Gå til innhold

Tada

Integrer

Modell-ID tada/3b/text-to-speech
# 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/tada/3b/text-to-speech?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "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: 0,004 $ 4 API-kreditter Kjør den på denne siden

Hent API-nøkkel
Open model Tekst til tale

Tekst-til-tale med stemmekloning som leser teksten din med stemmen fra et referanseklipp, med 10 språkkoder

Open model · 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

Taleinnhold levert som tekst; referansetaleren leverer stemmen som brukes til å gjengi det.

•obligatorisk audio_url
Slipp en fil, eller

Kilde for stemmekloning levert som en URL til en lydfil, som identifiserer taleren hvis stemmeegenskaper modellen skal gjenskape.

Avansert output_format · transcript · language · num_extra_steps · temperature · top_p · repetition_penalty · acoustic_cfg_scale · noise_temperature · num_inference_steps · speed_up_factor · enable_safety_checker
output_format standard wav

Filformat for den genererte lyden.

standard

Transkripsjon av referanselyden, som må angis for opptak på andre språk enn engelsk; automatisk transkripsjon er innebygd bare for engelsk.

standard en

Språkkode for tekstjustering, som må samsvare med syntesespråket ved generering av tale på et annet språk enn engelsk.

standard 0

Ekstra antall autoregressive steg for å legge til avsluttende prosodi eller stillhet ved å fortsette talen etter den angitte teksten.

standard 0.6

Temperatur for sampling av teksttoken: en økning gir større variasjon i utdataene, og 0 eller lavere er ikke tillatt.

standard 0.9

Top-p-samplinginnstilling (nucleus) som brukes til å generere tekst.

standard 1.1

Straff for repetisjon av token under generering av utdata.

standard 1.6

Klassifikatorfri veiledningsstyrke som brukes til å generere akustiske funksjoner.

standard 0.9

Støytemperatur som brukes under flow-matching-diffusjon.

standard 20

Antall ODE-løsersteg som brukes til å generere akustikk gjennom flow matching.

standard 1

Multiplikator for talehastighet: generert tale blir langsommere under 1.0 og raskere over 1.0.

POST /run/tada/3b/text-to-speech?wait=20 pris → 0,004 $
# 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/tada/3b/text-to-speech?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "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 Tada

Kloner en taler fra et referanseklipp (`audio_url`) og leser teksten i `prompt` med den stemmen. Alternativet `language` godtar en, ar, ch, de, es, fr, it, ja, pl og pt. For referanser som ikke er på engelsk må du oppgi en `transcript`, fordi den innebygde gjenkjenningen bare støtter engelsk. Hastigheten kan skaleres fra 0.5 til 2, og resultatet er wav eller mp3.

Parametere

Send enten det kanoniske navnet eller det opprinnelige navnet, ikke begge. Kanoniske navn

NavnType StandardTillatt Beskrivelse
audio_urlobligatorisk audio
Typeurl · audio
Kilde for stemmekloning levert som en URL til en lydfil, som identifiserer taleren hvis stemmeegenskaper modellen skal gjenskape.
transcriptvalgfritt
Typestring
Standard
Transkripsjon av referanselyden, som må angis for opptak på andre språk enn engelsk; automatisk transkripsjon er innebygd bare for engelsk.
promptobligatorisk
Typestring
Taleinnhold levert som tekst; referansetaleren leverer stemmen som brukes til å gjengi det.
languagevalgfritt
Typeenum
Standarden
enarchdeesfritjaplpt
Språkkode for tekstjustering, som må samsvare med syntesespråket ved generering av tale på et annet språk enn engelsk.
num_extra_stepsvalgfritt
Typeinteger
Standard0
0 – 50
Ekstra antall autoregressive steg for å legge til avsluttende prosodi eller stillhet ved å fortsette talen etter den angitte teksten.
temperaturevalgfritt
Typenumber
Standard0.6
≤ 2> 0
Temperatur for sampling av teksttoken: en økning gir større variasjon i utdataene, og 0 eller lavere er ikke tillatt.
top_pvalgfritt
Typenumber
Standard0.9
0 – 1
Top-p-samplinginnstilling (nucleus) som brukes til å generere tekst.
repetition_penaltyvalgfritt
Typenumber
Standard1.1
1 – 2
Straff for repetisjon av token under generering av utdata.
acoustic_cfg_scalevalgfritt
Typenumber
Standard1.6
0 – 10
Klassifikatorfri veiledningsstyrke som brukes til å generere akustiske funksjoner.
noise_temperaturevalgfritt
Typenumber
Standard0.9
0 – 2
Støytemperatur som brukes under flow-matching-diffusjon.
num_inference_stepsvalgfritt
Typeinteger
Standard20
1 – 50
Antall ODE-løsersteg som brukes til å generere akustikk gjennom flow matching.
speed_up_factorvalgfritt
Typenumber
Standard1
0,5 – 2
Multiplikator for talehastighet: generert tale blir langsommere under 1.0 og raskere over 1.0.
output_formatvalgfritt
Typeenum
Standardwav
wavmp3
Filformat for den genererte lyden.
enable_safety_checkervalgfritt
Typeboolean
Standardtrue
Filtreringen kan lempes ved å angi false, forutsatt at den som gjør forespørselen, er autorisert.
obligatorisk Kanonisk navn, også godkjent

Filparametere tar imot en offentlig https:// URL, en data: URI på opptil 10 MB eller file_url fra en opplasting. Filer

Utdata

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "tada/3b/text-to-speech",
  "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": 4,
    "usd": "0.004",
    "charged": 4,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "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,
      "channels": 1,
      "sample_rate": 1,
      "bitrate": "string"
    }
  },
  "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, duration, channels, sample_rate, bitrate}Lydfil som inneholder den syntetiserte talen.

Flere modeller: Tekst til tale

For AI-agenter: Denne siden som Markdown finnes på https://doitong.com/no/developers/models/tada/3b/text-to-speech.md. Alle modeller og veiledninger: https://doitong.com/developers/llms.txt