ข้ามไปยังเนื้อหา

Personaplex · Realtime

ผสานการทำงาน

ID โมเดล personaplex/realtime
# 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/personaplex/realtime?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"
  }'

# 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"

สูงสุด $1.80 ต่อการเรียกใช้ คิดค่าบริการตามการใช้งานจริง ส่วนที่เหลือจะคืนเงิน เรียกใช้ในหน้านี้

รับคีย์ API
NVIDIA เสียง #audio-to-audio#realtime#conversational

เอนด์พอยต์ Personaplex ที่ติดแท็ก Realtime: รับเสียงเข้าและส่งคำตอบเสียงพูดที่ขับเคลื่อนด้วยบุคลิก พร้อมพรีเซ็ตเสียงหรือการโคลนเสียง

NVIDIA · เสียง

ผลลัพธ์แรกของคุณจะแสดงที่นี่

สร้างคำขอด้านล่างและเรียกใช้ด้วยคีย์ API ของคุณ เอาต์พุตจะถูกคัดลอกไปยังพื้นที่จัดเก็บของเรา และเก็บไว้ตลอดไปหรือฟรี 7 วัน

สร้างคำขอ

ตัวควบคุมสร้างจากสคีมาของโมเดล โค้ดและราคาจะอัปเดตเมื่อคุณเปลี่ยนค่า

ค่าเริ่มต้น You are a wise and fr...

พรอมต์ข้อความที่กำหนดบุคลิกของ AI และบริบทของการสนทนา

•จำเป็น audio_url
วางไฟล์ หรือ

URL ของอินพุตเสียงที่มีเสียงพูดของผู้ใช้

ขั้นสูง voice_audio_url · voice · temperature_audio · temperature_text · top_k_audio · top_k_text · seed · enable_safety_checker
วางไฟล์ หรือ

URL ตัวอย่างสำหรับโคลนเสียง แนะนำให้ใช้เสียงพูดที่ชัดเจนและยาวอย่างน้อย 10 วินาที ตัวอย่างจะถูกโคลนทันทีเพื่อแทนที่ 'voice' ที่ตั้งไว้ล่วงหน้าสำหรับคำตอบของ AI

ค่าเริ่มต้น NATF2

ID เสียงตอบกลับของ AI ซึ่งจะถูกแทนที่ด้วย voice_audio_url เมื่อมีการระบุ รหัสของเสียงแยกเสียงธรรมชาติ (NAT) จากเสียงหลากหลาย (VAR) และเสียงหญิง (F) จากเสียงชาย (M)

ค่าเริ่มต้น 0.8

ค่า Temperature ที่ใช้เมื่อสุ่มตัวอย่างเสียง การเพิ่มค่าจะทำให้ผลลัพธ์หลากหลายขึ้น

ค่าเริ่มต้น 0.7

ค่า Temperature ที่ใช้เมื่อสุ่มตัวอย่างข้อความ การเพิ่มค่าจะทำให้ผลลัพธ์หลากหลายขึ้น

ค่าเริ่มต้น 250

การตั้งค่า Top-K ที่ใช้สุ่มตัวอย่างโทเค็นเสียง

ค่าเริ่มต้น 25

การตั้งค่า Top-K ที่ใช้สุ่มตัวอย่างโทเค็นข้อความ

Seed ที่ควบคุมความสุ่มเพื่อให้ได้ผลลัพธ์ที่สร้างซ้ำได้

POST /run/personaplex/realtime?wait=20 ใบเสนอราคา → $1.80
# 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/personaplex/realtime?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"
  }'

# 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 Personaplex · Realtime

รับเสียงพูดของผู้ใช้ผ่าน `audio_url` และส่งคืนคำตอบในรูปแบบเสียง ระยะเวลา ซีด และข้อความถอดเสียง บุคลิกมาจาก `prompt` ส่วนเสียงมาจาก ID `voice` ที่ตั้งไว้ล่วงหน้า หรือจาก `voice_audio_url` สำหรับการโคลนเสียง โดยแนะนำให้ใช้เสียงพูดที่ชัดเจนอย่างน้อย 10 วินาที มีการควบคุม temperature และ top-k สำหรับการสุ่มตัวอย่างทั้งเสียงและข้อความ

พารามิเตอร์

ส่งชื่อมาตรฐานหรือชื่อดั้งเดิมอย่างใดอย่างหนึ่งเท่านั้น ห้ามส่งทั้งสองชื่อ ชื่อมาตรฐาน

