Langkau ke kandungan

VibeVoice 1.5B

Integrasikan

ID model vibevoice
# 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?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"

Permintaan ini: ≈$0.02 20 kredit API Jalankan pada halaman ini

Dapatkan kunci API
Microsoft Teks ke Pertuturan #text-to-speech#multi-speaker#podcast

Teks kepada pertuturan berbilang penutur untuk skrip panjang seperti podcast, dengan suara bagi setiap penutur

Microsoft · Audio

Hasil pertama anda akan muncul di sini

Bina permintaan di bawah dan jalankannya dengan kunci API anda. Output disalin ke storan kami, disimpan selama-lamanya atau 7 hari secara percuma.

Bina permintaan

Kawalan dijana daripada skema model. Kod dan harga dikemas kini apabila anda mengubahnya.

•diperlukan 88 / 90000

Skrip input pertuturan, dengan label 'Speaker X:' pilihan untuk membezakan penutur dalam dialog.

•diperlukan

Penutur ditentukan secara automatik menggunakan skrip atau sampel suara yang dibekalkan; berikan senarai untuk menetapkannya secara eksplisit.

Lanjutan cfg_scale · seed · enable_safety_checker
lalai 1.3

Kekuatan CFG (Classifier-Free Guidance) menentukan sejauh mana penjanaan mengikuti teks, dengan pematuhan lebih kuat pada tetapan lebih tinggi.

Seed rawak yang menjadikan penjanaan boleh dihasilkan semula.

POST /run/vibevoice?wait=20 sebut harga → $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/vibevoice?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"

Jalankan permintaan ini

Kunci anda kekal dalam pelayar ini: ia hanya dihantar kepada Doitong API dan disimpan (localStorage) hanya jika anda menanda Ingat. Dapatkan kunci API

Tentang VibeVoice 1.5B

Menukar `script` sehingga 90000 aksara kepada pertuturan. Dialog boleh menggunakan awalan 'Speaker X:', manakala senarai `speakers` yang diperlukan menentukan suara. `cfg_scale` berada dalam julat 1 hingga 2 dan mengawal pematuhan kepada teks, manakala `seed` menjadikan proses boleh diulang. Mengembalikan audio bersama tempoh dan kadar sampel.

Parameter

NamaJenis LalaiDibenarkan Penerangan
scriptdiperlukan
Jenisstring
≤ 90,000 aksara
Skrip input pertuturan, dengan label 'Speaker X:' pilihan untuk membezakan penutur dalam dialog.
speakersdiperlukan
Jenisobject[]
Penutur ditentukan secara automatik menggunakan skrip atau sampel suara yang dibekalkan; berikan senarai untuk menetapkannya secara eksplisit.
speakers[].presetpilihan
Jenisenum
LalaiAlice [EN]
Alice [EN]Carter [EN]Frank [EN]Mary [EN] (Background Music)Maya [EN]Anchen [ZH] (Background Music)Bowen [ZH]Xinran [ZH]
Praset suara sandaran untuk penutur tanpa `audio_url`; pembekalan sampel audio tersebut mengatasi praset.
speakers[].audio_urlpilihan
Jenisurl · audio
URL fail audio sampel suara; pembekalannya mengatasi `preset`.
seedpilihan
Jenisinteger | null
Seed rawak yang menjadikan penjanaan boleh dihasilkan semula.
cfg_scalepilihan
Jenisnumber
Lalai1.3
1 – 2
Kekuatan CFG (Classifier-Free Guidance) menentukan sejauh mana penjanaan mengikuti teks, dengan pematuhan lebih kuat pada tetapan lebih tinggi.
enable_safety_checkerpilihan
Jenisboolean
Lalaitrue
Pemeriksaan boleh dilonggarkan dengan menetapkannya kepada false, jika pemanggil dibenarkan.
diperlukan

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "vibevoice",
  "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": {
    "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"
  }
}
Fail anda, pilihan andaSetiap outputs[].url ialah salinan pada storan kami: disimpan selama-lamanya (dibayar setiap GB-bulan) atau 7 hari secara percuma, mengikut tetapan akaun anda atau ?storage=.
Bentuk yang sama pada setiap modeltype, url, content_type, width, height dan duration, untuk imej, video dan audio. output ialah objek hasil model itu sendiri.
Medan output
audio
object {url, content_type, file_name, file_size}Fail audio yang mengandungi pertuturan yang disintesis.
duration
numberPanjang output audio, diukur dalam saat.
sample_rate
integerKadar pensampelan output audio.
generation_time
numberMasa penjanaan audio, diukur dalam saat.
rtf
numberFaktor masa nyata yang dikira sebagai generation_time dibahagi dengan audio_duration; nilai lebih kecil menunjukkan prestasi lebih baik.

Lebih banyak model: Teks ke Pertuturan

Untuk ejen AI: halaman ini dalam Markdown tersedia di https://doitong.com/ms/developers/models/vibevoice.md. Semua model dan panduan: https://doitong.com/developers/llms.txt