Ruka hadi kwenye maudhui

Tada

Unganisha

Kitambulisho cha modeli 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"

Ombi hili: $ 0.004 salio za API 4 Iendeshe kwenye ukurasa huu

Pata ufunguo wa API

Maandishi-hadi-hotuba yenye kunakili sauti, inayotamka maandishi yako kwa sauti ya klipu ya marejeleo, ikiwa na misimbo 10 ya lugha

Open model · Sauti

Tokeo lako la kwanza linaonekana hapa

Unda ombi hapa chini na uliendeshe kwa ufunguo wako wa API. Matokeo yanakiliwa kwenye hifadhi yetu, yakihifadhiwa milele au 7 siku bila malipo.

Unda ombi

Vidhibiti vinazalishwa kutoka kwenye schema ya modeli. Msimbo na bei husasishwa unapovibadilisha.

•inahitajika

Maudhui ya usemi yaliyotolewa kama maandishi; mzungumzaji wa marejeo hutoa sauti inayotumika kuyatoa.

•inahitajika audio_url
Dondosha faili, au

Chanzo cha kunakili sauti kilichotolewa kama URL ya faili ya sauti, kinachomtambulisha mzungumzaji ambaye sifa zake za sauti zinapaswa kuigwa na modeli.

Ya kina 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 chaguomsingi wav

Muundo wa faili wa sauti iliyozalishwa.

chaguomsingi

Unukuzi wa sauti ya marejeo ambao lazima utolewe kwa rekodi za lugha nyingine isipokuwa Kiingereza; unukuzi wa kiotomatiki umejengwa kwa Kiingereza pekee.

chaguomsingi en

Msimbo wa lugha wa upangaji wa maandishi, ambao lazima ulingane na lugha ya usanisi unapozalisha usemi katika lugha nyingine isipokuwa Kiingereza.

chaguomsingi 0

Idadi ya hatua za ziada za autoregressive za kuongeza prosody au ukimya wa mwisho kwa kuendeleza usemi zaidi ya maandishi yaliyotolewa.

chaguomsingi 0.6

Halijoto ya sampuli ya tokeni za maandishi: kuiongeza huongeza utofauti wa tokeo, na 0 au chini hairuhusiwi.

chaguomsingi 0.9

Mpangilio wa sampuli wa Top-p (nucleus) unaotumika kuzalisha maandishi.

chaguomsingi 1.1

Adhabu ya kurudiwa kwa tokeni wakati wa kuzalisha tokeo.

chaguomsingi 1.6

Nguvu ya mwongozo usio na classifier inayotumika kuzalisha vipengele vya akustika.

chaguomsingi 0.9

Halijoto ya kelele inayotumika wakati wa diffusion ya flow-matching.

chaguomsingi 20

Idadi ya hatua za kitatuzi cha ODE inayotumika kuzalisha akustika kupitia flow matching.

chaguomsingi 1

Kizidishi cha kasi ya usemi: usemi uliotengenezwa huwa wa polepole chini ya 1.0 na wa haraka juu ya 1.0.

POST /run/tada/3b/text-to-speech?wait=20 makadirio → $ 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"

Endesha ombi hili

Key yako inabaki kwenye kivinjari hiki: inatumwa kwa Doitong API pekee na kuhifadhiwa (localStorage) tu ukiweka tiki kwenye Kumbuka. Pata ufunguo wa API

Kuhusu Tada

Hunakili msemaji kutoka klipu ya marejeleo (`audio_url`) na kusoma maandishi ya `prompt` kwa sauti hiyo. Chaguo la `language` linakubali en, ar, ch, de, es, fr, it, ja, pl na pt. Kwa marejeleo yasiyo ya Kiingereza, toa `transcript`, kwa sababu utambuzi uliojengewa ndani ni wa Kiingereza pekee. Kasi inaweza kurekebishwa kutoka 0.5 hadi 2, na matokeo ni wav au mp3.

Vigezo

Tuma jina rasmi au jina asilia, si yote mawili. Majina rasmi

JinaAina ChaguomsingiInaruhusiwa Maelezo
audio_urlinahitajika audio
Ainaurl · audio
Chanzo cha kunakili sauti kilichotolewa kama URL ya faili ya sauti, kinachomtambulisha mzungumzaji ambaye sifa zake za sauti zinapaswa kuigwa na modeli.
transcriptsi lazima
Ainastring
Chaguomsingi
Unukuzi wa sauti ya marejeo ambao lazima utolewe kwa rekodi za lugha nyingine isipokuwa Kiingereza; unukuzi wa kiotomatiki umejengwa kwa Kiingereza pekee.
promptinahitajika
Ainastring
Maudhui ya usemi yaliyotolewa kama maandishi; mzungumzaji wa marejeo hutoa sauti inayotumika kuyatoa.
languagesi lazima
Ainaenum
Chaguomsingien
enarchdeesfritjaplpt
Msimbo wa lugha wa upangaji wa maandishi, ambao lazima ulingane na lugha ya usanisi unapozalisha usemi katika lugha nyingine isipokuwa Kiingereza.
num_extra_stepssi lazima
Ainainteger
Chaguomsingi0
0 – 50
Idadi ya hatua za ziada za autoregressive za kuongeza prosody au ukimya wa mwisho kwa kuendeleza usemi zaidi ya maandishi yaliyotolewa.
temperaturesi lazima
Ainanumber
Chaguomsingi0.6
≤ 2> 0
Halijoto ya sampuli ya tokeni za maandishi: kuiongeza huongeza utofauti wa tokeo, na 0 au chini hairuhusiwi.
top_psi lazima
Ainanumber
Chaguomsingi0.9
0 – 1
Mpangilio wa sampuli wa Top-p (nucleus) unaotumika kuzalisha maandishi.
repetition_penaltysi lazima
Ainanumber
Chaguomsingi1.1
1 – 2
Adhabu ya kurudiwa kwa tokeni wakati wa kuzalisha tokeo.
acoustic_cfg_scalesi lazima
Ainanumber
Chaguomsingi1.6
0 – 10
Nguvu ya mwongozo usio na classifier inayotumika kuzalisha vipengele vya akustika.
noise_temperaturesi lazima
Ainanumber
Chaguomsingi0.9
0 – 2
Halijoto ya kelele inayotumika wakati wa diffusion ya flow-matching.
num_inference_stepssi lazima
Ainainteger
Chaguomsingi20
1 – 50
Idadi ya hatua za kitatuzi cha ODE inayotumika kuzalisha akustika kupitia flow matching.
speed_up_factorsi lazima
Ainanumber
Chaguomsingi1
0.5 – 2
Kizidishi cha kasi ya usemi: usemi uliotengenezwa huwa wa polepole chini ya 1.0 na wa haraka juu ya 1.0.
output_formatsi lazima
Ainaenum
Chaguomsingiwav
wavmp3
Muundo wa faili wa sauti iliyozalishwa.
enable_safety_checkersi lazima
Ainaboolean
Chaguomsingitrue
Ukaguzi unaweza kulegezwa kwa kuweka false, ikiwa mpigaji simu ameidhinishwa.
inahitajika Jina rasmi, pia linakubalika

Vigezo vya faili vinakubali URL ya umma ya https://, data: URI ya hadi 10 MB, au file_url ya upakiaji. Faili

Tokeo

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"
  }
}
Faili zako, chaguo lakoKila outputs[].url ni nakala kwenye hifadhi yetu: huhifadhiwa milele (hutozwa kwa GB kwa mwezi) au 7 siku bila malipo, kulingana na mpangilio wa akaunti yako au ?storage=.
Muundo uleule kwenye kila modelitype, url, content_type, width, height na duration, kwa picha, video na sauti. output ni kitu cha matokeo cha modeli yenyewe.
Sehemu za tokeo
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Faili ya sauti iliyo na matamshi yaliyosanisishwa.

Miundo zaidi: Maandishi hadi Matamshi

Kwa mawakala wa AI: ukurasa huu katika Markdown unapatikana kwenye https://doitong.com/sw/developers/models/tada/3b/text-to-speech.md. Modeli na miongozo yote: https://doitong.com/developers/llms.txt