ข้ามไปยังเนื้อหา

Chatterbox · Text to Speech · Multilingual

ผสานการทำงาน

ID โมเดล chatterbox/text-to-speech/multilingual
# 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/multilingual?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"

คำขอนี้: $0.002 2 เครดิต API เรียกใช้ในหน้านี้

รับคีย์ API
Resemble AI ข้อความเป็นเสียงพูด #text-to-speech#multilingual

แปลงข้อความหลายภาษาเป็นเสียงพูด รองรับ 23 ภาษา และจำกัด 300 อักขระต่อคำขอ

Resemble AI · เสียง

ผลลัพธ์แรกของคุณจะแสดงที่นี่

สร้างคำขอด้านล่างและเรียกใช้ด้วยคีย์ API ของคุณ เอาต์พุตจะถูกคัดลอกไปยังพื้นที่จัดเก็บของเรา และเก็บไว้ตลอดไปหรือฟรี 7 วัน

สร้างคำขอ

ตัวควบคุมสร้างจากสคีมาของโมเดล โค้ดและราคาจะอัปเดตเมื่อคุณเปลี่ยนค่า

•จำเป็น 50 / 300

ข้อความสำหรับการสังเคราะห์เสียงพูด จำกัดที่ 300 อักขระและรองรับ 23 ภาษา ภาษาที่ใช้ได้รวมถึงอังกฤษและฝรั่งเศส เยอรมัน สเปน อิตาลี และโปรตุเกส ฮินดีและอาหรับ จีน ญี่ปุ่น และเกาหลี รวมถึงภาษาอื่น ๆ

ขั้นสูง voice · custom_audio_language · exaggeration · temperature · cfg_scale · seed
ค่าเริ่มต้น english

รหัสภาษาสำหรับการสังเคราะห์ โดยการใช้งานแบบกำหนดเองต้องมีทั้ง URL เสียงและการเลือกสำหรับ custom_audio_language

การตั้งค่าภาษาที่ใช้เฉพาะเมื่อเสียงระบุเป็น URL แบบกำหนดเอง มิฉะนั้นจะถูกละเว้น ให้ระบุภาษาที่พูดในเสียงแบบกำหนดเองนั้น

ค่าเริ่มต้น 0.5

การแสดงออกและความเข้มข้นทางอารมณ์ของเสียงพูดเมื่อเทียบกับค่ากลางที่ 0.5 การเพิ่มค่าจะเพิ่มความมีชีวิตชีวาภายในช่วง 0.25–2.0 แต่ค่าที่สุดโต่งอาจทำให้ไม่เสถียร

ค่าเริ่มต้น 0.8

ปรับความหลากหลายของรูปแบบเสียงพูดโดยตั้งค่าความสุ่มของการสร้างระหว่าง 0.05 ถึง 2.0 การเพิ่มค่าจะทำให้เกิดความหลากหลายมากขึ้น

ค่าเริ่มต้น 0.5

น้ำหนัก guidance ของการสร้างสำหรับการกำหนดค่า/จังหวะ สำหรับการถ่ายโอนภาษา ค่า 0.0 ช่วยจำกัดการถ่ายทอดสำเนียง ช่วงค่าทั้งหมดคือ 0.0–1.0

Seed ของการสร้างที่มีพฤติกรรมสองแบบ: 0 จะสร้างแบบสุ่ม ส่วนตัวเลขที่ระบุจะทำให้เอาต์พุตทำซ้ำได้

POST /run/chatterbox/text-to-speech/multilingual?wait=20 ใบเสนอราคา → $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/multilingual?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"

เรียกใช้คำขอนี้

คีย์ของคุณจะอยู่ในเบราว์เซอร์นี้ โดยส่งไปยัง Doitong API เท่านั้น และจะบันทึกใน localStorage ก็ต่อเมื่อคุณเลือกจดจำ รับคีย์ API

เกี่ยวกับ Chatterbox · Text to Speech · Multilingual

สังเคราะห์เสียงพูดได้หลายภาษา รวมถึงภาษาอังกฤษ ฝรั่งเศส เยอรมัน สเปน ฮินดี อาหรับ จีน ญี่ปุ่น และเกาหลี จำกัดข้อความไว้ที่ 300 อักขระ `voice` ใช้กำหนดภาษา หรือใช้ URL เสียงแบบกำหนดเองร่วมกับ `custom_audio_language` `exaggeration` มีค่าตั้งแต่ 0.25 ถึง 2 และตั้ง `cfg_scale` เป็น 0 เพื่อถ่ายโอนภาษาและลดการติดสำเนียงได้

