مواد پر جائیں

Tada

انٹیگریٹ کریں

ماڈل 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"

یہ درخواست: ⁨$0.004⁩ 4 API کریڈٹس اس صفحے پر چلائیں

API کلید حاصل کریں
Open model متن سے آواز

آواز کی کلوننگ والا متن سے آواز ماڈل جو آپ کے متن کو حوالہ کلپ کی آواز میں پڑھتا ہے، 10 زبان کوڈز کے ساتھ

Open model · 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

متن کے طور پر فراہم کردہ speech content؛ reference speaker اسے render کرنے کے لیے استعمال ہونے والی آواز فراہم کرتا ہے۔

•لازمی audio_url
فائل ڈراپ کریں، یا

آڈیو فائل URL کے طور پر فراہم کردہ voice-cloning source، جو اس speaker کی شناخت کرتا ہے جس کی صوتی خصوصیات ماڈل کو نقل کرنی ہیں۔

ایڈوانسڈ 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 ڈیفالٹ wav

تخلیق کردہ آڈیو کا فائل format۔

ڈیفالٹ

reference-audio transcript، جو English کے علاوہ زبانوں کی recordings کے لیے لازمی ہے؛ خودکار transcription صرف English کے لیے built in ہے۔

ڈیفالٹ en

text-alignment language code، جو English کے علاوہ زبان میں speech تخلیق کرتے وقت synthesis language سے مطابقت رکھنا چاہیے۔

ڈیفالٹ 0

trailing prosody یا silence شامل کرنے کے لیے اضافی autoregressive step count، فراہم کردہ متن کے بعد speech جاری رکھ کر۔

ڈیفالٹ 0.6

text-token sampling temperature؛ اسے بڑھانے سے آؤٹ پٹ میں تنوع آتا ہے، اور 0 یا اس سے کم اجازت نہیں۔

ڈیفالٹ 0.9

متن تخلیق کرنے کے لیے استعمال ہونے والی Top-p (nucleus) sampling setting۔

ڈیفالٹ 1.1

آؤٹ پٹ تخلیق کرتے وقت ٹوکن repetition کے لیے penalty۔

ڈیفالٹ 1.6

acoustic features تخلیق کرنے کے لیے استعمال ہونے والی classifier-free guidance strength۔

ڈیفالٹ 0.9

flow-matching diffusion کے دوران استعمال ہونے والی noise temperature۔

ڈیفالٹ 20

flow matching کے ذریعے acoustics تخلیق کرنے کے لیے ODE solver step count۔

ڈیفالٹ 1

speech-speed multiplier: 1.0 سے کم پر تخلیق کردہ speech سست اور 1.0 سے زیادہ پر تیز ہو جاتی ہے۔

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

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

Tada کے بارے میں

حوالہ کلپ (`audio_url`) سے مقرر کی آواز کی نقل بناتا ہے اور `prompt` متن اسی آواز میں پڑھتا ہے۔ `language` اختیارات en، ar، ch، de، es، fr، it، ja، pl اور pt قبول کرتا ہے۔ غیر انگریزی حوالوں کے لیے `transcript` فراہم کریں، کیونکہ بلٹ اِن شناخت صرف English ہے۔ رفتار 0.5 سے 2 تک تبدیل کی جا سکتی ہے، اور آؤٹ پٹ wav یا mp3 ہے۔

پیرامیٹرز

معیاری نام یا مقامی نام میں سے صرف ایک بھیجیں، دونوں نہیں۔ معیاری نام

نامقسم ڈیفالٹمجاز تفصیل
audio_urlلازمی audio
قسمurl · audio
آڈیو فائل URL کے طور پر فراہم کردہ voice-cloning source، جو اس speaker کی شناخت کرتا ہے جس کی صوتی خصوصیات ماڈل کو نقل کرنی ہیں۔
transcriptاختیاری
قسمstring
ڈیفالٹ
reference-audio transcript، جو English کے علاوہ زبانوں کی recordings کے لیے لازمی ہے؛ خودکار transcription صرف English کے لیے built in ہے۔
promptلازمی
قسمstring
متن کے طور پر فراہم کردہ speech content؛ reference speaker اسے render کرنے کے لیے استعمال ہونے والی آواز فراہم کرتا ہے۔
languageاختیاری
قسمenum
ڈیفالٹen
enarchdeesfritjaplpt
text-alignment language code، جو English کے علاوہ زبان میں speech تخلیق کرتے وقت synthesis language سے مطابقت رکھنا چاہیے۔
num_extra_stepsاختیاری
قسمinteger
ڈیفالٹ0
0 – 50
trailing prosody یا silence شامل کرنے کے لیے اضافی autoregressive step count، فراہم کردہ متن کے بعد speech جاری رکھ کر۔
temperatureاختیاری
قسمnumber
ڈیفالٹ0.6
≤ 2> 0
text-token sampling temperature؛ اسے بڑھانے سے آؤٹ پٹ میں تنوع آتا ہے، اور 0 یا اس سے کم اجازت نہیں۔
top_pاختیاری
قسمnumber
ڈیفالٹ0.9
0 – 1
متن تخلیق کرنے کے لیے استعمال ہونے والی Top-p (nucleus) sampling setting۔
repetition_penaltyاختیاری
قسمnumber
ڈیفالٹ1.1
1 – 2
آؤٹ پٹ تخلیق کرتے وقت ٹوکن repetition کے لیے penalty۔
acoustic_cfg_scaleاختیاری
قسمnumber
ڈیفالٹ1.6
0 – 10
acoustic features تخلیق کرنے کے لیے استعمال ہونے والی classifier-free guidance strength۔
noise_temperatureاختیاری
قسمnumber
ڈیفالٹ0.9
0 – 2
flow-matching diffusion کے دوران استعمال ہونے والی noise temperature۔
num_inference_stepsاختیاری
قسمinteger
ڈیفالٹ20
1 – 50
flow matching کے ذریعے acoustics تخلیق کرنے کے لیے ODE solver step count۔
speed_up_factorاختیاری
قسمnumber
ڈیفالٹ1
0.5 – 2
speech-speed multiplier: 1.0 سے کم پر تخلیق کردہ speech سست اور 1.0 سے زیادہ پر تیز ہو جاتی ہے۔
output_formatاختیاری
قسمenum
ڈیفالٹwav
wavmp3
تخلیق کردہ آڈیو کا فائل format۔
enable_safety_checkerاختیاری
قسمboolean
ڈیفالٹtrue
false سیٹ کر کے اسکریننگ نرم کی جا سکتی ہے، بشرطیکہ کال کرنے والا مجاز ہو۔
لازمی معیاری نام، یہ بھی قبول ہے

فائل پیرامیٹرز عوامی https:// URL، 10 MB تک کی data: URI، یا اپ لوڈ کے file_url کو قبول کرتے ہیں۔ فائلیں

آؤٹ پٹ

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"
  }
}
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, duration, channels, sample_rate, bitrate}سنتھیسائز کی گئی اسپیچ پر مشتمل آڈیو فائل۔

مزید ماڈلز: متن سے آواز

AI ایجنٹس کے لیے: یہ صفحہ Markdown میں یہاں موجود ہے https://doitong.com/ur/developers/models/tada/3b/text-to-speech.md. تمام ماڈلز اور گائیڈز: https://doitong.com/developers/llms.txt