ਸਮੱਗਰੀ ਵੱਲ ਜਾਓ

Personaplex

ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ

ਮਾਡਲ id personaplex
# 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/personaplex?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"
  }'

# 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"

ਉਦਾਹਰਨ ਵਰਗੀਆਂ ਫ਼ਾਈਲਾਂ: $0.01 10 API ਕ੍ਰੈਡਿਟ ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ ਚਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਮਾਪੀਆਂ ਜਾਂਦੀਆਂ ਹਨ ਇਸ ਪੰਨੇ ’ਤੇ ਚਲਾਓ

API ਕੁੰਜੀ ਲਵੋ
NVIDIA ਆਡੀਓ #audio

ਸਪੀਚ-ਟੂ-ਸਪੀਚ ਗੱਲਬਾਤੀ ਮਾਡਲ, ਜੋ ਤੁਹਾਡੇ ਚੁਣੇ ਹੋਏ ਪਰਸੋਨਾ ਅਤੇ ਆਵਾਜ਼ ਵਿੱਚ ਬੋਲੇ ਗਏ ਆਡੀਓ ਦਾ ਜਵਾਬ ਦਿੰਦਾ ਹੈ

NVIDIA · ਆਡੀਓ

ਤੁਹਾਡਾ ਪਹਿਲਾ ਨਤੀਜਾ ਇੱਥੇ ਹੋਵੇਗਾ

ਹੇਠਾਂ ਬੇਨਤੀ ਬਣਾਓ ਅਤੇ ਆਪਣੀ API ਕੁੰਜੀ ਨਾਲ ਚਲਾਓ। ਆਉਟਪੁੱਟ ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਕਾਪੀ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਹਮੇਸ਼ਾ ਲਈ ਜਾਂ ਮੁਫ਼ਤ ਵਿੱਚ 7 ਦਿਨ ਤੱਕ ਰੱਖੇ ਜਾਂਦੇ ਹਨ।

ਰਿਕਵੈਸਟ ਬਣਾਓ

ਕੰਟਰੋਲ ਮਾਡਲ ਸਕੀਮਾ ਤੋਂ ਤਿਆਰ ਹੁੰਦੇ ਹਨ। ਤੁਸੀਂ ਬਦਲਾਅ ਕਰਦੇ ਹੀ ਕੋਡ ਅਤੇ ਕੀਮਤ ਅੱਪਡੇਟ ਹੋ ਜਾਂਦੇ ਹਨ।

ਡਿਫ਼ਾਲਟ You are a wise and fr...

AI ਦੀ ਸ਼ਖ਼ਸੀਅਤ ਅਤੇ ਗੱਲਬਾਤ ਦਾ ਸੰਦਰਭ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਵਾਲਾ ਟੈਕਸਟ ਪ੍ਰੌਂਪਟ।

ਫ਼ਾਈਲ ਛੱਡੋ, ਜਾਂ

ਆਵਾਜ਼-ਕਲੋਨਿੰਗ ਨਮੂਨਾ URL; ਘੱਟੋ-ਘੱਟ 10 ਸਕਿੰਟ ਦੀ ਸਾਫ਼ ਬੋਲੀ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਨਮੂਨਾ ਤੁਰੰਤ ਕਲੋਨ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ AI ਦੇ ਜਵਾਬ ਲਈ ਪੂਰਵ-ਨਿਰਧਾਰਤ 'voice' ਨੂੰ ਬਦਲ ਦਿੰਦਾ ਹੈ।

•ਲੋੜੀਂਦਾ audio_url
ਫ਼ਾਈਲ ਛੱਡੋ, ਜਾਂ

ਉਪਭੋਗਤਾ ਦੀ ਬੋਲੀ ਵਾਲੇ ਆਡੀਓ ਇਨਪੁੱਟ ਦਾ URL।

ਉੱਨਤ voice · temperature_audio · temperature_text · top_k_audio · top_k_text · seed · enable_safety_checker
ਡਿਫ਼ਾਲਟ NATF2

