مواد پر جائیں

Maya1

انٹیگریٹ کریں

ماڈل id maya
# 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/maya?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence.",
    "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"

یہ درخواست: ≈⁨$0.049⁩ 49 API کریڈٹس اس صفحے پر چلائیں

API کلید حاصل کریں
Maya Research متن سے آواز #text-to-speech#tts

آواز کی وضاحت والے پرامپٹ اور متن میں شامل جذباتی ٹیگز کے ساتھ اظہارپور متن سے آواز

Maya Research · آڈیو

آپ کا پہلا نتیجہ یہاں آئے گا

ذیل میں درخواست بنائیں اور اپنی API کلید کے ساتھ چلائیں۔ آؤٹ پٹس ہمارے اسٹوریج میں کاپی ہو جاتے ہیں، ہمیشہ کے لیے یا مفت میں 7 دن تک محفوظ رہتے ہیں۔

درخواست بنائیں

کنٹرولز ماڈل اسکیما سے تیار ہوتے ہیں۔ آپ کے بدلنے کے ساتھ کوڈ اور قیمت اپ ڈیٹ ہوتے ہیں۔

•لازمی 50 / 5000

Speech-synthesis متن، جس میں کسی بھی مقام پر <emotion_name> کی صورت میں emotion tags شامل کیے جا سکتے ہیں، جیسے 'Hello world! <excited> This is amazing!' یا 'I can't believe this <sigh> happened again.'. معاون emotions یہ ہیں: curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder, اور laugh۔

•لازمی 50 / 500

بیان کی جانے والی آواز یا کردار کی خصوصیات، جیسے شدت، tone، رفتار، timbre، pitch، accent، اور عمر۔

ایڈوانسڈ sample_rate · output_format · temperature · top_p · max_tokens · repetition_penalty · enable_safety_checker
sample_rate ڈیفالٹ 48 kHz

آڈیو sample-rate کا انتخاب: 24 kHz پر تیز processing یا 48 kHz پر اعلیٰ معیار کا آؤٹ پٹ۔

output_format ڈیفالٹ wav

Synthesized speech کے لیے استعمال ہونے والا آڈیو فائل format۔

ڈیفالٹ 0.4

آڈیو variation کو کنٹرول کرنے والی sampling temperature: اسے بڑھانے سے زیادہ تنوع آتا ہے، جبکہ 0.2–0.5 کی کم range استحکام اور یکسانیت کو ترجیح دیتی ہے۔

ڈیفالٹ 0.9

Token-selection diversity کو ایڈجسٹ کرنے والی nucleus sampling setting۔

ڈیفالٹ 2000

SNAC ٹوکن بجٹ جو آڈیو کی مدت کی حد مقرر کرتا ہے؛ حساب ہر فریم کے لیے 7 ٹوکن کے مطابق ہوتا ہے۔

ڈیفالٹ 1.1

ٹوکن repetition پر عائد penalty۔ اسے بڑھانے سے repetition artifacts کم ہوتے ہیں۔

POST /run/maya?wait=20 قیمت → ⁨$0.049⁩
# 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/maya?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence.",
    "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"

یہ درخواست چلائیں

آپ کی key اسی براؤزر میں رہتی ہے: یہ صرف Doitong API کو بھیجی جاتی ہے اور صرف اس صورت میں localStorage میں محفوظ ہوتی ہے جب آپ Remember منتخب کریں۔ API کلید حاصل کریں

Maya1 کے بارے میں

5000 حروف تک کے متن کو آواز میں تبدیل کرتا ہے۔ مطلوبہ `prompt`، زیادہ سے زیادہ 500 حروف میں، آواز کی عمر، لہجے اور ٹون جیسی خصوصیات بیان کرتا ہے۔ laugh یا whisper جیسے جذباتی ٹیگز متن میں شامل کیے جا سکتے ہیں۔ 48 kHz یا 24 kHz سیمپل ریٹ اور wav یا mp3 آؤٹ پٹ منتخب کریں؛ `max_tokens` آڈیو کی لمبائی محدود کرتا ہے۔

