שפּרינגען צו אינהאַלט

Index TTS 2.0

אינטעגרירן

מאָדעל־id index-tts-2/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/index-tts-2/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"

ביז ⁨$ 0.06⁩ פּער לויפן באַצאָלט לויטן בפועלדיקן באַניץ, דער רעשט ווערט צוריקגעצאָלט לויפֿן עס אויף דער דאָזיקער בלאַט

באַקומען אַן API שליסל
bilibili טעקסט צו רעדע #text-to-speech

רעדע־סינטעז פֿון אַ רעפֿערענץ־שטימע־קליפּ און טעקסט, מיט עמאָציע־קאָנטראָל דורך אַודיאָ, פּראָמפּט אָדער שטאַרקייטן פֿאַר יעדן עמאָציע

bilibili · אַודיאָ

דאָ קומט אײַער ערשטער רעזולטאַט

בויט אונטן אַ בקשה און לויפט זי מיט אײַער API שליסל. רעזולטאַטן ווערן קאַפּירט צו אונדזער סטאָרידזש, געהאַלטן אויף אייביק אָדער 7 טעג אומזיסט.

בויען אַ בעטן

קאָנטראָלן ווערן דזשענערירט פֿון דעם מאָדעל־סכעמע. דער קאָד און דער פּרײַז דערהײַנטיקן זיך ווען איר ענדערט זיי.

•פארלאנגט

פּראָמפּט פֿאַר דער רעדע וואָס זאָל ווערן גענערירט.

•פארלאנגט audio_url
לייגט אַרײַן אַ טעקע, אָדער

מקור־אַודיאָ־פֿײַל גענוצט צו גענערירן רעדע.

פֿאָרגעשריטן emotion_prompt · emotional_audio_url · strength · should_use_prompt_for_emotion · enable_safety_checker · emotional_strengths

אינסטרוקציעס פֿאַר עמאָציאָנעלן סטיל וואָס דאַרפן אויך `should_use_prompt_for_emotion`.

לייגט אַרײַן אַ טעקע, אָדער

רעפֿערענץ־אַודיאָ־פֿײַל גענוצט צו אַרויסציען עמאָציאָנעלן סטיל.

סטאַנדאַרט 1

עמאָציאָנעלע השפּעה בעת סטיל־טראַנספער וואַקסט מיט דער שטאַרקייט־באַשטעטיקונג.

אינטענסיטעט־ווערט פֿאַר יעדן עמאָציע, פֿאַר פֿײַנער קאָנטראָל.

POST /run/index-tts-2/text-to-speech?wait=20 פּרײַז → ⁨$ 0.06⁩
# 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/index-tts-2/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"

לויפֿן דעם ריקוועסט

אײַער key בלײַבט אין דעם בלעטערער: זי ווערט געשיקט נאָר צום Doitong API און אָפּגעהיט (localStorage) נאָר אויב איר טיקט אָן געדענקען. באַקומען אַן API שליסל

וועגן Index TTS 2.0

גענערירט רייד פֿאַר דעם טעקסט אין `prompt`, ניצנדיק דעם קול פֿון דער רעפֿערענץ־קליפּ בײַ `audio_url`. עמאָציאָנעלער סטיל קען קומען פֿון אַ צווייטן קליפּ מיט `emotional_audio_url`, געסקיילט דורך `strength` (0 ביז 1), אָדער באַשטימט דורך `emotional_strengths`. אַלטערנאַטיוו קען מען אַקטיווירן `should_use_prompt_for_emotion`, אָפּציאָנעל מיט אַן באַזונדערן `emotion_prompt`. דער אַודיאָ קומט צוריק ווי אַ base64 אָביעקט.

פּאַראַמעטערס

שיקט אָדער דעם קאַנאָנישן נאָמען אָדער דעם נאַטיוון נאָמען, נישט ביידע. קאַנאָנישע נעמען

נאָמעןטיפּ סטאַנדאַרטערלויבט באַשרײַבונג
audio_urlפארלאנגט audio
טיפּurl · audio
מקור־אַודיאָ־פֿײַל גענוצט צו גענערירן רעדע.
promptפארלאנגט
טיפּstring
פּראָמפּט פֿאַר דער רעדע וואָס זאָל ווערן גענערירט.
emotional_audio_urlאָפּציאָנעל
טיפּurl · audio
רעפֿערענץ־אַודיאָ־פֿײַל גענוצט צו אַרויסציען עמאָציאָנעלן סטיל.
strengthאָפּציאָנעל
טיפּnumber
סטאַנדאַרט1
0 – 1
עמאָציאָנעלע השפּעה בעת סטיל־טראַנספער וואַקסט מיט דער שטאַרקייט־באַשטעטיקונג.
emotional_strengthsאָפּציאָנעל
טיפּobject
אינטענסיטעט־ווערט פֿאַר יעדן עמאָציע, פֿאַר פֿײַנער קאָנטראָל.
emotional_strengths.happyאָפּציאָנעל
טיפּnumber
סטאַנדאַרט0
0 – 1
אינטענסיטעט פון פרייד.
emotional_strengths.angryאָפּציאָנעל
טיפּnumber
סטאַנדאַרט0
0 – 1
אינטענסיטעט פון כּעס.
emotional_strengths.sadאָפּציאָנעל
טיפּnumber
סטאַנדאַרט0
0 – 1
אינטענסיטעט פון טרויער.
emotional_strengths.afraidאָפּציאָנעל
טיפּnumber
סטאַנדאַרט0
0 – 1
אינטענסיטעט פון מורא.
emotional_strengths.disgustedאָפּציאָנעל
טיפּnumber
סטאַנדאַרט0
0 – 1
אינטענסיטעט פון עקל.
emotional_strengths.melancholicאָפּציאָנעל
טיפּnumber
סטאַנדאַרט0
0 – 1
אינטענסיטעט פון מעלאַנכאָליע.
emotional_strengths.surprisedאָפּציאָנעל
טיפּnumber
סטאַנדאַרט0
0 – 1
אינטענסיטעט פון איבערראַשונג.
emotional_strengths.calmאָפּציאָנעל
טיפּnumber
סטאַנדאַרט0
0 – 1
אינטענסיטעט פון רויִקייט.
should_use_prompt_for_emotionאָפּציאָנעל
טיפּboolean | null
סטאַנדאַרטfalse
עמאָציע־רעכענונג באַזירט אויף פּראָמפּט ערזעצט explicit `emotional_strengths` ווען אַקטיוו. דער עמאָציאָנעלער סטיל קומט פון `emotion_prompt` אויב צוגעשטעלט, אַנדערש פון `prompt`.
emotion_promptאָפּציאָנעל
טיפּstring | null
אינסטרוקציעס פֿאַר עמאָציאָנעלן סטיל וואָס דאַרפן אויך `should_use_prompt_for_emotion`.
enable_safety_checkerאָפּציאָנעל
טיפּboolean
סטאַנדאַרטtrue
סקרינינג קען ווערן פאַרלייכטערט דורך שטעלן false, אויב דער רופער איז אָטעריזירט.
פארלאנגט קאַנאָנישער נאָמען, אויך אַקצעפּטירט

טעקע־פּאַראַמעטערס נעמען אַן עפֿנטלעכע https:// URL, אַ data: URI ביז 10 MB, אָדער דעם file_url פֿון אַן אַרויפֿלאָד. טעקעס

אויסגאַבע

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "index-tts-2/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": 60,
    "usd": "0.06",
    "charged": 60,
    "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
    }
  },
  "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"
  }
}
אייער טעקעס, אייער ברירהיעדער outputs[].url איז אַ קאַפּיע אין אונדזער סטאָרידזש: געהאַלטן אויף אייביק (באַצאָלט פּער GB־חודש) אָדער 7 טעג אומזיסט, לויט אײַער חשבון־באַשטעטיקונג אָדער ?storage=.
דער זעלבער פֿאָרעם בײַ יעדן מאָדעלtype, url, content_type, width, height און duration, סײַ פֿאַר בילדער, ווידעאָ און אַודיאָ. output איז דער אייגענער רעזולטאַט־אָביעקט פֿון מאָדעל.
פֿעלדער פֿון דער אויסגאַבע
audio
object {url, content_type, file_name, file_size}גענערירט אַודיאָ קאָדירט אין base64 פֿאָרמאַט.

פֿאַר AI־אַגענטן: דער בלאַט ווי Markdown געפֿינט זיך בײַ https://doitong.com/yi/developers/models/index-tts-2/text-to-speech.md. אַלע מאָדעלן און גוידעס: https://doitong.com/developers/llms.txt