AI ਦੇ ਜਵਾਬ ਦੀ ਆਵਾਜ਼ ID, voice_audio_url ਦਿੱਤੇ ਜਾਣ 'ਤੇ ਓਵਰਰਾਈਡ ਹੁੰਦੀ ਹੈ। ਇਸਦੇ ਕੋਡ ਕੁਦਰਤੀ (NAT) ਅਤੇ ਵੈਰਾਇਟੀ (VAR), ਅਤੇ ਇਸਤਰੀ (F) ਅਤੇ ਪੁਰਸ਼ (M) ਵਿੱਚ ਫ਼ਰਕ ਕਰਦੇ ਹਨ।

ਡਿਫ਼ਾਲਟ 0.8

ਆਡੀਓ ਸੈਂਪਲਿੰਗ ਵੇਲੇ ਵਰਤਿਆ ਤਾਪਮਾਨ; ਇਸਨੂੰ ਵਧਾਉਣ ਨਾਲ ਹੋਰ ਵਿਭਿੰਨ ਨਤੀਜੇ ਮਿਲਦੇ ਹਨ।

ਡਿਫ਼ਾਲਟ 0.7

ਟੈਕਸਟ ਸੈਂਪਲਿੰਗ ਵੇਲੇ ਵਰਤਿਆ ਤਾਪਮਾਨ; ਇਸਨੂੰ ਵਧਾਉਣ ਨਾਲ ਹੋਰ ਵਿਭਿੰਨ ਨਤੀਜੇ ਮਿਲਦੇ ਹਨ।

ਡਿਫ਼ਾਲਟ 250

ਆਡੀਓ ਟੋਕਨਾਂ ਦੇ ਸੈਂਪਲਿੰਗ ਲਈ ਵਰਤੀ Top-K ਸੈਟਿੰਗ।

ਡਿਫ਼ਾਲਟ 25

ਟੈਕਸਟ ਟੋਕਨਾਂ ਦੇ ਸੈਂਪਲਿੰਗ ਲਈ ਵਰਤੀ Top-K ਸੈਟਿੰਗ।

ਦੁਹਰਾਉਣਯੋਗ ਨਤੀਜਿਆਂ ਲਈ ਰੈਂਡਮਨੈੱਸ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਨ ਵਾਲਾ ਸੀਡ।

POST /run/personaplex?wait=20 ਕੋਟ → $0.01
# 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/personaplex?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"
  }'

# 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"

ਇਹ ਬੇਨਤੀ ਚਲਾਓ

ਤੁਹਾਡੀ key ਇਸ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਰਹਿੰਦੀ ਹੈ: ਇਹ ਸਿਰਫ਼ Doitong API ਨੂੰ ਭੇਜੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਸਿਰਫ਼ ਤਾਂ ਹੀ (localStorage) ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਹੁੰਦੀ ਹੈ ਜੇ ਤੁਸੀਂ Remember ਚੁਣੋ। API ਕੁੰਜੀ ਪ੍ਰਾਪਤ ਕਰੋ

Personaplex ਬਾਰੇ

ਯੂਜ਼ਰ ਦੀ ਬੋਲੀ `audio_url` ਰਾਹੀਂ ਲੈਂਦਾ ਹੈ ਅਤੇ ਜਨਰੇਟ ਕੀਤੀ ਬੋਲੀ ਵਿੱਚ ਜਵਾਬ ਦਿੰਦਾ ਹੈ, ਜੋ ਜਵਾਬ ਦੇ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ ਅਤੇ ਇਸ ਦੀ ਮਿਆਦ ਨਾਲ ਵਾਪਸ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਟੈਕਸਟ `prompt` ਪਰਸੋਨਾ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦਾ ਹੈ ਅਤੇ `voice` ਪ੍ਰੀਸੈਟ ਚੁਣਦਾ ਹੈ। ਵਿਕਲਪ ਵਜੋਂ `voice_audio_url` ਸੈਂਪਲ ਤੋਂ ਆਵਾਜ਼ ਕਲੋਨ ਕਰਦਾ ਹੈ; ਇਸ ਲਈ 10 ਜਾਂ ਵੱਧ ਸਕਿੰਟ ਦੀ ਸਾਫ਼ ਬੋਲੀ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਸੈਂਪਲਿੰਗ ਨੂੰ temperature ਅਤੇ top-k ਸੈਟਿੰਗਾਂ ਰਾਹੀਂ ਬਦਲਿਆ ਜਾ ਸਕਦਾ ਹੈ।

