Aqbeż għall-kontenut

Maya · Stream

Integra

Id tal-mudell maya/stream
# 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/maya/stream?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence.",
    "prompt": "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"

Din it-talba: ≈$0.049 49 krediti tal-API Ħaddmu f’din il-paġna

Ikseb ċavetta API
Maya Research Test għal diskors #text-to-speech#tts

Varjant streaming ta’ Maya text-to-speech għal test wieħed b’deskrizzjoni tal-vuċi

Maya Research · Awdjo

L-ewwel riżultat tiegħek jidher hawn

Ibni talba hawn taħt u ħaddimha biċ-ċavetta API tiegħek. L-outputs jiġu kkupjati fil-ħażna tagħna, miżmuma għal dejjem jew 7 ijiem b’xejn.

Ibni talba

Il-kontrolli jiġu ġġenerati mill-iskema tal-mudell. Il-kodiċi u l-prezz jaġġornaw hekk kif tibdilhom.

•meħtieġ 50 / 5000

Test għas-sinteżi tad-diskors li jippermetti tags tal-emozzjonijiet fil-forma <emotion_name> fi kwalunkwe pożizzjoni, bħal f’'Hello world! <excited> This is amazing!' jew 'I can't believe this <sigh> happened again.'. L-emozzjonijiet appoġġjati huma curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder, u laugh.

•meħtieġ 50 / 500

Karatteristiċi tal-vuċi jew tal-karattru li għandhom jiġu deskritti, bħal intensità, ton, ritmu, timbru, pitch, aċċent u età.

Avvanzat sample_rate · output_format · temperature · top_p · max_tokens · repetition_penalty · enable_safety_checker
sample_rate prestabbilit 48 kHz

Għażla tar-rata ta’ kampjunar tal-awdjo bejn ipproċessar aktar mgħaġġel f’24 kHz u output ta’ kwalità ogħla f’48 kHz.

output_format prestabbilit wav

Format tal-fajl tal-awdjo użat għad-diskors sintetizzat.

prestabbilit 0.4

Temperatura tat-teħid ta’ kampjuni li tikkontrolla l-varjazzjoni tal-awdjo: iż-żieda tagħha tintroduċi aktar varjetà, filwaqt li l-firxa aktar baxxa ta’ 0.2–0.5 tiffavorixxi l-istabbiltà u l-konsistenza.

prestabbilit 0.9

Setting tat-teħid ta’ kampjuni tan-nukleu li jaġġusta d-diversità tal-għażla tat-token.

prestabbilit 2000

Baġit ta’ tokens SNAC li jillimita t-tul tal-awdjo, ikkalkulat bħala 7 tokens għal kull frejm.

prestabbilit 1.1

Penali applikata għar-ripetizzjoni tat-token. Iż-żieda tagħha tnaqqas l-artifacts tar-ripetizzjoni.

POST /run/maya/stream?wait=20 kwotazzjoni → $0.049
# 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/maya/stream?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence.",
    "prompt": "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"

Ħaddem din it-talba

Iċ-ċavetta tiegħek tibqa’ f’dan il-browser: tintbagħat biss lid-Doitong API u tiġi ssejvjata (localStorage) biss jekk timmarka Ftakar. Ikseb ċavetta API

Dwar Maya · Stream

Jikkonverti test wieħed sa 5000 karattru f’diskors, b’`prompt` meħtieġ li jiddeskrivi l-vuċi sa 500 karattru u tags tal-emozzjoni li jistgħu jiddaħħlu. L-għażliet jinkludu `temperature`, `top_p`, `repetition_penalty`, sample rate ta’ 48 jew 24 kHz u output wav jew mp3. Jirritorna awdjo bit-tul tiegħu u l-fattur f’ħin reali.

