Gå til innhold

Zonos2 Text to Speech

Integrer

Modell-ID zonos2
# 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/zonos2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "reference_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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"

Opptil 0,02 $ per kjøring belastes etter faktisk bruk, resten tilbakebetales Kjør den på denne siden

Hent API-nøkkel
Zyphra Tekst til tale Referanseinndata #text-to-speech#tts#voice-cloning

Flerspråklig stemmekloning med TTS, samplingskontroller og valg mellom tett stemmelikhet eller uttrykksfull fremføring

Zyphra · 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
Slipp en fil, eller

Lyd som inneholder kildestemmen for kloning.

Avansert language · temperature · top_p · min_p · top_k · max_tokens · seed · accurate_mode · clean_speaker_background · enable_safety_checker
standard en_us

Språkvalg for normalisering av tekst, som hoppes over med mindre koden er én av: en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko.

standard 1.15

Temperatur brukt til sampling.

standard 0

Sannsynlighet for nucleus-sampling; sett til 0 for å deaktivere den.

standard 0.18

Sannsynlighetsterskel for sampling med minimumssannsynlighet.

standard 106

Grense for top-k-sampling; sett til 0 for å deaktivere den.

Grense for generering av lydrammer, som bruker modellens kontekstgrense med mindre en maksimumsverdi oppgis.

Seed som muliggjør reproduserbare resultater; velges tilfeldig hvis den utelates.

POST /run/zonos2?wait=20 pris → 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/zonos2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "reference_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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 Zonos2 Text to Speech

Kloner en stemme fra `reference_audio_url` og leser opp tekst, og returnerer WAV-lyd i 44.1kHz mono sammen med seed-verdien som ble brukt. `language` angir tekstnormalisering for en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn og ko. `accurate_mode` balanserer stemmelikhet mot uttrykksfullhet, og sampling kan finjusteres med `temperature`, `top_p`, `min_p`, `top_k` og `max_tokens` (opptil 6144).

Parametere

NavnType StandardTillatt Beskrivelse
reference_audio_urlobligatorisk
Typeurl · audio
Lyd som inneholder kildestemmen for kloning.
languagevalgfritt
Typestring
Standarden_us
Språkvalg for normalisering av tekst, som hoppes over med mindre koden er én av: en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko.
seedvalgfritt
Typeinteger | null
0 – 2 147 483 647
Seed som muliggjør reproduserbare resultater; velges tilfeldig hvis den utelates.
accurate_modevalgfritt
Typeboolean
Standardtrue
Stemmelighet kontra uttrykksfullhet: True favoriserer et nærmere samsvar, mens False favoriserer mer uttrykksfull tale.
clean_speaker_backgroundvalgfritt
Typeboolean
Standardfalse
Angir at referanselyden har en ren bakgrunn.
temperaturevalgfritt
Typenumber
Standard1.15
0 – 2
Temperatur brukt til sampling.
top_pvalgfritt
Typenumber
Standard0
0 – 1
Sannsynlighet for nucleus-sampling; sett til 0 for å deaktivere den.
min_pvalgfritt
Typenumber
Standard0.18
0 – 1
Sannsynlighetsterskel for sampling med minimumssannsynlighet.
top_kvalgfritt
Typeinteger
Standard106
0 – 2 048
Grense for top-k-sampling; sett til 0 for å deaktivere den.
max_tokensvalgfritt
Typeinteger | null
1 – 6 144
Grense for generering av lydrammer, som bruker modellens kontekstgrense med mindre en maksimumsverdi oppgis.
enable_safety_checkervalgfritt
Typeboolean
Standardtrue
Filtreringen kan lempes ved å angi false, forutsatt at den som gjør forespørselen, er autorisert.
obligatorisk

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": "zonos2",
  "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": {
    "reference_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "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
    },
    "seed": 42
  },
  "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}Utgående lyd i WAV-format, med en samplingsfrekvens på 44.1kHz og én monokanal.
seed
integerSeed-verdi brukt under genereringen.

For AI-agenter: Denne siden som Markdown finnes på https://doitong.com/no/developers/models/zonos2.md. Alle modeller og veiledninger: https://doitong.com/developers/llms.txt