Przejdź do treści

F5 TTS

Integracja

Identyfikator modelu f5-tts
# 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/f5-tts?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "gen_text": "Hello from Doitong. This is a short test sentence.",
    "ref_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "model_type": "F5-TTS"
  }'

# 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: 0,003 $ 3 kredyty API Uruchom na tej stronie

Uzyskaj klucz API
Open model Tekst na mowę Dane referencyjne #speech

Synteza mowy z klonowaniem głosu na podstawie referencyjnego nagrania audio z użyciem F5-TTS lub E2-TTS

Open model · 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

Tekst do syntezy mowy, ograniczony do 5000 znaków.

•wymagane
Upuść plik lub

URL referencyjnego pliku audio.

model_type •wymagane

Nazwa modelu do syntezy TTS.

Zaawansowane ref_text · remove_silence
domyślnie

Tekst referencyjny TTS; pominięcie go wybiera automatyczne generowanie za pomocą modelu rozpoznawania mowy (ASR, Automatic Speech Recognition).

POST /run/f5-tts?wait=20 wycena → 0,003 $
# 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/f5-tts?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "gen_text": "Hello from Doitong. This is a short test sentence.",
    "ref_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "model_type": "F5-TTS"
  }'

# 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 F5 TTS

Wypowiada `gen_text` (do 5000 znaków) głosem z nagrania referencyjnego wskazanego przez `ref_audio_url`. `model_type` wybiera F5-TTS lub E2-TTS. Jeśli `ref_text` jest pusty, rozpoznawanie mowy go wygeneruje. `remove_silence` jest domyślnie włączone.

Parametry

NazwaTyp DomyślneDozwolone Opis
gen_textwymagane
Typstring
Tekst do syntezy mowy, ograniczony do 5000 znaków.
ref_audio_urlwymagane
Typurl · audio
URL referencyjnego pliku audio.
ref_textopcjonalne
Typstring
Domyślne
Tekst referencyjny TTS; pominięcie go wybiera automatyczne generowanie za pomocą modelu rozpoznawania mowy (ASR, Automatic Speech Recognition).
model_typewymagane
Typenum
F5-TTSE2-TTS
Nazwa modelu do syntezy TTS.
remove_silenceopcjonalne
Typboolean
Domyślnetrue
Określa, czy cisza jest usuwana z pliku audio.
wymagane

Parametry plików przyjmują publiczny URL https://, identyfikator URI data: do 10 MB albo file_url przesłanego pliku. Pliki

Wynik

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "f5-tts",
  "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": 3,
    "usd": "0.003",
    "charged": 3,
    "refunded": 0
  },
  "input": {
    "gen_text": "Hello from Doitong. This is a short test sentence.",
    "ref_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "model_type": "F5-TTS"
  },
  "output": {
    "audio_url": {
      "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_url
object {url, content_type, file_name, file_size}Plik audio ze zsyntetyzowaną mową.

Dla agentów AI: ta strona w formacie Markdown jest dostępna pod adresem https://doitong.com/pl/developers/models/f5-tts.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt