שפּרינגען צו אינהאַלט

Maya1

אינטעגרירן

מאָדעל־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"

דער דאָזיקער ריקוועסט: ≈⁨$ 0.049⁩ 49 API־קרעדיטן לויפֿן עס אויף דער דאָזיקער בלאַט

באַקומען אַן API שליסל
Maya Research טעקסט צו רעדע #text-to-speech#tts

אויסדריקפֿולע טעקסט־צו־רעדע מיט אַ קול־באַשרײַבונג־פּראָמפּט און אינלײַן־עמאָציע־טאַגס

Maya Research · 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 50 / 5000

טעקסט פֿאַר רעדע־סינטעז וואָס דערלויבט עמאָציע־טאַגס אין דער פאָרעם <emotion_name> אויף יעדן אָרט, ווי אין 'Hello world! <excited> This is amazing!' אָדער 'I can't believe this <sigh> happened again.'. געשטיצטע עמאָציעס זענען curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder, און laugh.

•פארלאנגט 50 / 500

שטימע־ אָדער כאַראַקטער־אייגנשאַפֿטן צו באַשרײַבן, ווי אינטענסיטעט, טון, גאַנג, טימברע, פּיטש, אַקצענט און עלטער.

פֿאָרגעשריטן sample_rate · output_format · temperature · top_p · max_tokens · repetition_penalty · enable_safety_checker
sample_rate סטאַנדאַרט 48 kHz

אַודיאָ־סאַמפּל־קורס צווישן שנעלער פּראַסעסינג בײַ 24 kHz און העכערע קוואַליטעט בײַ 48 kHz.

output_format סטאַנדאַרט wav

אַודיאָ־פֿאָרמאַט גענוצט פֿאַר סינטעזירטע רעדע.

סטאַנדאַרט 0.4

סאַמפּלינג־טעמפּעראַטור וואָס קאָנטראָלירט אַודיאָ־וואַריאַציע: העכערן זי ברענגט מער פֿאַרשיידנקייט, בשעת דער נידעריקער קייט פון 0.2–0.5 שטיצט סטאַביליטעט און קאָנסיסטענץ.

סטאַנדאַרט 0.9

Nucleus-sampling באַשטעטיקונג וואָס אַדזשאַסטירט די טאָקען־סעלעקציע־פֿאַרשיידנקייט.

סטאַנדאַרט 2000

SNAC טאָקען־בודזשעט וואָס באַגרענעצט די אַודיאָ־לענג, אויסגערעכנט ווי 7 טאָקענס פֿאַר יעדן ראַם.

סטאַנדאַרט 1.1

שטראָף געווענדט צו טאָקען־ווידערהאָלונג. איר העכערן אונטערדריקט ווידערהאָלונג־אַרטיפאַקטן.

POST /run/maya?wait=20 פּרײַז → ⁨$ 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"

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 Maya1

קאָנווערטירט טעקסט פֿון ביז 5000 צייכנס אין רעדע. אַ נייטיקער `prompt` פֿון ביז 500 צייכנס באַשרײַבט דעם קול, למשל עלטער, אַקצענט און טאָן. עמאָציע־טאַגס ווי laugh אָדער whisper קענען ווערן אַרײַנגעשטעלט אין טעקסט. קלייבט 48 kHz אָדער 24 kHz סאַמפּל־קורס און wav אָדער mp3 רעזולטאַט; `max_tokens` באַגרענעצט די אַודיאָ־לענג.

פּאַראַמעטערס

נאָמעןטיפּ סטאַנדאַרטערלויבט באַשרײַבונג
textפארלאנגט
טיפּstring
≤ 5,000 כאַראַקטערן
טעקסט פֿאַר רעדע־סינטעז וואָס דערלויבט עמאָציע־טאַגס אין דער פאָרעם <emotion_name> אויף יעדן אָרט, ווי אין 'Hello world! <excited> This is amazing!' אָדער 'I can't believe this <sigh> happened again.'. געשטיצטע עמאָציעס זענען curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder, און laugh.
promptפארלאנגט
טיפּstring
≤ 500 כאַראַקטערן
שטימע־ אָדער כאַראַקטער־אייגנשאַפֿטן צו באַשרײַבן, ווי אינטענסיטעט, טון, גאַנג, טימברע, פּיטש, אַקצענט און עלטער.
temperatureאָפּציאָנעל
טיפּnumber
סטאַנדאַרט0.4
0 – 2
סאַמפּלינג־טעמפּעראַטור וואָס קאָנטראָלירט אַודיאָ־וואַריאַציע: העכערן זי ברענגט מער פֿאַרשיידנקייט, בשעת דער נידעריקער קייט פון 0.2–0.5 שטיצט סטאַביליטעט און קאָנסיסטענץ.
top_pאָפּציאָנעל
טיפּnumber
סטאַנדאַרט0.9
0 – 1
Nucleus-sampling באַשטעטיקונג וואָס אַדזשאַסטירט די טאָקען־סעלעקציע־פֿאַרשיידנקייט.
max_tokensאָפּציאָנעל
טיפּinteger
סטאַנדאַרט2000
28 – 4,000
SNAC טאָקען־בודזשעט וואָס באַגרענעצט די אַודיאָ־לענג, אויסגערעכנט ווי 7 טאָקענס פֿאַר יעדן ראַם.
repetition_penaltyאָפּציאָנעל
טיפּnumber
סטאַנדאַרט1.1
1 – 2
שטראָף געווענדט צו טאָקען־ווידערהאָלונג. איר העכערן אונטערדריקט ווידערהאָלונג־אַרטיפאַקטן.
sample_rateאָפּציאָנעל
טיפּenum
סטאַנדאַרט48 kHz
48 kHz24 kHz
אַודיאָ־סאַמפּל־קורס צווישן שנעלער פּראַסעסינג בײַ 24 kHz און העכערע קוואַליטעט בײַ 48 kHz.
output_formatאָפּציאָנעל
טיפּenum
סטאַנדאַרטwav
wavmp3
אַודיאָ־פֿאָרמאַט גענוצט פֿאַר סינטעזירטע רעדע.
enable_safety_checkerאָפּציאָנעל
טיפּboolean
סטאַנדאַרטtrue
סקרינינג קען ווערן פאַרלייכטערט דורך שטעלן false, אויב דער רופער איז אָטעריזירט.
פארלאנגט

אויסגאַבע

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"
  }
}
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}גענערירטע רעדע־פֿײַל אין WAV אָדער MP3, מיט מאָנאָ־אַודיאָ בײַ 24 kHz אָדער 48 kHz לויטן אַפּסאַמפּלער.
duration
numberלענג פונעם אַודיאָ־רעזולטאַט, געמאסטן אין סעקונדעס.
sample_rate
stringסאַמפּלינג־קורס פונעם אַודיאָ־רעזולטאַט.
generation_time
numberצײַט פון אַודיאָ־גענערירונג, געמאסטן אין סעקונדעס.
rtf
numberרעאַל־טײַם־פֿאַקטאָר, אויסגערעכנט ווי generation_time צעטיילט דורך audio_duration; קלענערע ווערטן מיינען בעסערע פאָרשטעלונג.

מער מאָדעלן: טעקסט צו רעדע

פֿאַר AI־אַגענטן: דער בלאַט ווי Markdown געפֿינט זיך בײַ https://doitong.com/yi/developers/models/maya.md. אַלע מאָדעלן און גוידעס: https://doitong.com/developers/llms.txt