Μετάβαση στο περιεχόμενο

Chatterboxhd · Text to Speech

Ενσωμάτωση

id μοντέλου 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"

Αρχεία όπως το παράδειγμα: 0,011 $ 11 πιστώσεις API · ≈ 1,18 ₽ τα αρχεία σας μετρώνται πριν από την εκτέλεση Εκτέλεση σε αυτήν τη σελίδα

Λήψη κλειδιού API

Εκφραστικό text-to-speech με προεπιλεγμένες φωνές, zero-shot κλωνοποίηση από δείγμα και προαιρετικό ήχο 48 kHz

Resemble AI · Ήχος

Το πρώτο σας αποτέλεσμα θα εμφανιστεί εδώ

Δημιουργήστε ένα αίτημα παρακάτω και εκτελέστε το με το κλειδί API σας. Οι έξοδοι αντιγράφονται στην αποθήκευσή μας και διατηρούνται για πάντα ή 7 ημέρες δωρεάν.

Δημιουργία αιτήματος

Τα στοιχεία ελέγχου δημιουργούνται από το σχήμα του μοντέλου. Ο κώδικας και η τιμή ενημερώνονται καθώς τα αλλάζετε.

προεπιλογή My name is Maximus De...

Περιεχόμενο κειμένου προς μετατροπή σε ομιλούμενο ήχο.

Για προχωρημένους audio · voice · exaggeration · cfg · temperature · seed · high_quality_audio
audio_url
Αποθέστε ένα αρχείο ή

URL δείγματος κλωνοποίησης φωνής για zero-shot TTS, με προτεραιότητα έναντι της ρύθμισης φωνής. Η τυχαία επιλογή φωνής εφαρμόζεται μόνο όταν απουσιάζουν τόσο το audio_url όσο και το voice.

Επιλέξτε τη φωνή TTS ή παραλείψτε τόσο τη φωνή όσο και τον ήχο ώστε το σύστημα να επιλέξει τυχαία.

προεπιλογή 0.5

Βαθμός συναισθηματικής υπερβολής, συνήθως από 0.25 έως 2.0.

προεπιλογή 0.5

Ένταση conditioning μέσω classifier-free guidance (CFG). Για εκφραστική ή δραματική απόδοση, συνδυάστε χαμηλή ρύθμιση cfg, όπως περίπου 0.3, με υπερβολή περίπου 0.7 ή μεγαλύτερη· η μείωση του cfg περίπου στο 0.3 μπορεί επίσης να βελτιώσει τον ρυθμό όταν η φωνή αναφοράς μιλά γρήγορα. Οι συνήθεις ρυθμίσεις κυμαίνονται από 0.2–1.0.

προεπιλογή 0.8

Τυχαιότητα παραγωγής, συνήθως από 0.05 έως 5.

προεπιλογή 0

Seed για επαναλήψιμη παραγωγή ήχου: το 0 επιλέγει τυχαία, ενώ ένα σταθερό seed πρέπει να αναπαράγει ακριβώς το ίδιο αρχείο ήχου αν όλες οι άλλες ιδιότητες παραμείνουν αμετάβλητες.

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

Εκτέλεση αυτού του αιτήματος

Το κλειδί σας παραμένει σε αυτό το πρόγραμμα περιήγησης: αποστέλλεται μόνο στο Doitong API και αποθηκεύεται (localStorage) μόνο αν ενεργοποιήσετε την επιλογή «Να απομνημονεύεται». Λήψη κλειδιού API

Σχετικά με το Chatterboxhd · Text to Speech

Δημιουργεί ομιλία από `text` χρησιμοποιώντας προεπιλεγμένη `voice` (Aurora, Blade, Britney, Carl, Cliff, Richard, Rico, Siobhan ή Vicky) ή κλωνοποιημένη φωνή από `audio_url`, η οποία παρακάμπτει την προεπιλογή. Τα `exaggeration` (0.25 έως 2) και `cfg` ελέγχουν το συναίσθημα, ενώ τα `temperature` και `seed` ελέγχουν την παραλλαγή. Το `high_quality_audio` αυξάνει την έξοδο από 24 kHz σε 48 kHz.