Parametri

IsemTip PrestabbilitPermess Deskrizzjoni
textmeħtieġ
Tipstring
≤ 5,000 karattri
Test għas-sinteżi tad-diskors li jippermetti tags tal-emozzjonijiet fil-forma <emotion_name> fi kwalunkwe pożizzjoni, bħal f’'Hello world! <excited> This is amazing!' jew 'I can't believe this <sigh> happened again.'. L-emozzjonijiet appoġġjati huma curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder, u laugh.
promptmeħtieġ
Tipstring
≤ 500 karattri
Karatteristiċi tal-vuċi jew tal-karattru li għandhom jiġu deskritti, bħal intensità, ton, ritmu, timbru, pitch, aċċent u età.
temperaturemhux obbligatorju
Tipnumber
Prestabbilit0.4
0 – 2
Temperatura tat-teħid ta’ kampjuni li tikkontrolla l-varjazzjoni tal-awdjo: iż-żieda tagħha tintroduċi aktar varjetà, filwaqt li l-firxa aktar baxxa ta’ 0.2–0.5 tiffavorixxi l-istabbiltà u l-konsistenza.
top_pmhux obbligatorju
Tipnumber
Prestabbilit0.9
0 – 1
Setting tat-teħid ta’ kampjuni tan-nukleu li jaġġusta d-diversità tal-għażla tat-token.
max_tokensmhux obbligatorju
Tipinteger
Prestabbilit2000
28 – 4,000
Baġit ta’ tokens SNAC li jillimita t-tul tal-awdjo, ikkalkulat bħala 7 tokens għal kull frejm.
repetition_penaltymhux obbligatorju
Tipnumber
Prestabbilit1.1
1 – 2
Penali applikata għar-ripetizzjoni tat-token. Iż-żieda tagħha tnaqqas l-artifacts tar-ripetizzjoni.
sample_ratemhux obbligatorju
Tipenum
Prestabbilit48 kHz
48 kHz24 kHz
Għażla tar-rata ta’ kampjunar tal-awdjo bejn ipproċessar aktar mgħaġġel f’24 kHz u output ta’ kwalità ogħla f’48 kHz.
output_formatmhux obbligatorju
Tipenum
Prestabbilitwav
wavmp3
Format tal-fajl tal-awdjo użat għad-diskors sintetizzat.
enable_safety_checkermhux obbligatorju
Tipboolean
Prestabbilittrue
L-iskrinjar jista’ jiġi rilassat billi jiġi ssettjat għal false, sakemm min jagħmel it-talba jkun awtorizzat.
meħtieġ

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "maya/stream",
  "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": 49,
    "usd": "0.049",
    "charged": 49,
    "refunded": 0
  },
  "input": {
    "text": "Hello from Doitong. This is a short test sentence.",
    "prompt": "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
    },
    "duration": 5,
    "sample_rate": "48 kHz",
    "generation_time": 2.3,
    "rtf": 0.51
  },
  "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"
  }
}
Il-fajls tiegħek, l-għażla tiegħekKull outputs[].url huwa kopja fil-ħażna tagħna: miżmuma għal dejjem (imħallsa għal kull GB-xahar) jew 7 ijiem b’xejn, skont l-issettjar tal-kont tiegħek jew ?storage=.
L-istess struttura fuq kull mudelltype, url, content_type, width, height u duration, kemm għall-immaġnijiet kif ukoll għall-vidjo u l-awdjo. output huwa l-oġġett tar-riżultat tal-mudell innifsu.
Oqsma tal-output
audio
object {url, content_type, file_name, file_size}Fajl tad-diskors iġġenerat f’WAV jew MP3, b’awdjo mono f’24 kHz jew 48 kHz kif determinat mill-upsampler.
duration
numberTul tal-output tal-awdjo, imkejjel f’sekondi.
sample_rate
stringRata ta’ kampjunar tal-output tal-awdjo.
generation_time
numberĦin tal-ġenerazzjoni tal-awdjo, imkejjel f’sekondi.
rtf
numberFattur f’ħin reali kkalkulat bħala generation_time diviż b’audio_duration; valuri iżgħar jindikaw prestazzjoni aħjar.

Aktar mudelli: Test għal diskors

Għall-aġenti tal-AI: din il-paġna bħala Markdown tinsab fuq https://doitong.com/mt/developers/models/maya/stream.md. Il-mudelli u l-gwidi kollha: https://doitong.com/developers/llms.txt