Saltar al cuntegna

Tada

Integrar

ID dal model tada/3b/text-to-speech
# 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/tada/3b/text-to-speech?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "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"

Questa dumonda: $0,004 4 credits API Lantschar sin questa pagina

Obtegna ina clav API
Open model Text a discurrer

Text-to-speech cun clonaziun da la vusch che discurra tes text cun la vusch d'in clip da referenza, cun 10 codes linguistics

Open model · Audio

Tes emprim resultat vegn qua

Construis ina dumonda sutvart e l'exequescha cun tia clav API. Outputs vegnan copiads en nossa memorisaziun, conservads per adina u 7 dis gratuitamain.

Construir ina dumonda

Ils controls vegnan generads dal schema dal model. Il code e ​​il pretsch s'actualiseschan durant che ti als midas.

•obligatori

Cuntegn da pled furnì sco text; il pledader da referenza furnescha la vusch utilisada per render el.

•obligatori audio_url
Trametta in datoteca u

Funtauna per il voice cloning furnida sco URL d'ina datoteca audio, che identifitgescha il pledader da qual il model duai reproducer las caracteristicas da la vusch.

Avanzà output_format · transcript · language · num_extra_steps · temperature · top_p · repetition_penalty · acoustic_cfg_scale · noise_temperature · num_inference_steps · speed_up_factor · enable_safety_checker
output_format standard wav

Format da datoteca per l'audio generà.

standard

Transcripziun da l'audio da referenza che sto vegnir furnida per registraziuns en linguas autras che l'englais; la transcripziun automatica è integrada mo per englais.

standard en

Code da lingua per l'allineament dal text, che sto correspunder a la lingua da sintesa sch'i vegn generà pled en ina lingua autra che l'englais.

standard 0

Dumber supplementar da pass autoregressivs per agiuntar prosodia finala u silenzi cun cuntinuar il pled sur il text furnì ora.

standard 0.6

Temperatura da sampling dals tokens da text: augmentar ella agiunta varietad a l'output, e 0 u pli bass n'è betg permess.

standard 0.9

Setting da sampling Top-p (nucleus) utilisà per generar text.

standard 1.1

Penalitad per repetiziun da tokens durant la generaziun da l'output.

standard 1.6

Furma da classifier-free guidance utilisada per generar caracteristicas acusticas.

standard 0.9

Temperatura da la ramur durant la diffusion da flow-matching.

standard 20

Dumber da pass dal solver ODE utilisà per generar acustica tras flow matching.

standard 1

Multiplicader da la sveltezza dal pled: il pled generà daventa pli plaun sut 1.0 e pli svelt sur 1.0.

POST /run/tada/3b/text-to-speech?wait=20 calculaziun → $0,004
# 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/tada/3b/text-to-speech?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "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 questa dumonda

Tia clav resta en quest browser: ella vegn tramessa mo al Doitong API e memorisada (localStorage) mo sch'ella scheccas Tiar a memoria. Obtegnair ina clav API

Davart Tada

Clonescha ina persuna d'in clip da referenza (`audio_url`) e legia il text dal `prompt` cun quella vusch. L'opziun `language` accepta en, ar, ch, de, es, fr, it, ja, pl e pt. Per referenzas betg englaisas, inditgescha in `transcript`, perquai che la renconuschientscha integrada funcziuna mo en englais. La spertadad po vegnir scalada da 0.5 to 2; l'output è wav u mp3.

Parameters

Invia u il num canonic u il num nativ, betg omaduas. Nums canonics

NumTip StandardPermess Descripziun
audio_urlobligatori audio
Tipurl · audio
Funtauna per il voice cloning furnida sco URL d'ina datoteca audio, che identifitgescha il pledader da qual il model duai reproducer las caracteristicas da la vusch.
transcriptopziunal
Tipstring
Standard
Transcripziun da l'audio da referenza che sto vegnir furnida per registraziuns en linguas autras che l'englais; la transcripziun automatica è integrada mo per englais.
promptobligatori
Tipstring
Cuntegn da pled furnì sco text; il pledader da referenza furnescha la vusch utilisada per render el.
languageopziunal
Tipenum
Standarden
enarchdeesfritjaplpt
Code da lingua per l'allineament dal text, che sto correspunder a la lingua da sintesa sch'i vegn generà pled en ina lingua autra che l'englais.
num_extra_stepsopziunal
Tipinteger
Standard0
0 – 50
Dumber supplementar da pass autoregressivs per agiuntar prosodia finala u silenzi cun cuntinuar il pled sur il text furnì ora.
temperatureopziunal
Tipnumber
Standard0.6
≤ 2> 0
Temperatura da sampling dals tokens da text: augmentar ella agiunta varietad a l'output, e 0 u pli bass n'è betg permess.
top_popziunal
Tipnumber
Standard0.9
0 – 1
Setting da sampling Top-p (nucleus) utilisà per generar text.
repetition_penaltyopziunal
Tipnumber
Standard1.1
1 – 2
Penalitad per repetiziun da tokens durant la generaziun da l'output.
acoustic_cfg_scaleopziunal
Tipnumber
Standard1.6
0 – 10
Furma da classifier-free guidance utilisada per generar caracteristicas acusticas.
noise_temperatureopziunal
Tipnumber
Standard0.9
0 – 2
Temperatura da la ramur durant la diffusion da flow-matching.
num_inference_stepsopziunal
Tipinteger
Standard20
1 – 50
Dumber da pass dal solver ODE utilisà per generar acustica tras flow matching.
speed_up_factoropziunal
Tipnumber
Standard1
0,5 – 2
Multiplicader da la sveltezza dal pled: il pled generà daventa pli plaun sut 1.0 e pli svelt sur 1.0.
output_formatopziunal
Tipenum
Standardwav
wavmp3
Format da datoteca per l'audio generà.
enable_safety_checkeropziunal
Tipboolean
Standardtrue
La controlla po vegnir schluccada cun definir false, premess che l'appelant saja autorisà.
obligatori Num canonic, er acceptà

Ils parameters da datotecas acceptan ina URL publica https://, ina URI data: fin a 10 MB u il file_url d'ina chargiada. Datotecas

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "tada/3b/text-to-speech",
  "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": 4,
    "usd": "0.004",
    "charged": 4,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "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,
      "channels": 1,
      "sample_rate": 1,
      "bitrate": "string"
    }
  },
  "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"
  }
}
Tias datotecas, tia decisiunMintga outputs[].url è ina copia en nossa memorisaziun: conservada per adina (pajà per GB-mes) u 7 dis gratuitamain, tenor la configuraziun dal conto u ?storage=.
La medema structura per mintga modeltype, url, content_type, width, height e duration, tant per maletgs sco per video e audio. output è l'object da resultat dal model sez.
Champs da l'output
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Datoteca audio che cuntegna la lingua sintetisada.

Dapli models: Text a discurrer

Per agents AI: questa pagina sco Markdown è disponibla sut https://doitong.com/rm/developers/models/tada/3b/text-to-speech.md. Tut ils models e las guidas: https://doitong.com/developers/llms.txt