Παράμετροι

Στείλτε είτε το κανονικό όνομα είτε το εγγενές όνομα, όχι και τα δύο. Κανονικά ονόματα

ΌνομαΤύπος ΠροεπιλογήΕπιτρεπόμενο Περιγραφή
textπροαιρετικό
Τύποςstring
ΠροεπιλογήMy 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.
Περιεχόμενο κειμένου προς μετατροπή σε ομιλούμενο ήχο.
voiceπροαιρετικό
Τύποςenum
AuroraBladeBritneyCarlCliffRichardRicoSiobhanVicky
Επιλέξτε τη φωνή TTS ή παραλείψτε τόσο τη φωνή όσο και τον ήχο ώστε το σύστημα να επιλέξει τυχαία.
audio_urlπροαιρετικό audio
Τύποςurl · audio
URL δείγματος κλωνοποίησης φωνής για zero-shot TTS, με προτεραιότητα έναντι της ρύθμισης φωνής. Η τυχαία επιλογή φωνής εφαρμόζεται μόνο όταν απουσιάζουν τόσο το audio_url όσο και το voice.
exaggerationπροαιρετικό
Τύποςnumber
Προεπιλογή0.5
0,25 – 2
Βαθμός συναισθηματικής υπερβολής, συνήθως από 0.25 έως 2.0.
cfgπροαιρετικό
Τύποςnumber
Προεπιλογή0.5
0 – 1
Ένταση conditioning μέσω classifier-free guidance (CFG). Για εκφραστική ή δραματική απόδοση, συνδυάστε χαμηλή ρύθμιση cfg, όπως περίπου 0.3, με υπερβολή περίπου 0.7 ή μεγαλύτερη· η μείωση του cfg περίπου στο 0.3 μπορεί επίσης να βελτιώσει τον ρυθμό όταν η φωνή αναφοράς μιλά γρήγορα. Οι συνήθεις ρυθμίσεις κυμαίνονται από 0.2–1.0.
high_quality_audioπροαιρετικό
Τύποςboolean
Προεπιλογήfalse
Επιλέξτε έξοδο 24kHz με False ή ήχο υψηλότερης ποιότητας, αναβαθμισμένο σε 48kHz, με True. Η ενεργοποίηση της αναβάθμισης αυξάνει τον χρόνο παραγωγής.
seedπροαιρετικό
Τύποςinteger
Προεπιλογή0
≥ 0
Seed για επαναλήψιμη παραγωγή ήχου: το 0 επιλέγει τυχαία, ενώ ένα σταθερό seed πρέπει να αναπαράγει ακριβώς το ίδιο αρχείο ήχου αν όλες οι άλλες ιδιότητες παραμείνουν αμετάβλητες.
temperatureπροαιρετικό
Τύποςnumber
Προεπιλογή0.8
0,05 – 5
Τυχαιότητα παραγωγής, συνήθως από 0.05 έως 5.
απαιτείται Κανονικό όνομα, επίσης αποδεκτό

Οι παράμετροι αρχείων δέχονται ένα δημόσιο URL https://, ένα URI data: έως 10 MB ή το file_url μιας μεταφόρτωσης. Αρχεία

Έξοδος

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"
  }
}
Τα αρχεία σας, η επιλογή σαςΚάθε outputs[].url είναι ένα αντίγραφο στην αποθήκευσή μας: διατηρείται για πάντα (χρέωση ανά GB-μήνα) ή 7 ημέρες δωρεάν, σύμφωνα με τη ρύθμιση του λογαριασμού σας ή ?storage=.
Ίδια μορφή σε κάθε μοντέλοtype, url, content_type, width, height και duration, τόσο για εικόνες όσο και για βίντεο και ήχο. Το output είναι το αντικείμενο αποτελέσματος του ίδιου του μοντέλου.
Πεδία εξόδου
audio
anyΑρχείο ήχου που παράγεται από την παραγωγή.

Περισσότερα μοντέλα: Κείμενο σε ομιλία

Για πράκτορες AI: αυτή η σελίδα σε Markdown βρίσκεται στη διεύθυνση https://doitong.com/el/developers/models/resemble-ai/chatterboxhd/text-to-speech.md. Όλα τα μοντέλα και οι οδηγοί: https://doitong.com/developers/llms.txt