近い出力を生成します。`exaggeration`(0〜1)、`temperature`、`cfg`、`seed`で話し方を調整します。

パラメータ

正式名称またはネイティブ名のいずれか一方を送信してください。両方は送信しないでください。 正式名称

名前型 デフォルト許可される値 説明
text必須
型string
音声合成テキスト。感情タグ(<laugh>、<chuckle>、<sigh>、<cough>、<sniffle>、<groan>、<yawn>、<gasp>)を含められます。テキストは5000文字を超えてはなりません。
audio_url任意 audio
型url · audio
デフォルトhttps://storage.googleapis.com/chatterbox-demo-samples/prompts/male_rickmorty.mp3
モデルが音声出力で合わせようとするトーンとスタイルの参照音声。オプションの参照として使用する場合は、音声ファイルのURLを指定します。
exaggeration任意
型number
デフォルト0.25
0 – 1
音声の誇張度制御。最大の誇張度は1.0に相当し、0.0では誇張が無効になります。
temperature任意
型number
デフォルト0.7
0.05 – 2
生成温度。値を大きくすると結果がより創造的になります。
cfg任意
型number
デフォルト0.5
0.1 – 1
seed任意
型integer | null
音声生成のシード。0ではランダムなシードが選択されます。再現性を確保するには固定値を使用し、他のすべてのプロパティを変更しないでください。これにより音声ファイルが完全に再現されます。
必須 正式名称(こちらも使用可能)

ファイルパラメータには、公開されたhttps:// URL、10 MBまでのdata: URI、またはアップロードしたファイルのfile_urlを指定します。 ファイル

出力

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "chatterbox/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": 2,
    "usd": "0.002",
    "charged": 2,
    "refunded": 0
  },
  "input": {
    "text": "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
    }
  },
  "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"
  }
}
ファイルの保存期間を選択すべてのoutputs[].urlはストレージ上のコピーです。アカウント設定または?storage=により、永久保存(GB・月単位で有料)または無料で7日保存できます。
すべてのモデルで同じ形式画像、動画、音声のいずれでも、type、url、content_type、width、height、durationが含まれます。outputはモデル独自の結果オブジェクトです。
出力フィールド
audio
object {url, content_type, file_name, file_size}合成音声を含む音声。

その他のモデル: テキスト読み上げ

AIエージェント向け:このページのMarkdown版はこちらです: https://doitong.com/ja/developers/models/chatterbox/text-to-speech.md. すべてのモデルとガイド: https://doitong.com/developers/llms.txt