Przejdź do treści

Chatterbox · Text to Speech · Multilingual

Integracja

Identyfikator modelu chatterbox/text-to-speech/multilingual
# 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/chatterbox/text-to-speech/multilingual?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "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"

To żądanie: 0,002 $ 2 kredyty API Uruchom na tej stronie

Uzyskaj klucz API
Resemble AI Tekst na mowę #text-to-speech#multilingual

Wielojęzyczna synteza mowy obejmująca 23 języki, ograniczona do 300 znaków na żądanie

Resemble AI · Audio

Tutaj pojawi się pierwszy wynik

Zbuduj poniżej żądanie i uruchom je za pomocą klucza API. Wyniki są kopiowane do naszej przestrzeni dyskowej i przechowywane bezterminowo lub 7 dni bezpłatnie.

Zbuduj żądanie

Elementy sterujące są generowane ze schematu modelu. Kod i cena aktualizują się podczas ich zmiany.

•wymagane 50 / 300

Tekst do syntezy mowy, ograniczony do 300 znaków i obsługujący 23 języki. Dostępne języki obejmują angielski i francuski; niemiecki, hiszpański, włoski i portugalski; hindi i arabski; chiński, japoński i koreański oraz inne.

Zaawansowane voice · custom_audio_language · exaggeration · temperature · cfg_scale · seed
domyślnie english

Kod języka syntezy; użycie niestandardowe wymaga zarówno adresu URL audio, jak i wyboru dla custom_audio_language.

Ustawienie języka stosowane tylko wtedy, gdy głos jest podany jako niestandardowy adres URL; w przeciwnym razie jest ignorowane. Określ język używany w tym niestandardowym audio.

domyślnie 0.5

Ekspresja mowy i intensywność emocjonalna względem neutralnego ustawienia 0.5. Zwiększenie wartości dodaje ekspresji w zakresie 0.25–2.0, choć skrajne ustawienia mogą powodować niestabilność.

domyślnie 0.8

Dostosuj różnorodność wzorców mowy, ustawiając losowość generowania w zakresie od 0.05 do 2.0; zwiększenie wartości zapewnia większe zróżnicowanie.

domyślnie 0.5

Waga wskazówek generowania dla konfiguracji/tempa. W przypadku transferu języka wartość 0.0 pomaga ograniczyć przejmowanie akcentu; pełny zakres to 0.0–1.0.

Ziarno generowania z dwoma zachowaniami: 0 wybiera losowe generowanie, a określona liczba zapewnia powtarzalność wyników.

POST /run/chatterbox/text-to-speech/multilingual?wait=20 wycena → 0,002 $
# 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/chatterbox/text-to-speech/multilingual?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "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"

Uruchom to żądanie

Klucz pozostaje w tej przeglądarce: jest wysyłany tylko do Doitong API i zapisywany (localStorage) tylko po zaznaczeniu opcji Zapamiętaj. Uzyskaj klucz API

Informacje o Chatterbox · Text to Speech · Multilingual

Syntezuje mowę w wielu językach, w tym angielskim, francuskim, niemieckim, hiszpańskim, hindi, arabskim, chińskim, japońskim i koreańskim. Tekst jest ograniczony do 300 znaków. `voice` ustawia język lub niestandardowy adres URL audio wraz z `custom_audio_language`. `exaggeration` przyjmuje wartości od 0.25 do 2, a `cfg_scale` można ustawić na 0 w celu transferu języka i ograniczenia przenoszenia akcentu.

Parametry

NazwaTyp DomyślneDozwolone Opis
textwymagane
Typstring
≤ 300 znaków
Tekst do syntezy mowy, ograniczony do 300 znaków i obsługujący 23 języki. Dostępne języki obejmują angielski i francuski; niemiecki, hiszpański, włoski i portugalski; hindi i arabski; chiński, japoński i koreański oraz inne.
voiceopcjonalne
Typstring
Domyślneenglish
Kod języka syntezy; użycie niestandardowe wymaga zarówno adresu URL audio, jak i wyboru dla custom_audio_language.
custom_audio_languageopcjonalne
Typenum
englisharabicdanishgermangreekspanishfinnishfrenchhebrewhindiitalianjapanesekoreanmalaydutchnorwegian
+7 więcejpolishportugueserussianswedishswahiliturkishchinese
Ustawienie języka stosowane tylko wtedy, gdy głos jest podany jako niestandardowy adres URL; w przeciwnym razie jest ignorowane. Określ język używany w tym niestandardowym audio.
exaggerationopcjonalne
Typnumber
Domyślne0.5
0,25 – 2
Ekspresja mowy i intensywność emocjonalna względem neutralnego ustawienia 0.5. Zwiększenie wartości dodaje ekspresji w zakresie 0.25–2.0, choć skrajne ustawienia mogą powodować niestabilność.
temperatureopcjonalne
Typnumber
Domyślne0.8
0,05 – 2
Dostosuj różnorodność wzorców mowy, ustawiając losowość generowania w zakresie od 0.05 do 2.0; zwiększenie wartości zapewnia większe zróżnicowanie.
cfg_scaleopcjonalne
Typnumber
Domyślne0.5
0 – 1
Waga wskazówek generowania dla konfiguracji/tempa. W przypadku transferu języka wartość 0.0 pomaga ograniczyć przejmowanie akcentu; pełny zakres to 0.0–1.0.
seedopcjonalne
Typinteger | null
Ziarno generowania z dwoma zachowaniami: 0 wybiera losowe generowanie, a określona liczba zapewnia powtarzalność wyników.
wymagane

Wynik

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "chatterbox/text-to-speech/multilingual",
  "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": 2,
    "usd": "0.002",
    "charged": 2,
    "refunded": 0
  },
  "input": {
    "text": "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
    }
  },
  "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"
  }
}
Twoje pliki, Twój wybórKażdy outputs[].url to kopia w naszej przestrzeni dyskowej: przechowywana bezterminowo (opłata za GB-miesiąc) lub 7 dni bezpłatnie, zgodnie z ustawieniem konta lub ?storage=.
Taki sam format w każdym modelutype, url, content_type, width, height i duration — tak samo dla obrazów, filmów i dźwięku. output to własny obiekt wyniku modelu.
Pola wyniku
audio
object {url, content_type, file_name, file_size}Plik audio zawierający zsyntetyzowaną wielojęzyczną mowę.

Dla agentów AI: ta strona w formacie Markdown jest dostępna pod adresem https://doitong.com/pl/developers/models/chatterbox/text-to-speech/multilingual.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt