Ir para o conteúdo

Zonos2 Text to Speech

Integrar

ID do modelo 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"

Até $ 0,02 por execução cobrado pelo uso real, o restante é reembolsado Executar nesta página

Obter chave de API
Zyphra Texto para fala Entradas de referência #text-to-speech#tts#voice-cloning

TTS multilíngue com clonagem de voz, controles de amostragem e escolha entre correspondência próxima ou entrega expressiva

Zyphra · Áudio

Seu primeiro resultado aparecerá aqui

Monte uma requisição abaixo e execute-a com sua chave de API. As saídas são copiadas para nosso armazenamento, mantidas para sempre ou por 7 dias gratuitamente.

Criar uma solicitação

Os controles são gerados a partir do esquema do modelo. O código e o preço são atualizados conforme você os altera.

•obrigatório
Solte um arquivo ou

Áudio que fornece a voz de origem para clonagem.

Avançado language · temperature · top_p · min_p · top_k · max_tokens · seed · accurate_mode · clean_speaker_background · enable_safety_checker
padrão en_us

Seleção de idioma para normalização de texto, que é ignorada a menos que o código seja um destes: en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko.

padrão 1.15

Temperatura usada para a amostragem.

padrão 0

Probabilidade para amostragem de núcleo; defina como 0 para desativá-la.

padrão 0.18

Limite de probabilidade para amostragem de probabilidade mínima.

padrão 106

Limite para amostragem top-k; defina como 0 para desativá-la.

Limite de geração de quadros de áudio, usando o limite de contexto do modelo, a menos que um máximo seja fornecido.

Seed que permite resultados reproduzíveis; escolhida aleatoriamente se omitida.

POST /run/zonos2?wait=20 cotação → $ 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"

Executar esta solicitação

Sua chave permanece neste navegador: ela é enviada somente à Doitong API e salva (localStorage) apenas se você marcar Lembrar. Obter uma chave de API

Sobre Zonos2 Text to Speech

Clona uma voz a partir de `reference_audio_url` e fala um texto, retornando áudio WAV mono a 44.1kHz junto com a semente usada. `language` define a normalização do texto para en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn e ko. `accurate_mode` troca a proximidade da voz por expressividade, e a amostragem pode ser ajustada por meio de `temperature`, `top_p`, `min_p`, `top_k` e `max_tokens` (até 6144).

Parâmetros

NomeTipo PadrãoPermitido Descrição
reference_audio_urlobrigatório
Tipourl · audio
Áudio que fornece a voz de origem para clonagem.
languageopcional
Tipostring
Padrãoen_us
Seleção de idioma para normalização de texto, que é ignorada a menos que o código seja um destes: en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko.
seedopcional
Tipointeger | null
0 – 2.147.483.647
Seed que permite resultados reproduzíveis; escolhida aleatoriamente se omitida.
accurate_modeopcional
Tipoboolean
Padrãotrue
Correspondência da voz versus expressividade: True favorece uma correspondência mais próxima, enquanto False favorece uma fala mais expressiva.
clean_speaker_backgroundopcional
Tipoboolean
Padrãofalse
Indica que o áudio de referência tem um fundo limpo.
temperatureopcional
Tiponumber
Padrão1.15
0 – 2
Temperatura usada para a amostragem.
top_popcional
Tiponumber
Padrão0
0 – 1
Probabilidade para amostragem de núcleo; defina como 0 para desativá-la.
min_popcional
Tiponumber
Padrão0.18
0 – 1
Limite de probabilidade para amostragem de probabilidade mínima.
top_kopcional
Tipointeger
Padrão106
0 – 2.048
Limite para amostragem top-k; defina como 0 para desativá-la.
max_tokensopcional
Tipointeger | null
1 – 6.144
Limite de geração de quadros de áudio, usando o limite de contexto do modelo, a menos que um máximo seja fornecido.
enable_safety_checkeropcional
Tipoboolean
Padrãotrue
A filtragem pode ser relaxada definindo false, desde que o chamador esteja autorizado.
obrigatório

Os parâmetros de arquivo aceitam uma URL https:// pública, um URI data: de até 10 MB ou o file_url de um upload. Arquivos

Saída

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"
  }
}
Seus arquivos, sua escolhaCada outputs[].url é uma cópia em nosso armazenamento: mantida para sempre (cobrada por GB-mês) ou por 7 dias gratuitamente, conforme a configuração da sua conta ou ?storage=.
Mesmo formato em todos os modelostype, url, content_type, width, height e duration, para imagens, vídeos e áudios. output é o próprio objeto de resultado do modelo.
Campos da saída
audio
object {url, content_type, file_name, file_size}Áudio de saída no formato WAV, com taxa de amostragem de 44.1kHz e canal mono.
seed
integerValor de seed aplicado durante a geração.

Para agentes de IA: esta página em Markdown está em https://doitong.com/pt-BR/developers/models/zonos2.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt