Op den Inhalt sprangen

F5 TTS

Integréieren

Modell-ID f5-tts
# 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/f5-tts?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "gen_text": "Hello from Doitong. This is a short test sentence.",
    "ref_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "model_type": "F5-TTS"
  }'

# 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: 0,003 $ 3 API-Kreditter Op dëser Säit ausféieren

API-Schlëssel kréien
Open model Text zu Sprooch Referenzinput #speech

Sproochsynthese mat Stëmmklonen aus engem Referenz-Audioclip mat F5-TTS oder E2-TTS

Open model · 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

Text fir d'Sproochsynthes, limitéiert op 5000 Zeechen.

•obligatoresch
Fichier erofzéien, oder

URL vun der Audio-Referenzdatei.

model_type •obligatoresch

Modellnumm fir d'TTS-Synthes.

Erweidert ref_text · remove_silence
Standard

TTS-Referenztext; wann e weggelooss gëtt, gëtt en automatesch mat engem Sproocherkennungsmodell generéiert (ASR, Automatic Speech Recognition).

POST /run/f5-tts?wait=20 Präis → 0,003 $
# 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/f5-tts?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "gen_text": "Hello from Doitong. This is a short test sentence.",
    "ref_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "model_type": "F5-TTS"
  }'

# 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 F5 TTS

Schwätzt `gen_text` (bis zu 5000 Zeechen) mat der Stëmm vum Referenzclip bei `ref_audio_url`. `model_type` wielt F5-TTS oder E2-TTS. Wann `ref_text` eidel ass, generéiert d'Sproocherkennung en Text. `remove_silence` ass standardméisseg aktiv.

Parameteren

NummTyp StandardErlaabt Beschreiwung
gen_textobligatoresch
Typstring
Text fir d'Sproochsynthes, limitéiert op 5000 Zeechen.
ref_audio_urlobligatoresch
Typurl · audio
URL vun der Audio-Referenzdatei.
ref_textoptional
Typstring
Standard
TTS-Referenztext; wann e weggelooss gëtt, gëtt en automatesch mat engem Sproocherkennungsmodell generéiert (ASR, Automatic Speech Recognition).
model_typeobligatoresch
Typenum
F5-TTSE2-TTS
Modellnumm fir d'TTS-Synthes.
remove_silenceoptional
Typboolean
Standardtrue
Steiert, ob Stëll aus der Audio-Datei ewechgeholl gëtt.
obligatoresch

Fichierparameter akzeptéieren eng ëffentlech https:// URL, eng data: URI bis zu 10 MB oder de file_url vun engem Upload. Fichieren

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "f5-tts",
  "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": 3,
    "usd": "0.003",
    "charged": 3,
    "refunded": 0
  },
  "input": {
    "gen_text": "Hello from Doitong. This is a short test sentence.",
    "ref_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "model_type": "F5-TTS"
  },
  "output": {
    "audio_url": {
      "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_url
object {url, content_type, file_name, file_size}Audio-Datei mat der synthetiséierter Ried.

Fir AI-Agenten: dës Säit als Markdown ass ënner https://doitong.com/lb/developers/models/f5-tts.md. All Modeller a Guiden: https://doitong.com/developers/llms.txt