Gå til indhold

Chatterboxhd · Text to Speech

Integrer

Model-id resemble-ai/chatterboxhd/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.ru/v1/run/resemble-ai/chatterboxhd/text-to-speech?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{}'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Filer som eksemplet: 0,011 $ 11 API-kreditter · ≈ 1,18 ₽ dine filer måles før kørslen Kør den på denne side

Hent API-nøgle
Resemble AI Tekst til tale

Udtryksfuld tekst-til-tale med forudindstillede stemmer, zero-shot-kloning fra en prøve og valgfri 48 kHz-lyd

Resemble AI · Lyd

Dit første resultat kommer her

Opret en anmodning nedenfor, og kør den med din API-nøgle. Output kopieres til vores lagring, gemt for altid eller 7 dage gratis.

Opret en anmodning

Kontrollerne genereres fra modellens skema. Koden og prisen opdateres, når du ændrer dem.

standard My name is Maximus De...

Tekstindhold, der skal konverteres til tale.

Avanceret audio · voice · exaggeration · cfg · temperature · seed · high_quality_audio
audio_url
Slip en fil, eller

URL til en stemmekloningsprøve til zero-shot TTS, der har prioritet over stemmeindstillingen. Tilfældig stemmevalg anvendes kun, hvis både audio_url og voice mangler.

Vælg TTS-stemmen, eller udelad både voice og lyd for at lade systemet vælge en tilfældigt.

standard 0.5

Grad af følelsesmæssig overdrivelse, typisk fra 0.25 til 2.0.

standard 0.5

Konditioneringsstyrke indstillet via classifier-free guidance (CFG). For udtryksfuld eller dramatisk levering kombineres en lav cfg-indstilling, f.eks. cirka 0.3, med overdrivelse på cirka 0.7 eller mere; en reduktion af cfg til cirka 0.3 kan også forbedre tempoet, når referencestemmen taler hurtigt. Typiske indstillinger ligger mellem 0.2–1.0.

standard 0.8

Tilfældighed i genereringen, typisk fra 0.05 til 5.

standard 0

Seed til gentagelig lydgenerering: 0 vælger én tilfældigt, mens en fast seed bør gengive den nøjagtige lydfil, hvis alle andre egenskaber forbliver uændrede.

POST /run/resemble-ai/chatterboxhd/text-to-speech?wait=20 pris → 0,011 $
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/resemble-ai/chatterboxhd/text-to-speech?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{}'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Kør denne anmodning

Din nøgle forbliver i denne browser: Den sendes kun til Doitong API og gemmes kun i localStorage, hvis du markerer Husk. Hent en API-nøgle

Om Chatterboxhd · Text to Speech

Genererer tale fra `text` ved hjælp af en forudindstillet `voice` (Aurora, Blade, Britney, Carl, Cliff, Richard, Rico, Siobhan eller Vicky) eller en klonet stemme fra `audio_url`, som tilsidesætter forudindstillingen. `exaggeration` (0.25 to 2) og `cfg` styrer følelsen, mens `temperature` og `seed` styrer variationen. `high_quality_audio` øger outputtet fra 24 kHz til 48 kHz.

Parametre

Send enten det kanoniske navn eller det oprindelige navn, ikke begge. Kanoniske navne

NavnType StandardTilladt Beskrivelse
textvalgfri
Typestring
StandardMy name is Maximus Decimus Meridius, commander of the Armies of the North, General of the Felix Legions and loyal servant to the true emperor, Marcus Aurelius. Father to a murdered son, husband to a murdered wife. And I will have my vengeance, in this life or the next.
Tekstindhold, der skal konverteres til tale.
voicevalgfri
Typeenum
AuroraBladeBritneyCarlCliffRichardRicoSiobhanVicky
Vælg TTS-stemmen, eller udelad både voice og lyd for at lade systemet vælge en tilfældigt.
audio_urlvalgfri audio
Typeurl · audio
URL til en stemmekloningsprøve til zero-shot TTS, der har prioritet over stemmeindstillingen. Tilfældig stemmevalg anvendes kun, hvis både audio_url og voice mangler.
exaggerationvalgfri
Typenumber
Standard0.5
0,25 – 2
Grad af følelsesmæssig overdrivelse, typisk fra 0.25 til 2.0.
cfgvalgfri
Typenumber
Standard0.5
0 – 1
Konditioneringsstyrke indstillet via classifier-free guidance (CFG). For udtryksfuld eller dramatisk levering kombineres en lav cfg-indstilling, f.eks. cirka 0.3, med overdrivelse på cirka 0.7 eller mere; en reduktion af cfg til cirka 0.3 kan også forbedre tempoet, når referencestemmen taler hurtigt. Typiske indstillinger ligger mellem 0.2–1.0.
high_quality_audiovalgfri
Typeboolean
Standardfalse
Vælg output på 24kHz med False eller lyd i højere kvalitet, opskaleret til 48kHz med True. Opskalering øger genereringstiden.
seedvalgfri
Typeinteger
Standard0
≥ 0
Seed til gentagelig lydgenerering: 0 vælger én tilfældigt, mens en fast seed bør gengive den nøjagtige lydfil, hvis alle andre egenskaber forbliver uændrede.
temperaturevalgfri
Typenumber
Standard0.8
0,05 – 5
Tilfældighed i genereringen, typisk fra 0.05 til 5.
påkrævet Kanonisk navn, også accepteret

Filparametre accepterer en offentlig https://-URL, en data:-URI på op til 10 MB eller file_url fra en upload. Filer

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "resemble-ai/chatterboxhd/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": 11,
    "usd": "0.011",
    "charged": 11,
    "refunded": 0
  },
  "input": {},
  "output": {},
  "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.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Dine filer, dit valgHver outputs[].url er en kopi på vores lagring: gemt for altid (betales pr. GB-måned) eller 7 dage gratis, afhængigt af din kontoindstilling eller ?storage=.
Samme struktur for alle modellertype, url, content_type, width, height og duration for billeder, video og lyd. output er modellens eget resultatobjekt.
Outputfelter
audio
anyLydfil produceret ved generering.

Flere modeller: Tekst til tale

Til AI-agenter: Denne side som Markdown findes på https://doitong.com/da/developers/models/resemble-ai/chatterboxhd/text-to-speech.md. Alle modeller og vejledninger: https://doitong.com/developers/llms.txt