Op den Inhalt sprangen

Chatterbox · Text to Speech · Multilingual

Integréieren

Modell-ID chatterbox/text-to-speech/multilingual
# 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/multilingual?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"

Dës Ufro: 0,002 $ 2 API-Kreditter Op dëser Säit ausféieren

API-Schlëssel kréien
Resemble AI Text zu Sprooch #text-to-speech#multilingual

Multilingual Text-zu-Sprooch mat 23 Sproochen, limitéiert op 300 Zeeche pro Ufro

Resemble AI · Audio

Äin éischt Resultat kënnt hei hin

Baut hei drënner eng Ufro a féiert se mat Ärem API-Schlëssel aus. Output gëtt an eis Späicherung kopéiert, fir ëmmer oder 7 Deeg gratis gespäichert.

Eng Ufro erstellen

D'Kontrolle ginn aus dem Modellschema generéiert. De Code an de Präis aktualiséiere sech, wann s du se ännerst.

•obligatoresch 50 / 300

Text fir d'Sproochsynthes, limitéiert op 300 Zeechen a mat Ënnerstëtzung fir 23 Sproochen. Zu den disponibele Sprooche gehéieren Englesch a Franséisch; Däitsch, Spuenesch, Italienesch a Portugisesch; Hindi an Arabesch; Chinesesch, Japanesch a Koreanesch, ënner anerem.

Erweidert voice · custom_audio_language · exaggeration · temperature · cfg_scale · seed
Standard english

Code vun der Sproochsynthes; fir eng personaliséiert Notzung si souwuel eng Audio-URL wéi och eng Auswiel fir custom_audio_language erfuerderlech.

Sproochastellung, déi nëmme gëllt, wann d'Stëmm als personaliséiert URL geliwwert gëtt; soss gëtt se ignoréiert. Gitt d'Sprooch un, déi an deem personaliséierten Audio geschwat gëtt.

Standard 0.5

Ausdrock an emotional Intensitéit vun der Sprooch am Verglach mat der neutraler Astellung vun 0.5. Wann Dir de Wäert erhéicht, gëtt den Ausdrock am Beräich 0.25–2.0 méi staark, och wann extrem Astellunge zu Instabilitéit féiere kënnen.

Standard 0.8

Passt d'Varietéit vun de Sproochmusteren un, andeems d'Zoufällegkeet vun der Generatioun tëscht 0.05 an 2.0 festgeluecht gëtt; e méi héije Wäert produzéiert méi Variatioun.

Standard 0.5

Guidance-Gewiicht vun der Generatioun fir d'Konfiguratioun an d'Geschwindegkeet. Beim Sproochtransfer hëlleft 0.0, d'Iwwerhuele vum Akzent ze begrenzen; de ganze Beräich ass 0.0–1.0.

Seed vun der Generatioun mat zwee Verhalen: 0 wielt eng zoufälleg Generatioun, wärend eng spezifesch Zuel reproduzéierbar Outputs erméiglecht.

POST /run/chatterbox/text-to-speech/multilingual?wait=20 Präis → 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/multilingual?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"

Dës Ufro ausféieren

Äre Schlëssel bleift an dësem Browser: e gëtt nëmmen un d'Doitong API geschéckt an nëmme gespäichert (localStorage), wann s du „Erënneren“ aktivéiers. En API-Schlëssel kréien

Iwwer Chatterbox · Text to Speech · Multilingual

Synthetiséiert Sprooch a ville Sproochen, dorënner Englesch, Franséisch, Däitsch, Spuenesch, Hindi, Arabesch, Chinesesch, Japanesch a Koreanesch. Den Text ass op 300 Zeeche limitéiert. `voice` setzt d'Sprooch, oder eng personaliséiert Audio-URL zesumme mat `custom_audio_language`. `exaggeration` geet vun 0.25 bis 2, an `cfg_scale` kann op 0 gesat ginn, fir beim Sproochtransfer d'Iwwerdroe vum Akzent ze reduzéieren.

Parameteren

NummTyp StandardErlaabt Beschreiwung
textobligatoresch
Typstring
≤ 300 Zeechen
Text fir d'Sproochsynthes, limitéiert op 300 Zeechen a mat Ënnerstëtzung fir 23 Sproochen. Zu den disponibele Sprooche gehéieren Englesch a Franséisch; Däitsch, Spuenesch, Italienesch a Portugisesch; Hindi an Arabesch; Chinesesch, Japanesch a Koreanesch, ënner anerem.
voiceoptional
Typstring
Standardenglish
Code vun der Sproochsynthes; fir eng personaliséiert Notzung si souwuel eng Audio-URL wéi och eng Auswiel fir custom_audio_language erfuerderlech.
custom_audio_languageoptional
Typenum
englisharabicdanishgermangreekspanishfinnishfrenchhebrewhindiitalianjapanesekoreanmalaydutchnorwegian
+7 méipolishportugueserussianswedishswahiliturkishchinese
Sproochastellung, déi nëmme gëllt, wann d'Stëmm als personaliséiert URL geliwwert gëtt; soss gëtt se ignoréiert. Gitt d'Sprooch un, déi an deem personaliséierten Audio geschwat gëtt.
exaggerationoptional
Typnumber
Standard0.5
0,25 – 2
Ausdrock an emotional Intensitéit vun der Sprooch am Verglach mat der neutraler Astellung vun 0.5. Wann Dir de Wäert erhéicht, gëtt den Ausdrock am Beräich 0.25–2.0 méi staark, och wann extrem Astellunge zu Instabilitéit féiere kënnen.
temperatureoptional
Typnumber
Standard0.8
0,05 – 2
Passt d'Varietéit vun de Sproochmusteren un, andeems d'Zoufällegkeet vun der Generatioun tëscht 0.05 an 2.0 festgeluecht gëtt; e méi héije Wäert produzéiert méi Variatioun.
cfg_scaleoptional
Typnumber
Standard0.5
0 – 1
Guidance-Gewiicht vun der Generatioun fir d'Konfiguratioun an d'Geschwindegkeet. Beim Sproochtransfer hëlleft 0.0, d'Iwwerhuele vum Akzent ze begrenzen; de ganze Beräich ass 0.0–1.0.
seedoptional
Typinteger | null
Seed vun der Generatioun mat zwee Verhalen: 0 wielt eng zoufälleg Generatioun, wärend eng spezifesch Zuel reproduzéierbar Outputs erméiglecht.
obligatoresch

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "chatterbox/text-to-speech/multilingual",
  "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"
  }
}
Är Fichieren, Är WielAll outputs[].url ass eng Kopie an eiser Späicherung: fir ëmmer gespäichert (bezuelbar pro GB-Mount) oder 7 Deeg gratis, jee no Ärer Kontastellung oder ?storage=.
D'selwecht Struktur bei all Modelltype, url, content_type, width, height an duration, fir Biller, Video an Audio gläichermoossen. output ass dem Modell säin eegent Resultatobjet.
Output-Felder
audio
object {url, content_type, file_name, file_size}Audio-Datei mat synthetiséierter méisproocheger Sprooch.

Fir AI-Agenten: dës Säit als Markdown ass ënner https://doitong.com/lb/developers/models/chatterbox/text-to-speech/multilingual.md. All Modeller a Guiden: https://doitong.com/developers/llms.txt