Перейти к содержимому

Maya · Stream

Интеграция

ID модели 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"

Этот запрос: ≈0,049 $ 49 API-кредитов · ≈ 5,17 ₽ Запустить на этой странице

Получить API-ключ
Maya Research Текст в речь #text-to-speech#tts

Потоковая версия синтеза речи Maya для одного текста с описанием голоса

Maya Research · 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 50 / 5000

Текст для синтеза речи с поддержкой тегов эмоций в формате <emotion_name> в любой позиции, например 'Hello world! <excited> This is amazing!' или 'I can't believe this <sigh> happened again.'. Поддерживаемые эмоции: curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder и laugh.

•обязательно 50 / 500

Характеристики голоса или персонажа, например интенсивность, тон, темп, тембр, высота, акцент и возраст.

Расширенные sample_rate · output_format · temperature · top_p · max_tokens · repetition_penalty · enable_safety_checker
sample_rate по умолчанию 48 kHz

Частота дискретизации аудио: более быстрая обработка при 24 kHz или более высокое качество выходных данных при 48 kHz.

output_format по умолчанию wav

Формат аудиофайла для синтезированной речи.

по умолчанию 0.4

Температура выборки, управляющая вариативностью аудио: увеличение значения повышает разнообразие, а нижний диапазон 0.2–0.5 обеспечивает стабильность и согласованность.

по умолчанию 0.9

Параметр nucleus sampling, регулирующий разнообразие выбора токенов.

по умолчанию 2000

Бюджет токенов SNAC, ограничивающий длительность аудио; рассчитывается из 7 токенов на каждый кадр.

по умолчанию 1.1

Штраф за повторение токенов. Увеличение значения подавляет артефакты повторений.

POST /run/maya/stream?wait=20 стоимость → 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"

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 Maya · Stream

Преобразует один текст длиной до 5000 символов в речь с обязательным описанием голоса `prompt` длиной до 500 символов и встраиваемыми тегами эмоций. Доступны `temperature`, `top_p`, `repetition_penalty`, частота дискретизации 48 или 24 kHz и формат wav или mp3. Возвращает аудио, его длительность и коэффициент реального времени.

Параметры

ИмяТип По умолчаниюДопустимые значения Описание
textобязательно
Типstring
≤ 5 000 символов
Текст для синтеза речи с поддержкой тегов эмоций в формате <emotion_name> в любой позиции, например 'Hello world! <excited> This is amazing!' или 'I can't believe this <sigh> happened again.'. Поддерживаемые эмоции: curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder и laugh.
promptобязательно
Типstring
≤ 500 символов
Характеристики голоса или персонажа, например интенсивность, тон, темп, тембр, высота, акцент и возраст.
temperatureнеобязательно
Типnumber
По умолчанию0.4
0 – 2
Температура выборки, управляющая вариативностью аудио: увеличение значения повышает разнообразие, а нижний диапазон 0.2–0.5 обеспечивает стабильность и согласованность.
top_pнеобязательно
Типnumber
По умолчанию0.9
0 – 1
Параметр nucleus sampling, регулирующий разнообразие выбора токенов.
max_tokensнеобязательно
Типinteger
По умолчанию2000
28 – 4 000
Бюджет токенов SNAC, ограничивающий длительность аудио; рассчитывается из 7 токенов на каждый кадр.
repetition_penaltyнеобязательно
Типnumber
По умолчанию1.1
1 – 2
Штраф за повторение токенов. Увеличение значения подавляет артефакты повторений.
sample_rateнеобязательно
Типenum
По умолчанию48 kHz
48 kHz24 kHz
Частота дискретизации аудио: более быстрая обработка при 24 kHz или более высокое качество выходных данных при 48 kHz.
output_formatнеобязательно
Типenum
По умолчаниюwav
wavmp3
Формат аудиофайла для синтезированной речи.
enable_safety_checkerнеобязательно
Типboolean
По умолчаниюtrue
Проверку можно ослабить, установив false, если вызывающая сторона авторизована.
обязательно

Результат

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"
  }
}
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}Сгенерированный файл речи в формате WAV или MP3 с монофоническим аудио при 24 kHz или 48 kHz, определяемой апсемплером.
duration
numberДлительность выходного аудио в секундах.
sample_rate
stringЧастота дискретизации выходного аудио.
generation_time
numberВремя генерации аудио в секундах.
rtf
numberКоэффициент реального времени, рассчитанный как generation_time, делённое на audio_duration; меньшие значения означают более высокую производительность.

Другие модели: Текст в речь

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