Hoppa till innehåll

Zonos2 Text to Speech

Integrera

Modell-id 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"

Upp till 0,02 $ per körning debiteras efter faktisk användning, resten återbetalas Kör den på den här sidan

Hämta API-nyckel
Zyphra Text till tal Referensinmatningar #text-to-speech#tts#voice-cloning

Flerspråkig TTS med röstkloning, samplingkontroller och val mellan nära röstmatchning eller uttrycksfull leverans

Zyphra · Ljud

Ditt första resultat visas här

Skapa en begäran nedan och kör den med din API-nyckel. Utdata kopieras till vår lagring och sparas för alltid eller 7 dagar kostnadsfritt.

Skapa en begäran

Kontrollerna genereras från modellschemat. Koden och priset uppdateras när du ändrar dem.

•obligatoriskt
Släpp en fil eller

Ljud som tillhandahåller källrösten för kloning.

Avancerat language · temperature · top_p · min_p · top_k · max_tokens · seed · accurate_mode · clean_speaker_background · enable_safety_checker
standard en_us

Språkval för textnormalisering, som hoppas över om koden inte är en av: en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko.

standard 1.15

Temperatur som används för sampling.

standard 0

Sannolikhet för nucleus-sampling; ange 0 för att inaktivera den.

standard 0.18

Sannolikhetströskel för sampling med minimisannolikhet.

standard 106

Gräns för top-k-sampling; ange 0 för att inaktivera den.

Gräns för generering av ljudbildrutor, där modellens kontextgräns används om inget maximum anges.

Seed som möjliggör reproducerbara resultat; väljs slumpmässigt om det utelämnas.

POST /run/zonos2?wait=20 pris → 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"

Kör den här begäran

Din nyckel stannar i den här webbläsaren: den skickas endast till Doitong API och sparas endast i localStorage om du markerar Kom ihåg. Hämta en API-nyckel

Om Zonos2 Text to Speech

Klonar en röst från `reference_audio_url` och läser upp text, och returnerar ljud i WAV-format med 44.1kHz mono tillsammans med det använda startvärdet. `language` anger textnormalisering för en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn och ko. `accurate_mode` byter röstlikhet mot uttrycksfullhet, och sampling kan justeras via `temperature`, `top_p`, `min_p`, `top_k` och `max_tokens` (upp till 6144).

Parametrar

NamnTyp StandardTillåtna Beskrivning
reference_audio_urlobligatoriskt
Typurl · audio
Ljud som tillhandahåller källrösten för kloning.
languagevalfritt
Typstring
Standarden_us
Språkval för textnormalisering, som hoppas över om koden inte är en av: en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko.
seedvalfritt
Typinteger | null
0 – 2 147 483 647
Seed som möjliggör reproducerbara resultat; väljs slumpmässigt om det utelämnas.
accurate_modevalfritt
Typboolean
Standardtrue
Röstmatchning kontra uttrycksfullhet: True prioriterar en närmare matchning, medan False prioriterar ett mer uttrycksfullt tal.
clean_speaker_backgroundvalfritt
Typboolean
Standardfalse
Anger att referensljudet har en ren bakgrund.
temperaturevalfritt
Typnumber
Standard1.15
0 – 2
Temperatur som används för sampling.
top_pvalfritt
Typnumber
Standard0
0 – 1
Sannolikhet för nucleus-sampling; ange 0 för att inaktivera den.
min_pvalfritt
Typnumber
Standard0.18
0 – 1
Sannolikhetströskel för sampling med minimisannolikhet.
top_kvalfritt
Typinteger
Standard106
0 – 2 048
Gräns för top-k-sampling; ange 0 för att inaktivera den.
max_tokensvalfritt
Typinteger | null
1 – 6 144
Gräns för generering av ljudbildrutor, där modellens kontextgräns används om inget maximum anges.
enable_safety_checkervalfritt
Typboolean
Standardtrue
Granskningen kan lättas genom att ange false, om anroparen är behörig.
obligatoriskt

Filparametrar tar emot en offentlig https://-URL, en data:-URI på upp till 10 MB eller file_url från en uppladdning. Filer

Resultat

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"
  }
}
Dina filer, ditt valVarje outputs[].url är en kopia i vår lagring: sparad för alltid (debiteras per GB-månad) eller 7 dagar kostnadsfritt, enligt din kontoinställning eller ?storage=.
Samma struktur för varje modelltype, url, content_type, width, height och duration, för bilder, video och ljud. output är modellens eget resultatobjekt.
Resultatets fält
audio
object {url, content_type, file_name, file_size}Utgående ljud i WAV-format, med en samplingsfrekvens på 44.1kHz och en monokanal.
seed
integerSeed-värde som tillämpas under genereringen.

För AI-agenter: den här sidan som Markdown finns på https://doitong.com/sv/developers/models/zonos2.md. Alla modeller och guider: https://doitong.com/developers/llms.txt