உள்ளடக்கத்திற்குச் செல்க

Tada

ஒருங்கிணை

மாடல் id 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"

இந்தக் கோரிக்கை: $0.004 4 API கிரெடிட்கள் இந்தப் பக்கத்தில் இயக்குங்கள்

API விசையைப் பெறுக

குறிப்பு கிளிப்பின் குரலில் உங்கள் உரையைப் பேசும் குரல்-குளோனிங் உரை-முதல்-பேச்சு, 10 மொழிக் குறியீடுகளுடன்

Open model · ஆடியோ

உங்கள் முதல் முடிவு இங்கே வரும்

கீழே ஒரு கோரிக்கையை உருவாக்கி, உங்கள் API விசையுடன் இயக்குங்கள். வெளியீடுகள் எங்கள் சேமிப்பகத்தில் நகலெடுக்கப்பட்டு, நிரந்தரமாக அல்லது இலவசமாக 7 நாட்கள் வைக்கப்படும்.

கோரிக்கையை உருவாக்கு

மாடல் ஸ்கீமாவிலிருந்து கட்டுப்பாடுகள் உருவாக்கப்படுகின்றன. அவற்றை மாற்றும்போது குறியீடும் விலையும் புதுப்பிக்கப்படும்.

•தேவை

உரையாக வழங்கப்படும் பேச்சு உள்ளடக்கம்; அதை ஒலியாக வழங்கப் பயன்படுத்தப்படும் குரலைக் குறிப்பு பேச்சாளர் வழங்குகிறார்.

•தேவை audio_url
கோப்பை விடுங்கள் அல்லது

ஆடியோ கோப்பு URL ஆக வழங்கப்படும் குரல்-நகலாக்க மூலாதாரம்; மாதிரி மீண்டும் உருவாக்க வேண்டிய குரல் பண்புகளைக் கொண்ட பேச்சாளரை இது அடையாளம் காண்கிறது.

மேம்பட்டவை 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 இயல்புநிலை wav

உருவாக்கப்படும் ஆடியோவுக்கான கோப்பு வடிவம்.

இயல்புநிலை

ஆங்கிலம் அல்லாத மொழிகளில் உள்ள பதிவுகளுக்கு வழங்கப்பட வேண்டிய குறிப்பு-ஆடியோ உரைநகல்; தானியங்கி உரைநகல் ஆங்கிலத்திற்கு மட்டும் உள்ளமைக்கப்பட்டுள்ளது.

இயல்புநிலை en

உரை-சீரமைப்பு மொழிக் குறியீடு; ஆங்கிலம் அல்லாத மொழியில் பேச்சை உருவாக்கும்போது, இது தொகுப்பு மொழியுடன் பொருந்த வேண்டும்.

இயல்புநிலை 0

வழங்கப்பட்ட உரையைத் தாண்டி பேச்சைத் தொடர்வதன் மூலம் இறுதி ஒலியமைப்பியல் அல்லது அமைதியைச் சேர்க்கும் கூடுதல் autoregressive படிகளின் எண்ணிக்கை.

இயல்புநிலை 0.6

உரை-டோக்கன் மாதிரியாக்க வெப்பநிலை: இதை அதிகரிப்பது வெளியீட்டு வகைமையை அதிகரிக்கும்; 0 அல்லது அதற்குக் குறைவான மதிப்பு அனுமதிக்கப்படாது.

இயல்புநிலை 0.9

உரையை உருவாக்கப் பயன்படுத்தப்படும் Top-p (nucleus) மாதிரியாக்க அமைப்பு.

இயல்புநிலை 1.1

வெளியீட்டை உருவாக்கும்போது டோக்கன் மீளுருவாக்கத்திற்கான தண்டனை.

இயல்புநிலை 1.6

ஒலியியல் அம்சங்களை உருவாக்கப் பயன்படுத்தப்படும் classifier-free guidance வலிமை.

இயல்புநிலை 0.9

flow-matching diffusion-ன் போது பயன்படுத்தப்படும் இரைச்சல் வெப்பநிலை.

இயல்புநிலை 20

flow matching மூலம் ஒலியியலை உருவாக்கப் பயன்படுத்தப்படும் ODE தீர்வி படிகளின் எண்ணிக்கை.

இயல்புநிலை 1

பேச்சு வேகப் பெருக்கி: 1.0-க்குக் கீழே இருந்தால் உருவாக்கப்படும் பேச்சு மெதுவாகவும், 1.0-க்கு மேலே இருந்தால் வேகமாகவும் இருக்கும்.

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

இந்தக் கோரிக்கையை இயக்கு

உங்கள் key இந்த உலாவியில் மட்டுமே இருக்கும்: அது Doitong API-க்கு மட்டும் அனுப்பப்படும்; Remember-ஐத் தேர்ந்தெடுத்தால் மட்டுமே (localStorage)-ல் சேமிக்கப்படும். API விசையைப் பெறுங்கள்

Tada பற்றி

குறிப்பு கிளிப்பிலிருந்து (`audio_url`) பேச்சாளரின் குரலைக் குளோன் செய்து, அந்தக் குரலில் `prompt` உரையை வாசிக்கிறது. `language` விருப்பம் en, ar, ch, de, es, fr, it, ja, pl மற்றும் pt ஆகியவற்றை ஏற்கிறது. ஆங்கிலம் அல்லாத குறிப்புகளுக்கு `transcript` வழங்க வேண்டும், ஏனெனில் உள்ளமைக்கப்பட்ட அங்கீகாரம் ஆங்கிலத்திற்கு மட்டும். வேகத்தை 0.5 முதல் 2 வரை அளவிடலாம்; வெளியீடு wav அல்லது mp3 ஆகும்.

