Перейти к содержимому

Chatterbox · Text to Speech

Интеграция

ID модели chatterbox/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/chatterbox/text-to-speech?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "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"

Этот запрос: 0,002 $ 2 API-кредита · ≈ 0,21 ₽ Запустить на этой странице

Получить API-ключ
Resemble AI Текст в речь #text-to-speech

Синтез английской речи из текста с эмоциональными тегами, управлением выразительностью и опциональным стилем референсного аудио

Resemble AI · Аудио

Здесь появится ваш первый результат

Составьте запрос ниже и выполните его с помощью API-ключа. Результаты копируются в наше хранилище и хранятся навсегда или 7 дней бесплатно.

Сформировать запрос

Элементы управления сгенерированы из схемы модели. Код и цена обновляются при изменении параметров.

•обязательно

Текст синтеза речи, который может содержать эмоциональные теги: <laugh>, <chuckle>, <sigh>, <cough>, <sniffle>, <groan>, <yawn>, <gasp>. Текст не должен превышать 5000 символов.

Расширенные audio · exaggeration · temperature · cfg · seed
audio_url по умолчанию https://storage.googl...
Перетащите файл или

Эталонное аудио, тон и стиль которого модель пытается воспроизвести в выходной речи. Укажите URL аудиофайла, если хотите использовать этот необязательный эталон.

по умолчанию 0.25

Управление преувеличением речи: максимальное преувеличение соответствует 1.0, а 0.0 отключает его.

по умолчанию 0.7

Температура генерации; увеличение значения делает результаты более творческими.

по умолчанию 0.5

Сид генерации аудио; 0 выбирает случайный сид. Для воспроизводимости используйте фиксированное значение и оставьте все остальные свойства без изменений; это должно в точности воспроизвести аудиофайл.

POST /run/chatterbox/text-to-speech?wait=20 стоимость → 0,002 $
# 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/chatterbox/text-to-speech?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "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"

Запустить этот запрос

Ваш ключ хранится в этом браузере: он отправляется только в Doitong API и сохраняется в localStorage только при включении параметра «Запомнить». Получить API-ключ

О Chatterbox · Text to Speech

Преобразует до 5000 символов текста в речь. Текст может содержать эмоциональные теги, например <laugh>, <chuckle>, <sigh> и <cough>. Необязательный `audio_url` задаёт референс, стиль и тон которого модель старается воспроизвести. `exaggeration` (от 0 до 1), `temperature`, `cfg` и `seed` управляют подачей.

Параметры

Передавайте либо каноническое имя, либо исходное имя, но не оба. Канонические имена

ИмяТип По умолчаниюДопустимые значения Описание
textобязательно
Типstring
Текст синтеза речи, который может содержать эмоциональные теги: <laugh>, <chuckle>, <sigh>, <cough>, <sniffle>, <groan>, <yawn>, <gasp>. Текст не должен превышать 5000 символов.
audio_urlнеобязательно audio
Типurl · audio
По умолчаниюhttps://storage.googleapis.com/chatterbox-demo-samples/prompts/male_rickmorty.mp3
Эталонное аудио, тон и стиль которого модель пытается воспроизвести в выходной речи. Укажите URL аудиофайла, если хотите использовать этот необязательный эталон.
exaggerationнеобязательно
Типnumber
По умолчанию0.25
0 – 1
Управление преувеличением речи: максимальное преувеличение соответствует 1.0, а 0.0 отключает его.
temperatureнеобязательно
Типnumber
По умолчанию0.7
0,05 – 2
Температура генерации; увеличение значения делает результаты более творческими.
cfgнеобязательно
Типnumber
По умолчанию0.5
0,1 – 1
seedнеобязательно
Типinteger | null
Сид генерации аудио; 0 выбирает случайный сид. Для воспроизводимости используйте фиксированное значение и оставьте все остальные свойства без изменений; это должно в точности воспроизвести аудиофайл.
обязательно Каноническое имя, также принимается

Параметры файлов принимают общедоступный https:// URL, data: URI размером до 10 MB или file_url загруженного файла. Файлы

Результат

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "chatterbox/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": 2,
    "usd": "0.002",
    "charged": 2,
    "refunded": 0
  },
  "input": {
    "text": "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
    }
  },
  "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"
  }
}
Ваши файлы — ваш выборКаждый URL из outputs[].url — это копия в нашем хранилище: она хранится навсегда (оплата за ГБ в месяц) или 7 дней бесплатно — в зависимости от настройки вашего аккаунта или параметра ?storage=.
Одинаковая структура у каждой моделиtype, url, content_type, width, height и duration — одинаково для изображений, видео и аудио. output — собственный объект результата модели.
Поля результата
audio
object {url, content_type, file_name, file_size}Аудио, содержащее синтезированную речь.

Другие модели: Текст в речь

Для AI-агентов: эта страница в формате Markdown доступна по адресу https://doitong.com/ru/developers/models/chatterbox/text-to-speech.md. Все модели и руководства: https://doitong.com/developers/llms.txt