ชื่อประเภท ค่าเริ่มต้นค่าที่อนุญาต คำอธิบาย
promptไม่บังคับ
ประเภทstring
ค่าเริ่มต้นYou are a wise and friendly teacher. Answer questions or provide advice in a clear and engaging way.
พรอมต์ข้อความที่กำหนดบุคลิกของ AI และบริบทของการสนทนา
voiceไม่บังคับ
ประเภทenum
ค่าเริ่มต้นNATF2
NATF0NATF1NATF2NATF3NATM0NATM1NATM2NATM3VARF0VARF1VARF2VARF3VARF4VARM0VARM1VARM2
เพิ่มเติมอีก 2 ค่าVARM3VARM4
ID เสียงตอบกลับของ AI ซึ่งจะถูกแทนที่ด้วย voice_audio_url เมื่อมีการระบุ รหัสของเสียงแยกเสียงธรรมชาติ (NAT) จากเสียงหลากหลาย (VAR) และเสียงหญิง (F) จากเสียงชาย (M)
voice_audio_urlไม่บังคับ
ประเภทurl · audio
URL ตัวอย่างสำหรับโคลนเสียง แนะนำให้ใช้เสียงพูดที่ชัดเจนและยาวอย่างน้อย 10 วินาที ตัวอย่างจะถูกโคลนทันทีเพื่อแทนที่ 'voice' ที่ตั้งไว้ล่วงหน้าสำหรับคำตอบของ AI
temperature_audioไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0.8
0 – 2
ค่า Temperature ที่ใช้เมื่อสุ่มตัวอย่างเสียง การเพิ่มค่าจะทำให้ผลลัพธ์หลากหลายขึ้น
temperature_textไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0.7
0 – 2
ค่า Temperature ที่ใช้เมื่อสุ่มตัวอย่างข้อความ การเพิ่มค่าจะทำให้ผลลัพธ์หลากหลายขึ้น
top_k_audioไม่บังคับ
ประเภทinteger
ค่าเริ่มต้น250
1 – 2,048
การตั้งค่า Top-K ที่ใช้สุ่มตัวอย่างโทเค็นเสียง
top_k_textไม่บังคับ
ประเภทinteger
ค่าเริ่มต้น25
1 – 1,000
การตั้งค่า Top-K ที่ใช้สุ่มตัวอย่างโทเค็นข้อความ
seedไม่บังคับ
ประเภทinteger | null
Seed ที่ควบคุมความสุ่มเพื่อให้ได้ผลลัพธ์ที่สร้างซ้ำได้
audio_urlจำเป็น audio
ประเภทurl · audio
URL ของอินพุตเสียงที่มีเสียงพูดของผู้ใช้
enable_safety_checkerไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นtrue
สามารถผ่อนปรนการคัดกรองได้โดยตั้งค่าเป็น false หากผู้เรียกมีสิทธิ์
จำเป็น ชื่อมาตรฐาน ซึ่งรองรับเช่นกัน

พารามิเตอร์ไฟล์รับ URL https:// สาธารณะ, data: URI ขนาดไม่เกิน 10 MB หรือ file_url ของไฟล์ที่อัปโหลด ไฟล์

เอาต์พุต

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "personaplex/realtime",
  "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": 1800,
    "usd": "1.80",
    "charged": 1800,
    "refunded": 0
  },
  "input": {
    "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
    },
    "text": " Thank you for calling SwiftPlex Appliances. This is Farhod, how can I help you today? I understand your concern. The replacement part is out of stock, so we can't ship it right away. We can use an alternative part that will arrive in 3 days. Would you like to proceed with that?",
    "duration": 5,
    "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"
  }
}
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}เสียงตอบกลับที่สร้างโดย AI ในรูปแบบ WAV ที่ 24 kHz
text
stringข้อความถอดเสียงของคำตอบจาก AI
duration
numberความยาวของเสียงที่สร้างขึ้น วัดเป็นวินาที
seed
integerค่า Seed ที่ใช้ระหว่างการสร้าง

โมเดลเพิ่มเติม: เสียง

สำหรับเอเจนต์ AI: หน้า Markdown นี้อยู่ที่ https://doitong.com/th/developers/models/personaplex/realtime.md. โมเดลและคู่มือทั้งหมด: https://doitong.com/developers/llms.txt