Avançar 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 com base na utilização real, o restante é reembolsado Executar nesta página

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

TTS multilingue com clonagem de voz, controlos de amostragem e escolha entre correspondência próxima ou interpretação expressiva

Zyphra · 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
Largue um ficheiro ou

Áudio que fornece a voz de origem para a clonagem.

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

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

predefinição 1.15

Temperatura utilizada para a amostragem.

predefinição 0

Probabilidade para amostragem de núcleo; defina como 0 para a desativar.

predefinição 0.18

Limiar de probabilidade para a amostragem de probabilidade mínima.

predefinição 106

Limite para a amostragem top-k; defina como 0 para a desativar.

Limite de geração de frames de áudio, utilizando o limite de contexto do modelo, exceto quando é fornecido um máximo.

Seed que permite resultados reproduzíveis; escolhida aleatoriamente se for 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 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 Zonos2 Text to Speech

Clona uma voz a partir de `reference_audio_url` e lê texto, devolvendo áudio WAV mono a 44.1kHz juntamente com a semente utilizada. `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 proximidade da voz por expressividade, e a amostragem pode ser ajustada através de `temperature`, `top_p`, `min_p`, `top_k` e `max_tokens` (até 6144).

Parâmetros

NomeTipo PredefiniçãoPermitido Descrição
reference_audio_urlobrigatório
Tipourl · audio
Áudio que fornece a voz de origem para a clonagem.
languageopcional
Tipostring
Predefiniçãoen_us
Seleção de idioma para a normalização de texto, que é ignorada exceto quando o código é um de: 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 for omitida.
accurate_modeopcional
Tipoboolean
Predefiniçãotrue
Correspondência da voz versus expressividade: True favorece uma correspondência mais próxima, enquanto False favorece uma fala mais expressiva.
clean_speaker_backgroundopcional
Tipoboolean
Predefiniçãofalse
Indica que o áudio de referência tem um fundo sem ruído.
temperatureopcional
Tiponumber
Predefinição1.15
0 – 2
Temperatura utilizada para a amostragem.
top_popcional
Tiponumber
Predefinição0
0 – 1
Probabilidade para amostragem de núcleo; defina como 0 para a desativar.
min_popcional
Tiponumber
Predefinição0.18
0 – 1
Limiar de probabilidade para a amostragem de probabilidade mínima.
top_kopcional
Tipointeger
Predefinição106
0 – 2048
Limite para a amostragem top-k; defina como 0 para a desativar.
max_tokensopcional
Tipointeger | null
1 – 6144
Limite de geração de frames de áudio, utilizando o limite de contexto do modelo, exceto quando é fornecido um máximo.
enable_safety_checkeropcional
Tipoboolean
Predefiniçãotrue
A filtragem pode ser flexibilizada definindo false, desde que o autor do pedido esteja autorizado.
obrigatório

Os parâmetros de ficheiro aceitam um URL https:// público, um URI data: até 10 MB ou o file_url de um carregamento. Ficheiros

Resultado

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"
  }
}
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}Áudio de saída em formato WAV, com uma frequência de amostragem de 44.1kHz e canal mono.
seed
integerValor da seed aplicado durante a geração.

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