Gå til innhold

Maya1

Integrer

Modell-ID maya
# 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?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"

Denne forespørselen: ≈0,049 $ 49 API-kreditter Kjør den på denne siden

Hent API-nøkkel
Maya Research Tekst til tale #text-to-speech#tts

Uttrykksfull tekst-til-tale med en prompt for stemmebeskrivelse og innebygde følelsestagger

Maya Research · Lyd

Det første resultatet ditt kommer her

Bygg en forespørsel nedenfor og kjør den med API-nøkkelen din. Utdata kopieres til lagringen vår, lagret for alltid eller 7 dager gratis.

Bygg en forespørsel

Kontrollene genereres fra modellskjemaet. Koden og prisen oppdateres når du endrer dem.

•obligatorisk 50 / 5000

Tekst for talesyntese som tillater følelsestagger i formen <emotion_name> hvor som helst, som i 'Hello world! <excited> This is amazing!' eller 'I can't believe this <sigh> happened again.'. Støttede følelser er curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder og laugh.

•obligatorisk 50 / 500

Stemme- eller karaktertrekk som skal beskrives, for eksempel intensitet, tone, tempo, klang, tonehøyde, aksent og alder.

Avansert sample_rate · output_format · temperature · top_p · max_tokens · repetition_penalty · enable_safety_checker
sample_rate standard 48 kHz

Valg av lydsamplingsfrekvens mellom raskere behandling ved 24 kHz og høyere kvalitet ved 48 kHz.

output_format standard wav

Lydfilformat som brukes for syntetisert tale.

standard 0.4

Samplings­temperatur som styrer variasjon i lyd: høyere verdi gir mer variasjon, mens området 0.2–0.5 favoriserer stabilitet og konsistens.

standard 0.9

Innstilling for nucleus-sampling som justerer mangfoldet ved token-utvalg.

standard 2000

SNAC-tokenbudsjett som begrenser lydens varighet, beregnet som 7 token for hvert bilde.

standard 1.1

Straff for gjentakelse av token. En høyere verdi undertrykker artefakter fra gjentakelse.

POST /run/maya?wait=20 pris → 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?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"

Kjør denne forespørselen

Nøkkelen din blir i denne nettleseren: Den sendes bare til Doitong API og lagres bare i localStorage hvis du krysser av for Husk. Hent en API-nøkkel

Om Maya1

Konverterer tekst på opptil 5000 tegn til tale. En obligatorisk `prompt` på opptil 500 tegn beskriver stemmen, for eksempel alder, aksent og tone. Følelsestagger som laugh eller whisper kan bygges inn i teksten. Velg samplingsfrekvens på 48 kHz eller 24 kHz og wav- eller mp3-utdata; `max_tokens` begrenser lydlengden.

Parametere

NavnType StandardTillatt Beskrivelse
textobligatorisk
Typestring
≤ 5 000 tegn
Tekst for talesyntese som tillater følelsestagger i formen <emotion_name> hvor som helst, som i 'Hello world! <excited> This is amazing!' eller 'I can't believe this <sigh> happened again.'. Støttede følelser er curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder og laugh.
promptobligatorisk
Typestring
≤ 500 tegn
Stemme- eller karaktertrekk som skal beskrives, for eksempel intensitet, tone, tempo, klang, tonehøyde, aksent og alder.
temperaturevalgfritt
Typenumber
Standard0.4
0 – 2
Samplings­temperatur som styrer variasjon i lyd: høyere verdi gir mer variasjon, mens området 0.2–0.5 favoriserer stabilitet og konsistens.
top_pvalgfritt
Typenumber
Standard0.9
0 – 1
Innstilling for nucleus-sampling som justerer mangfoldet ved token-utvalg.
max_tokensvalgfritt
Typeinteger
Standard2000
28 – 4 000
SNAC-tokenbudsjett som begrenser lydens varighet, beregnet som 7 token for hvert bilde.
repetition_penaltyvalgfritt
Typenumber
Standard1.1
1 – 2
Straff for gjentakelse av token. En høyere verdi undertrykker artefakter fra gjentakelse.
sample_ratevalgfritt
Typeenum
Standard48 kHz
48 kHz24 kHz
Valg av lydsamplingsfrekvens mellom raskere behandling ved 24 kHz og høyere kvalitet ved 48 kHz.
output_formatvalgfritt
Typeenum
Standardwav
wavmp3
Lydfilformat som brukes for syntetisert tale.
enable_safety_checkervalgfritt
Typeboolean
Standardtrue
Filtreringen kan lempes ved å angi false, forutsatt at den som gjør forespørselen, er autorisert.
obligatorisk

Utdata

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "maya",
  "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"
  }
}
Filene dine, ditt valgHver outputs[].url er en kopi på lagringen vår: lagret for alltid (betalt per GB-måned) eller 7 dager gratis, styrt av kontoinnstillingen din eller ?storage=.
Samme struktur for hver modelltype, url, content_type, width, height og duration, for bilder, video og lyd. output er modellens eget resultatobjekt.
Utdatafelt
audio
object {url, content_type, file_name, file_size}Generert talefil i WAV eller MP3, med monolyd ved 24 kHz eller 48 kHz bestemt av oppsampleren.
duration
numberLengden på lydutdataene, målt i sekund.
sample_rate
stringSamplingsfrekvensen for lydutdataene.
generation_time
numberTid for lydgenerering, målt i sekund.
rtf
numberSanntidsfaktor beregnet som generation_time delt på audio_duration; lavere verdier indikerer bedre ytelse.

Flere modeller: Tekst til tale

For AI-agenter: Denne siden som Markdown finnes på https://doitong.com/no/developers/models/maya.md. Alle modeller og veiledninger: https://doitong.com/developers/llms.txt