Przejdź do treści

Maya · Batch

Integracja

Identyfikator modelu maya/batch
# 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/maya/batch?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "texts": [
      "Hello from Doitong. This is a short test sentence."
    ],
    "prompts": [
      "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: ≈0,049 $ 49 kredytów API Uruchom na tej stronie

Uzyskaj klucz API
Maya Research Tekst na mowę #text-to-speech#tts

Wersja Maya do przetwarzania wsadowego, renderująca do 100 tekstów z odpowiadającymi im opisami głosu

Maya Research · 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

Lista tekstów do syntezy mowy z obsługą tagów <emotion_name> umieszczonych w dowolnym elemencie.

•wymagane

Atrybuty głosu lub postaci dla każdego tekstu, podane jako lista opisów. Liczba opisów musi być równa liczbie tekstów.

Zaawansowane sample_rate · output_format · temperature · top_p · max_tokens · repetition_penalty · enable_safety_checker
sample_rate domyślnie 48 kHz

Wspólne ustawienie częstotliwości próbkowania audio dla każdego generowania: szybsze przetwarzanie przy 24 kHz lub lepsza jakość przy 48 kHz.

output_format domyślnie wav

Format pliku używany dla każdego wygenerowanego nagrania mowy.

domyślnie 0.4

Temperatura próbkowania stosowana do każdego generowania.

domyślnie 0.9

Ustawienie próbkowania jądrowego stosowane do każdego generowania.

domyślnie 2000

Górny limit tokenów SNAC dla każdego generowania.

domyślnie 1.1

Kara za powtarzanie stosowana do każdego generowania.

POST /run/maya/batch?wait=20 wycena → 0,049 $
# 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/maya/batch?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "texts": [
      "Hello from Doitong. This is a short test sentence."
    ],
    "prompts": [
      "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 Maya · Batch

Syntezuje wiele klipów w jednym żądaniu. `texts` i `prompts` przyjmują od 1 do 100 elementów i muszą mieć taką samą długość, aby każdy tekst był powiązany z opisem głosu. Tagi emocji działają w każdym tekście. Ustawienia takie jak częstotliwość próbkowania, format wyjściowy i temperatura dotyczą wszystkich elementów, a wyniki zawierają listę plików audio i ich długości.

Parametry

NazwaTyp DomyślneDozwolone Opis
textswymagane
Typstring[]
≤ 100 elementów
Lista tekstów do syntezy mowy z obsługą tagów <emotion_name> umieszczonych w dowolnym elemencie.
promptswymagane
Typstring[]
≤ 100 elementów
Atrybuty głosu lub postaci dla każdego tekstu, podane jako lista opisów. Liczba opisów musi być równa liczbie tekstów.
temperatureopcjonalne
Typnumber
Domyślne0.4
0 – 2
Temperatura próbkowania stosowana do każdego generowania.
top_popcjonalne
Typnumber
Domyślne0.9
0 – 1
Ustawienie próbkowania jądrowego stosowane do każdego generowania.
max_tokensopcjonalne
Typinteger
Domyślne2000
28 – 4000
Górny limit tokenów SNAC dla każdego generowania.
repetition_penaltyopcjonalne
Typnumber
Domyślne1.1
1 – 2
Kara za powtarzanie stosowana do każdego generowania.
sample_rateopcjonalne
Typenum
Domyślne48 kHz
48 kHz24 kHz
Wspólne ustawienie częstotliwości próbkowania audio dla każdego generowania: szybsze przetwarzanie przy 24 kHz lub lepsza jakość przy 48 kHz.
output_formatopcjonalne
Typenum
Domyślnewav
wavmp3
Format pliku używany dla każdego wygenerowanego nagrania mowy.
enable_safety_checkeropcjonalne
Typboolean
Domyślnetrue
Filtrowanie można złagodzić, ustawiając false, jeśli wywołujący ma odpowiednie uprawnienia.
wymagane

Wynik

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "maya/batch",
  "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": 49,
    "usd": "0.049",
    "charged": 49,
    "refunded": 0
  },
  "input": {
    "texts": [
      "Hello from Doitong. This is a short test sentence."
    ],
    "prompts": [
      "Hello from Doitong. This is a short test sentence."
    ]
  },
  "output": {
    "audios": [
      {
        "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
      }
    ],
    "durations": [
      5
    ],
    "sample_rate": "48 kHz",
    "total_generation_time": 5.7,
    "average_rtf": 0.15
  },
  "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
audios
array of object {url, content_type, file_name, file_size}Wygenerowane pliki audio zwracane jako lista.
durations
array of numberDługość w sekundach każdego wygenerowanego nagrania audio.
sample_rate
stringCzęstotliwość próbkowania wspólna dla wszystkich wygenerowanych plików audio.
total_generation_time
numberŁączny czas generowania w sekundach dla wszystkich plików audio.
average_rtf
numberŚredni współczynnik czasu rzeczywistego dla wszystkich generowań.

Więcej modeli: Tekst na mowę

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