ਪੈਰਾਮੀਟਰ

ਕੈਨੋਨਿਕਲ ਨਾਮ ਜਾਂ ਨੇਟਿਵ ਨਾਮ ਵਿੱਚੋਂ ਕੋਈ ਇੱਕ ਭੇਜੋ, ਦੋਵੇਂ ਨਹੀਂ। ਕੈਨੋਨਿਕਲ ਨਾਮ

ਨਾਮਕਿਸਮ ਡਿਫ਼ਾਲਟਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵੇਰਵਾ
promptਵਿਕਲਪਿਕ
ਕਿਸਮstring
ਡਿਫ਼ਾਲਟYou are a wise and friendly teacher. Answer questions or provide advice in a clear and engaging way.
AI ਦੀ ਸ਼ਖ਼ਸੀਅਤ ਅਤੇ ਗੱਲਬਾਤ ਦਾ ਸੰਦਰਭ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਵਾਲਾ ਟੈਕਸਟ ਪ੍ਰੌਂਪਟ।
voiceਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟNATF2
NATF0NATF1NATF2NATF3NATM0NATM1NATM2NATM3VARF0VARF1VARF2VARF3VARF4VARM0VARM1VARM2
+2 ਹੋਰVARM3VARM4
AI ਦੇ ਜਵਾਬ ਦੀ ਆਵਾਜ਼ ID, voice_audio_url ਦਿੱਤੇ ਜਾਣ 'ਤੇ ਓਵਰਰਾਈਡ ਹੁੰਦੀ ਹੈ। ਇਸਦੇ ਕੋਡ ਕੁਦਰਤੀ (NAT) ਅਤੇ ਵੈਰਾਇਟੀ (VAR), ਅਤੇ ਇਸਤਰੀ (F) ਅਤੇ ਪੁਰਸ਼ (M) ਵਿੱਚ ਫ਼ਰਕ ਕਰਦੇ ਹਨ।
voice_audio_urlਵਿਕਲਪਿਕ
ਕਿਸਮurl · audio
ਆਵਾਜ਼-ਕਲੋਨਿੰਗ ਨਮੂਨਾ URL; ਘੱਟੋ-ਘੱਟ 10 ਸਕਿੰਟ ਦੀ ਸਾਫ਼ ਬੋਲੀ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਨਮੂਨਾ ਤੁਰੰਤ ਕਲੋਨ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ AI ਦੇ ਜਵਾਬ ਲਈ ਪੂਰਵ-ਨਿਰਧਾਰਤ 'voice' ਨੂੰ ਬਦਲ ਦਿੰਦਾ ਹੈ।
temperature_audioਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ0.8
0 – 2
ਆਡੀਓ ਸੈਂਪਲਿੰਗ ਵੇਲੇ ਵਰਤਿਆ ਤਾਪਮਾਨ; ਇਸਨੂੰ ਵਧਾਉਣ ਨਾਲ ਹੋਰ ਵਿਭਿੰਨ ਨਤੀਜੇ ਮਿਲਦੇ ਹਨ।
temperature_textਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ0.7
0 – 2
ਟੈਕਸਟ ਸੈਂਪਲਿੰਗ ਵੇਲੇ ਵਰਤਿਆ ਤਾਪਮਾਨ; ਇਸਨੂੰ ਵਧਾਉਣ ਨਾਲ ਹੋਰ ਵਿਭਿੰਨ ਨਤੀਜੇ ਮਿਲਦੇ ਹਨ।
top_k_audioਵਿਕਲਪਿਕ
ਕਿਸਮinteger
ਡਿਫ਼ਾਲਟ250
1 – 2,048
ਆਡੀਓ ਟੋਕਨਾਂ ਦੇ ਸੈਂਪਲਿੰਗ ਲਈ ਵਰਤੀ Top-K ਸੈਟਿੰਗ।
top_k_textਵਿਕਲਪਿਕ
ਕਿਸਮinteger
ਡਿਫ਼ਾਲਟ25
1 – 1,000
ਟੈਕਸਟ ਟੋਕਨਾਂ ਦੇ ਸੈਂਪਲਿੰਗ ਲਈ ਵਰਤੀ Top-K ਸੈਟਿੰਗ।
seedਵਿਕਲਪਿਕ
ਕਿਸਮinteger | null
ਦੁਹਰਾਉਣਯੋਗ ਨਤੀਜਿਆਂ ਲਈ ਰੈਂਡਮਨੈੱਸ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਨ ਵਾਲਾ ਸੀਡ।
audio_urlਲੋੜੀਂਦਾ audio
ਕਿਸਮurl · audio
ਉਪਭੋਗਤਾ ਦੀ ਬੋਲੀ ਵਾਲੇ ਆਡੀਓ ਇਨਪੁੱਟ ਦਾ URL।
enable_safety_checkerਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟtrue
false ਸੈੱਟ ਕਰਕੇ ਸਕ੍ਰੀਨਿੰਗ ਨੂੰ ਢਿੱਲਾ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਜੇ ਕਾਲਰ ਅਧਿਕਾਰਤ ਹੋਵੇ।
ਲੋੜੀਂਦਾ ਕੈਨੋਨਿਕਲ ਨਾਮ, ਇਹ ਵੀ ਸਵੀਕਾਰਿਆ ਜਾਂਦਾ ਹੈ

ਫ਼ਾਈਲ ਪੈਰਾਮੀਟਰ ਜਨਤਕ https:// URL, 10 MB ਤੱਕ ਦਾ data: URI, ਜਾਂ ਅੱਪਲੋਡ ਦੇ file_url ਨੂੰ ਸਵੀਕਾਰਦੇ ਹਨ। ਫ਼ਾਈਲਾਂ

ਆਉਟਪੁੱਟ

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "personaplex",
  "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": 10,
    "usd": "0.01",
    "charged": 10,
    "refunded": 0
  },
  "input": {
    "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
    },
    "text": " Thank you for calling SwiftPlex Appliances. This is Farhod, how can I help you today? I understand your concern. The replacement part is out of stock, so we can't ship it right away. We can use an alternative part that will arrive in 3 days. Would you like to proceed with that?",
    "duration": 5,
    "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"
  }
}
ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ, ਤੁਹਾਡੀ ਚੋਣਹਰ outputs[].url ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਇੱਕ ਕਾਪੀ ਹੈ: ਹਮੇਸ਼ਾ ਲਈ ਰੱਖੀ ਜਾਂਦੀ ਹੈ (ਪ੍ਰਤੀ GB-ਮਹੀਨਾ ਭੁਗਤਾਨ) ਜਾਂ 7 ਦਿਨ ਤੱਕ ਮੁਫ਼ਤ, ਤੁਹਾਡੀ ਖਾਤਾ ਸੈਟਿੰਗ ਜਾਂ ?storage= ਅਨੁਸਾਰ।
ਹਰ ਮਾਡਲ ’ਤੇ ਇੱਕੋ ਜਿਹਾ ਰੂਪਤਸਵੀਰਾਂ, ਵੀਡੀਓ ਅਤੇ ਆਡੀਓ ਸਭ ਲਈ type, url, content_type, width, height ਅਤੇ duration। output ਮਾਡਲ ਦਾ ਆਪਣਾ ਨਤੀਜਾ ਆਬਜੈਕਟ ਹੈ।
ਆਉਟਪੁੱਟ ਦੇ ਫ਼ੀਲਡ
audio
object {url, content_type, file_name, file_size}24 kHz 'ਤੇ WAV ਫਾਰਮੈਟ ਵਿੱਚ AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤਾ ਜਵਾਬ ਆਡੀਓ।
text
stringAI ਵੱਲੋਂ ਮਿਲੇ ਜਵਾਬ ਦਾ ਟੈਕਸਟ ਟ੍ਰਾਂਸਕ੍ਰਿਪਸ਼ਨ।
duration
numberਤਿਆਰ ਕੀਤੇ ਆਡੀਓ ਦੀ ਲੰਬਾਈ, ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਾਪੀ ਗਈ।
seed
integerਸਿਰਜਣਾ ਦੌਰਾਨ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਸੀਡ ਮੁੱਲ।

ਹੋਰ ਮਾਡਲ: ਆਡੀਓ

AI ਏਜੰਟਾਂ ਲਈ: ਇਹ ਪੰਨਾ Markdown ਵਜੋਂ ਇੱਥੇ ਹੈ https://doitong.com/pa/developers/models/personaplex.md. ਸਾਰੇ ਮਾਡਲ ਅਤੇ ਗਾਈਡ: https://doitong.com/developers/llms.txt