அளவுருக்கள்

நியமப் பெயர் அல்லது நேட்டிவ் பெயர் இரண்டில் ஒன்றை மட்டும் அனுப்பவும். நியமப் பெயர்கள்

பெயர்வகை இயல்புநிலைஅனுமதிக்கப்பட்டது விளக்கம்
audio_urlதேவை audio
வகைurl · audio
ஆடியோ கோப்பு URL ஆக வழங்கப்படும் குரல்-நகலாக்க மூலாதாரம்; மாதிரி மீண்டும் உருவாக்க வேண்டிய குரல் பண்புகளைக் கொண்ட பேச்சாளரை இது அடையாளம் காண்கிறது.
transcriptவிருப்பத்தேர்வு
வகைstring
இயல்புநிலை
ஆங்கிலம் அல்லாத மொழிகளில் உள்ள பதிவுகளுக்கு வழங்கப்பட வேண்டிய குறிப்பு-ஆடியோ உரைநகல்; தானியங்கி உரைநகல் ஆங்கிலத்திற்கு மட்டும் உள்ளமைக்கப்பட்டுள்ளது.
promptதேவை
வகைstring
உரையாக வழங்கப்படும் பேச்சு உள்ளடக்கம்; அதை ஒலியாக வழங்கப் பயன்படுத்தப்படும் குரலைக் குறிப்பு பேச்சாளர் வழங்குகிறார்.
languageவிருப்பத்தேர்வு
வகைenum
இயல்புநிலைen
enarchdeesfritjaplpt
உரை-சீரமைப்பு மொழிக் குறியீடு; ஆங்கிலம் அல்லாத மொழியில் பேச்சை உருவாக்கும்போது, இது தொகுப்பு மொழியுடன் பொருந்த வேண்டும்.
num_extra_stepsவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை0
0 – 50
வழங்கப்பட்ட உரையைத் தாண்டி பேச்சைத் தொடர்வதன் மூலம் இறுதி ஒலியமைப்பியல் அல்லது அமைதியைச் சேர்க்கும் கூடுதல் autoregressive படிகளின் எண்ணிக்கை.
temperatureவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை0.6
≤ 2> 0
உரை-டோக்கன் மாதிரியாக்க வெப்பநிலை: இதை அதிகரிப்பது வெளியீட்டு வகைமையை அதிகரிக்கும்; 0 அல்லது அதற்குக் குறைவான மதிப்பு அனுமதிக்கப்படாது.
top_pவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை0.9
0 – 1
உரையை உருவாக்கப் பயன்படுத்தப்படும் Top-p (nucleus) மாதிரியாக்க அமைப்பு.
repetition_penaltyவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை1.1
1 – 2
வெளியீட்டை உருவாக்கும்போது டோக்கன் மீளுருவாக்கத்திற்கான தண்டனை.
acoustic_cfg_scaleவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை1.6
0 – 10
ஒலியியல் அம்சங்களை உருவாக்கப் பயன்படுத்தப்படும் classifier-free guidance வலிமை.
noise_temperatureவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை0.9
0 – 2
flow-matching diffusion-ன் போது பயன்படுத்தப்படும் இரைச்சல் வெப்பநிலை.
num_inference_stepsவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை20
1 – 50
flow matching மூலம் ஒலியியலை உருவாக்கப் பயன்படுத்தப்படும் ODE தீர்வி படிகளின் எண்ணிக்கை.
speed_up_factorவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை1
0.5 – 2
பேச்சு வேகப் பெருக்கி: 1.0-க்குக் கீழே இருந்தால் உருவாக்கப்படும் பேச்சு மெதுவாகவும், 1.0-க்கு மேலே இருந்தால் வேகமாகவும் இருக்கும்.
output_formatவிருப்பத்தேர்வு
வகைenum
இயல்புநிலைwav
wavmp3
உருவாக்கப்படும் ஆடியோவுக்கான கோப்பு வடிவம்.
enable_safety_checkerவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைtrue
அழைப்பாளர் அங்கீகரிக்கப்பட்டிருந்தால், false என அமைப்பதன் மூலம் திரையிடலைத் தளர்த்தலாம்.
தேவை நியமப் பெயர், இதுவும் ஏற்கப்படும்

கோப்பு அளவுருக்கள் பொதுவான https:// URL, 10 MB வரையிலான data: URI அல்லது பதிவேற்றத்தின் file_url-ஐ ஏற்கும். கோப்புகள்

வெளியீடு

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"
  }
}
உங்கள் கோப்புகள், உங்கள் தேர்வுஒவ்வொரு outputs[].url-ம் எங்கள் சேமிப்பகத்தில் உள்ள ஒரு நகல்: நிரந்தரமாக (GB-மாதத்திற்கு கட்டணம்) அல்லது உங்கள் கணக்கு அமைப்பு அல்லது ?storage= மூலம் இலவசமாக 7 நாட்கள் வைக்கப்படும்.
ஒவ்வொரு மாடலிலும் ஒரே வடிவம்படங்கள், வீடியோ மற்றும் ஆடியோ ஆகிய அனைத்திற்குமான type, url, content_type, width, height மற்றும் duration. output என்பது மாதிரியின் சொந்த முடிவு பொருளாகும்.
வெளியீட்டின் புலங்கள்
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}தொகுக்கப்பட்ட பேச்சைக் கொண்ட ஆடியோ கோப்பு.

மேலும் மாதிரிகள்: உரையிலிருந்து பேச்சிற்கு

AI ஏஜெண்டுகளுக்கு: இந்தப் பக்கம் Markdown வடிவில் இங்கே உள்ளது https://doitong.com/ta/developers/models/tada/3b/text-to-speech.md. அனைத்து மாடல்களும் வழிகாட்டிகளும்: https://doitong.com/developers/llms.txt