พารามิเตอร์

ชื่อประเภท ค่าเริ่มต้นค่าที่อนุญาต คำอธิบาย
textจำเป็น
ประเภทstring
≤ 300 อักขระ
ข้อความสำหรับการสังเคราะห์เสียงพูด จำกัดที่ 300 อักขระและรองรับ 23 ภาษา ภาษาที่ใช้ได้รวมถึงอังกฤษและฝรั่งเศส เยอรมัน สเปน อิตาลี และโปรตุเกส ฮินดีและอาหรับ จีน ญี่ปุ่น และเกาหลี รวมถึงภาษาอื่น ๆ
voiceไม่บังคับ
ประเภทstring
ค่าเริ่มต้นenglish
รหัสภาษาสำหรับการสังเคราะห์ โดยการใช้งานแบบกำหนดเองต้องมีทั้ง URL เสียงและการเลือกสำหรับ custom_audio_language
custom_audio_languageไม่บังคับ
ประเภทenum
englisharabicdanishgermangreekspanishfinnishfrenchhebrewhindiitalianjapanesekoreanmalaydutchnorwegian
เพิ่มเติมอีก 7 ค่าpolishportugueserussianswedishswahiliturkishchinese
การตั้งค่าภาษาที่ใช้เฉพาะเมื่อเสียงระบุเป็น URL แบบกำหนดเอง มิฉะนั้นจะถูกละเว้น ให้ระบุภาษาที่พูดในเสียงแบบกำหนดเองนั้น
exaggerationไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0.5
0.25 – 2
การแสดงออกและความเข้มข้นทางอารมณ์ของเสียงพูดเมื่อเทียบกับค่ากลางที่ 0.5 การเพิ่มค่าจะเพิ่มความมีชีวิตชีวาภายในช่วง 0.25–2.0 แต่ค่าที่สุดโต่งอาจทำให้ไม่เสถียร
temperatureไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0.8
0.05 – 2
ปรับความหลากหลายของรูปแบบเสียงพูดโดยตั้งค่าความสุ่มของการสร้างระหว่าง 0.05 ถึง 2.0 การเพิ่มค่าจะทำให้เกิดความหลากหลายมากขึ้น
cfg_scaleไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0.5
0 – 1
น้ำหนัก guidance ของการสร้างสำหรับการกำหนดค่า/จังหวะ สำหรับการถ่ายโอนภาษา ค่า 0.0 ช่วยจำกัดการถ่ายทอดสำเนียง ช่วงค่าทั้งหมดคือ 0.0–1.0
seedไม่บังคับ
ประเภทinteger | null
Seed ของการสร้างที่มีพฤติกรรมสองแบบ: 0 จะสร้างแบบสุ่ม ส่วนตัวเลขที่ระบุจะทำให้เอาต์พุตทำซ้ำได้
จำเป็น

เอาต์พุต

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "chatterbox/text-to-speech/multilingual",
  "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"
  }
}
ไฟล์ของคุณ คุณเลือกเองทุก outputs[].url คือสำเนาบนพื้นที่จัดเก็บของเรา: เก็บไว้ตลอดไป (คิดค่าบริการต่อ GB-เดือน) หรือฟรี 7 วัน โดยกำหนดได้ในการตั้งค่าบัญชีหรือ ?storage=
รูปแบบเดียวกันในทุกโมเดลtype, url, content_type, width, height และ duration สำหรับภาพ วิดีโอ และเสียงเหมือนกันทั้งหมด ส่วน output คือออบเจ็กต์ผลลัพธ์ของโมเดลเอง
ฟิลด์ของเอาต์พุต
audio
object {url, content_type, file_name, file_size}ไฟล์เสียงที่มีเสียงพูดหลายภาษาสังเคราะห์

สำหรับเอเจนต์ AI: หน้า Markdown นี้อยู่ที่ https://doitong.com/th/developers/models/chatterbox/text-to-speech/multilingual.md. โมเดลและคู่มือทั้งหมด: https://doitong.com/developers/llms.txt