پیرامیٹرز

نامقسم ڈیفالٹمجاز تفصیل
textلازمی
قسمstring
≤ 5,000 کریکٹرز
Speech-synthesis متن، جس میں کسی بھی مقام پر <emotion_name> کی صورت میں emotion tags شامل کیے جا سکتے ہیں، جیسے 'Hello world! <excited> This is amazing!' یا 'I can't believe this <sigh> happened again.'. معاون emotions یہ ہیں: curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder, اور laugh۔
promptلازمی
قسمstring
≤ 500 کریکٹرز
بیان کی جانے والی آواز یا کردار کی خصوصیات، جیسے شدت، tone، رفتار، timbre، pitch، accent، اور عمر۔
temperatureاختیاری
قسمnumber
ڈیفالٹ0.4
0 – 2
آڈیو variation کو کنٹرول کرنے والی sampling temperature: اسے بڑھانے سے زیادہ تنوع آتا ہے، جبکہ 0.2–0.5 کی کم range استحکام اور یکسانیت کو ترجیح دیتی ہے۔
top_pاختیاری
قسمnumber
ڈیفالٹ0.9
0 – 1
Token-selection diversity کو ایڈجسٹ کرنے والی nucleus sampling setting۔
max_tokensاختیاری
قسمinteger
ڈیفالٹ2000
28 – 4,000
SNAC ٹوکن بجٹ جو آڈیو کی مدت کی حد مقرر کرتا ہے؛ حساب ہر فریم کے لیے 7 ٹوکن کے مطابق ہوتا ہے۔
repetition_penaltyاختیاری
قسمnumber
ڈیفالٹ1.1
1 – 2
ٹوکن repetition پر عائد penalty۔ اسے بڑھانے سے repetition artifacts کم ہوتے ہیں۔
sample_rateاختیاری
قسمenum
ڈیفالٹ48 kHz
48 kHz24 kHz
آڈیو sample-rate کا انتخاب: 24 kHz پر تیز processing یا 48 kHz پر اعلیٰ معیار کا آؤٹ پٹ۔
output_formatاختیاری
قسمenum
ڈیفالٹwav
wavmp3
Synthesized speech کے لیے استعمال ہونے والا آڈیو فائل format۔
enable_safety_checkerاختیاری
قسمboolean
ڈیفالٹtrue
false سیٹ کر کے اسکریننگ نرم کی جا سکتی ہے، بشرطیکہ کال کرنے والا مجاز ہو۔
لازمی

آؤٹ پٹ

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "maya",
  "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": 49,
    "usd": "0.049",
    "charged": 49,
    "refunded": 0
  },
  "input": {
    "text": "Hello from Doitong. This is a short test sentence.",
    "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,
    "sample_rate": "48 kHz",
    "generation_time": 2.3,
    "rtf": 0.51
  },
  "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"
  }
}
آپ کی فائلیں، آپ کا انتخابہر outputs[].url ہمارے اسٹوریج میں ایک کاپی ہے: ہمیشہ کے لیے محفوظ (فی GB-ماہ ادائیگی) یا مفت میں 7 دن تک، آپ کی اکاؤنٹ سیٹنگ یا ?storage= کے مطابق۔
ہر ماڈل میں ایک جیسی ساختtype، url، content_type، width، height اور duration، تصاویر، ویڈیو اور آڈیو سب کے لیے یکساں۔ output ماڈل کا اپنا نتیجہ آبجیکٹ ہے۔
آؤٹ پٹ کے فیلڈز
audio
object {url, content_type, file_name, file_size}WAV یا MP3 میں تخلیق کردہ speech فائل، جس میں upsampler کے مطابق 24 kHz یا 48 kHz mono آڈیو ہوتا ہے۔
duration
numberآڈیو آؤٹ پٹ کی لمبائی، سیکنڈ میں۔
sample_rate
stringآڈیو آؤٹ پٹ کی sampling rate۔
generation_time
numberآڈیو تخلیق کا وقت، سیکنڈ میں۔
rtf
numbergeneration_time کو audio_duration سے تقسیم کرکے نکالا گیا real-time factor؛ کم قدر بہتر performance کی نشاندہی کرتی ہے۔

مزید ماڈلز: متن سے آواز

AI ایجنٹس کے لیے: یہ صفحہ Markdown میں یہاں موجود ہے https://doitong.com/ur/developers/models/maya.md. تمام ماڈلز اور گائیڈز: https://doitong.com/developers/llms.txt