Zum Inhalt springen

Chatterboxhd · Text to Speech

Integrieren

Modell-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"

Dateien wie das Beispiel: 0,011 $ 11 API-Credits · ≈ 1,18 ₽ Deine Dateien werden vor der Ausführung gemessen Auf dieser Seite ausführen

API-Schlüssel abrufen
Resemble AI Text zu Sprache

Ausdrucksstarkes Text-to-Speech mit voreingestellten Stimmen, Zero-Shot-Klonen aus einer Beispielaufnahme und optionalem 48 kHz-Audio

Resemble AI · Audio

Dein erstes Ergebnis erscheint hier

Erstelle unten eine Anfrage und führe sie mit deinem API-Schlüssel aus. Ausgaben werden in unseren Speicher kopiert und dauerhaft oder 7 Tage kostenlos aufbewahrt.

Anfrage erstellen

Die Steuerelemente werden aus dem Modellschema generiert. Code und Preis werden aktualisiert, während du sie änderst.

Standard My name is Maximus De...

Textinhalt zur Umwandlung in gesprochene Audioausgabe.

Erweitert audio · voice · exaggeration · cfg · temperature · seed · high_quality_audio
audio_url
Datei ablegen oder

URL einer Sprachklonierungsprobe für Zero-Shot-TTS, die Vorrang vor der Stimmeinstellung hat. Eine zufällige Stimmauswahl erfolgt nur, wenn audio_url und voice fehlen.

Wähle die TTS-Stimme oder lasse voice und audio weg, damit das System zufällig eine Stimme auswählt.

Standard 0.5

Grad der emotionalen Übertreibung, typischerweise zwischen 0.25 und 2.0.

Standard 0.5

Konditionierungsstärke über classifier-free guidance (CFG). Für ausdrucksstarke oder dramatische Wiedergabe kombiniere eine niedrige cfg-Einstellung, etwa 0.3, mit einer Übertreibung von etwa 0.7 oder mehr; eine Reduzierung von cfg auf etwa 0.3 kann auch das Timing verbessern, wenn die Referenzstimme schnell spricht. Typische Einstellungen liegen zwischen 0.2–1.0.

Standard 0.8

Zufälligkeit der Generierung, typischerweise zwischen 0.05 und 5.

Standard 0

Seed für wiederholbare Audiogenerierung: 0 wählt zufällig einen Wert, während ein fester Seed bei unveränderten übrigen Eigenschaften dieselbe Audiodatei erzeugen sollte.

POST /run/resemble-ai/chatterboxhd/text-to-speech?wait=20 Preis → 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"

Diese Anfrage ausführen

Dein Schlüssel bleibt in diesem Browser: Er wird nur an die Doitong API gesendet und nur gespeichert (localStorage), wenn du „Merken“ aktivierst. API-Schlüssel abrufen

Über Chatterboxhd · Text to Speech

Generiert Sprache aus `text` mit einer voreingestellten `voice` (Aurora, Blade, Britney, Carl, Cliff, Richard, Rico, Siobhan oder Vicky) oder einer aus `audio_url` geklonten Stimme, die die Voreinstellung überschreibt. `exaggeration` (0.25 bis 2) und `cfg` steuern die Emotion, `temperature` und `seed` die Variation. `high_quality_audio` erhöht die Ausgabe von 24 kHz auf 48 kHz.

Parameter

Sende entweder den kanonischen Namen oder den nativen Namen, nicht beide. Kanonische Namen

NameTyp StandardZulässig Beschreibung
textoptional
Typstring
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.
Textinhalt zur Umwandlung in gesprochene Audioausgabe.
voiceoptional
Typenum
AuroraBladeBritneyCarlCliffRichardRicoSiobhanVicky
Wähle die TTS-Stimme oder lasse voice und audio weg, damit das System zufällig eine Stimme auswählt.
audio_urloptional audio
Typurl · audio
URL einer Sprachklonierungsprobe für Zero-Shot-TTS, die Vorrang vor der Stimmeinstellung hat. Eine zufällige Stimmauswahl erfolgt nur, wenn audio_url und voice fehlen.
exaggerationoptional
Typnumber
Standard0.5
0,25 – 2
Grad der emotionalen Übertreibung, typischerweise zwischen 0.25 und 2.0.
cfgoptional
Typnumber
Standard0.5
0 – 1
Konditionierungsstärke über classifier-free guidance (CFG). Für ausdrucksstarke oder dramatische Wiedergabe kombiniere eine niedrige cfg-Einstellung, etwa 0.3, mit einer Übertreibung von etwa 0.7 oder mehr; eine Reduzierung von cfg auf etwa 0.3 kann auch das Timing verbessern, wenn die Referenzstimme schnell spricht. Typische Einstellungen liegen zwischen 0.2–1.0.
high_quality_audiooptional
Typboolean
Standardfalse
Wähle mit False eine Ausgabe mit 24kHz oder mit True hochwertigeres, auf 48kHz hochskaliertes Audio. Die Hochskalierung verlängert die Generierungszeit.
seedoptional
Typinteger
Standard0
≥ 0
Seed für wiederholbare Audiogenerierung: 0 wählt zufällig einen Wert, während ein fester Seed bei unveränderten übrigen Eigenschaften dieselbe Audiodatei erzeugen sollte.
temperatureoptional
Typnumber
Standard0.8
0,05 – 5
Zufälligkeit der Generierung, typischerweise zwischen 0.05 und 5.
erforderlich Kanonischer Name, ebenfalls akzeptiert

Dateiparameter akzeptieren eine öffentliche https://-URL, eine data:-URI bis 10 MB oder die file_url eines Uploads. Dateien

Ausgabe

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"
  }
}
Deine Dateien, deine EntscheidungJede outputs[].url ist eine Kopie in unserem Speicher: dauerhaft aufbewahrt (Abrechnung pro GB-Monat) oder 7 Tage kostenlos – je nach Kontoeinstellung oder ?storage=.
Gleiche Struktur bei jedem Modelltype, url, content_type, width, height und duration – für Bilder, Video und Audio gleichermaßen. output ist das Ergebnisobjekt des Modells.
Ausgabefelder
audio
anyDurch die Generierung erzeugte Audiodatei.

Weitere Modelle: Text zu Sprache

Für KI-Agenten: Diese Seite ist als Markdown verfügbar unter https://doitong.com/de/developers/models/resemble-ai/chatterboxhd/text-to-speech.md. Alle Modelle und Anleitungen: https://doitong.com/developers/llms.txt