Avançar para o conteúdo

Maya · Stream

Integrar

ID do modelo maya/stream
# 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/stream?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence.",
    "prompt": "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"

Este pedido: ≈0,049 $ 49 créditos da API Executar nesta página

Obter chave de API
Maya Research Texto para voz #text-to-speech#tts

Variante em streaming da conversão de texto em voz do Maya para um único texto com uma descrição de voz

Maya Research · Áudio

O seu primeiro resultado aparece aqui

Crie um pedido abaixo e execute-o com a sua chave de API. As saídas são copiadas para o nosso armazenamento, guardadas para sempre ou durante 7 dias gratuitamente.

Criar um pedido

Os controlos são gerados a partir do esquema do modelo. O código e o preço são atualizados à medida que os altera.

•obrigatório 50 / 5000

Texto de síntese de voz que permite etiquetas de emoção no formato <emotion_name> em qualquer posição, como em 'Hello world! <excited> This is amazing!' ou 'I can't believe this <sigh> happened again.'. As emoções suportadas são curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder e laugh.

•obrigatório 50 / 500

Características da voz ou da personagem a descrever, como intensidade, tom, ritmo, timbre, altura, sotaque e idade.

Avançado sample_rate · output_format · temperature · top_p · max_tokens · repetition_penalty · enable_safety_checker
sample_rate predefinição 48 kHz

Escolha da taxa de amostragem do áudio entre processamento mais rápido a 24 kHz e saída de maior qualidade a 48 kHz.

output_format predefinição wav

Formato do ficheiro de áudio utilizado para a fala sintetizada.

predefinição 0.4

Temperatura de amostragem que controla a variação do áudio: aumentá-la introduz mais variedade, enquanto o intervalo inferior de 0.2–0.5 favorece a estabilidade e a consistência.

predefinição 0.9

Definição de amostragem de núcleo que ajusta a diversidade da seleção de tokens.

predefinição 2000

Orçamento de tokens SNAC que limita a duração do áudio, calculado a 7 tokens por frame.

predefinição 1.1

Penalização aplicada à repetição de tokens. Aumentá-la reduz os artefactos de repetição.

POST /run/maya/stream?wait=20 cotação → 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/stream?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence.",
    "prompt": "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"

Executar este pedido

A sua chave permanece neste navegador: é enviada apenas para a Doitong API e guardada em localStorage apenas se selecionar Lembrar. Obter uma chave de API

Sobre Maya · Stream

Converte um texto com até 5000 caracteres em fala, com um `prompt` obrigatório de descrição da voz com até 500 caracteres e etiquetas de emoção incorporáveis. As opções incluem `temperature`, `top_p`, `repetition_penalty`, taxa de amostragem de 48 ou 24 kHz e saída wav ou mp3. Devolve áudio com a respetiva duração e fator de tempo real.

Parâmetros

NomeTipo PredefiniçãoPermitido Descrição
textobrigatório
Tipostring
≤ 5000 caracteres
Texto de síntese de voz que permite etiquetas de emoção no formato <emotion_name> em qualquer posição, como em 'Hello world! <excited> This is amazing!' ou 'I can't believe this <sigh> happened again.'. As emoções suportadas são curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder e laugh.
promptobrigatório
Tipostring
≤ 500 caracteres
Características da voz ou da personagem a descrever, como intensidade, tom, ritmo, timbre, altura, sotaque e idade.
temperatureopcional
Tiponumber
Predefinição0.4
0 – 2
Temperatura de amostragem que controla a variação do áudio: aumentá-la introduz mais variedade, enquanto o intervalo inferior de 0.2–0.5 favorece a estabilidade e a consistência.
top_popcional
Tiponumber
Predefinição0.9
0 – 1
Definição de amostragem de núcleo que ajusta a diversidade da seleção de tokens.
max_tokensopcional
Tipointeger
Predefinição2000
28 – 4000
Orçamento de tokens SNAC que limita a duração do áudio, calculado a 7 tokens por frame.
repetition_penaltyopcional
Tiponumber
Predefinição1.1
1 – 2
Penalização aplicada à repetição de tokens. Aumentá-la reduz os artefactos de repetição.
sample_rateopcional
Tipoenum
Predefinição48 kHz
48 kHz24 kHz
Escolha da taxa de amostragem do áudio entre processamento mais rápido a 24 kHz e saída de maior qualidade a 48 kHz.
output_formatopcional
Tipoenum
Predefiniçãowav
wavmp3
Formato do ficheiro de áudio utilizado para a fala sintetizada.
enable_safety_checkeropcional
Tipoboolean
Predefiniçãotrue
A filtragem pode ser flexibilizada definindo false, desde que o autor do pedido esteja autorizado.
obrigatório

Resultado

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "maya/stream",
  "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": {
    "text": "Hello from Doitong. This is a short test sentence.",
    "prompt": "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
    },
    "duration": 5,
    "sample_rate": "48 kHz",
    "generation_time": 2.3,
    "rtf": 0.51
  },
  "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"
  }
}
Os seus ficheiros, a sua escolhaCada outputs[].url é uma cópia no nosso armazenamento: guardada para sempre (paga por GB-mês) ou durante 7 dias gratuitamente, conforme a definição da sua conta ou ?storage=.
A mesma estrutura em todos os modelostype, url, content_type, width, height e duration, tanto para imagens como para vídeo e áudio. output é o próprio objeto de resultado do modelo.
Campos do resultado
audio
object {url, content_type, file_name, file_size}Ficheiro de fala gerado em WAV ou MP3, com áudio mono a 24 kHz ou 48 kHz, conforme determinado pelo upsampler.
duration
numberDuração da saída de áudio, medida em segundos.
sample_rate
stringTaxa de amostragem da saída de áudio.
generation_time
numberTempo de geração do áudio, medido em segundos.
rtf
numberFator de tempo real calculado como generation_time dividido por audio_duration; valores menores indicam melhor desempenho.

Mais modelos: Texto para voz

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