Ir al contenido

Tada

Integrar

ID del modelo tada/3b/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/tada/3b/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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Esta solicitud: $0.004 4 créditos de API · ≈ ₽0.43 Ejecutar en esta página

Obtener clave de API
Open model Texto a voz

Texto a voz con clonación de voz que pronuncia tu texto con la voz de un clip de referencia, con 10 códigos de idioma

Open model · Audio

Tu primer resultado aparecerá aquí

Crea una solicitud abajo y ejecútala con tu clave de API. Las salidas se copian en nuestro almacenamiento, donde se conservan para siempre o 7 días gratis.

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan conforme los cambias.

•obligatorio

Contenido del habla proporcionado como texto; el hablante de referencia proporciona la voz usada para renderizarlo.

•obligatorio audio_url
Suelta un archivo o

Origen para clonación de voz proporcionado como URL de un archivo de audio, que identifica al hablante cuyas características vocales debe reproducir el modelo.

Avanzado output_format · transcript · language · num_extra_steps · temperature · top_p · repetition_penalty · acoustic_cfg_scale · noise_temperature · num_inference_steps · speed_up_factor · enable_safety_checker
output_format predeterminado wav

Formato de archivo del audio generado.

predeterminado

Transcripción del audio de referencia, obligatoria para grabaciones en idiomas distintos del inglés; la transcripción automática está integrada solo para inglés.

predeterminado en

Código de idioma de alineación del texto, que debe corresponder al idioma de síntesis al generar habla en un idioma distinto del inglés.

predeterminado 0

Cantidad adicional de pasos autorregresivos para agregar prosodia final o silencio al continuar el habla después del texto proporcionado.

predeterminado 0.6

Temperatura de muestreo de tokens de texto: aumentarla agrega variedad a la salida; no se permite 0 ni valores menores.

predeterminado 0.9

Ajuste de muestreo Top-p (núcleo) usado para generar texto.

predeterminado 1.1

Penalización por repetición de tokens durante la generación de la salida.

predeterminado 1.6

Intensidad de guía sin clasificador usada para generar características acústicas.

predeterminado 0.9

Temperatura del ruido usada durante la difusión por coincidencia de flujo.

predeterminado 20

Cantidad de pasos del solucionador ODE usada para generar acústica mediante coincidencia de flujo.

predeterminado 1

Multiplicador de velocidad del habla: el habla generada es más lenta por debajo de 1.0 y más rápida por encima de 1.0.

POST /run/tada/3b/text-to-speech?wait=20 cotización → $0.004
# 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/tada/3b/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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Ejecutar esta solicitud

Tu clave permanece en este navegador: solo se envía a la Doitong API y se guarda en localStorage únicamente si marcas Recordar. Obtener una clave de API

Acerca de Tada

Clona a un hablante a partir de un clip de referencia (`audio_url`) y lee el texto de `prompt` con esa voz. La opción `language` acepta en, ar, ch, de, es, fr, it, ja, pl y pt. Para referencias que no estén en inglés, proporciona una `transcript`, ya que el reconocimiento integrado solo admite inglés. La velocidad puede escalarse de 0.5 a 2, y la salida es wav o mp3.

Parámetros

Envía el nombre canónico o el nombre nativo, no ambos. Nombres canónicos

NombreTipo PredeterminadoPermitido Descripción
audio_urlobligatorio audio
Tipourl · audio
Origen para clonación de voz proporcionado como URL de un archivo de audio, que identifica al hablante cuyas características vocales debe reproducir el modelo.
transcriptopcional
Tipostring
Predeterminado
Transcripción del audio de referencia, obligatoria para grabaciones en idiomas distintos del inglés; la transcripción automática está integrada solo para inglés.
promptobligatorio
Tipostring
Contenido del habla proporcionado como texto; el hablante de referencia proporciona la voz usada para renderizarlo.
languageopcional
Tipoenum
Predeterminadoen
enarchdeesfritjaplpt
Código de idioma de alineación del texto, que debe corresponder al idioma de síntesis al generar habla en un idioma distinto del inglés.
num_extra_stepsopcional
Tipointeger
Predeterminado0
0 – 50
Cantidad adicional de pasos autorregresivos para agregar prosodia final o silencio al continuar el habla después del texto proporcionado.
temperatureopcional
Tiponumber
Predeterminado0.6
≤ 2> 0
Temperatura de muestreo de tokens de texto: aumentarla agrega variedad a la salida; no se permite 0 ni valores menores.
top_popcional
Tiponumber
Predeterminado0.9
0 – 1
Ajuste de muestreo Top-p (núcleo) usado para generar texto.
repetition_penaltyopcional
Tiponumber
Predeterminado1.1
1 – 2
Penalización por repetición de tokens durante la generación de la salida.
acoustic_cfg_scaleopcional
Tiponumber
Predeterminado1.6
0 – 10
Intensidad de guía sin clasificador usada para generar características acústicas.
noise_temperatureopcional
Tiponumber
Predeterminado0.9
0 – 2
Temperatura del ruido usada durante la difusión por coincidencia de flujo.
num_inference_stepsopcional
Tipointeger
Predeterminado20
1 – 50
Cantidad de pasos del solucionador ODE usada para generar acústica mediante coincidencia de flujo.
speed_up_factoropcional
Tiponumber
Predeterminado1
0.5 – 2
Multiplicador de velocidad del habla: el habla generada es más lenta por debajo de 1.0 y más rápida por encima de 1.0.
output_formatopcional
Tipoenum
Predeterminadowav
wavmp3
Formato de archivo del audio generado.
enable_safety_checkeropcional
Tipoboolean
Predeterminadotrue
La moderación puede relajarse estableciendo false, siempre que la persona que llama esté autorizada.
obligatorio Nombre canónico, también aceptado

Los parámetros de archivo aceptan una URL pública https://, un URI data: de hasta 10 MB o el file_url de una carga. Archivos

Salida

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "tada/3b/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": 4,
    "usd": "0.004",
    "charged": 4,
    "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,
      "duration": 5,
      "channels": 1,
      "sample_rate": 1,
      "bitrate": "string"
    }
  },
  "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"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: se conserva para siempre (con cobro por GB-mes) o 7 días gratis, según la configuración de tu cuenta o ?storage=.
La misma estructura en todos los modelostype, url, content_type, width, height y duration, tanto para imágenes como para video y audio. output es el objeto de resultado propio del modelo.
Campos de salida
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Archivo de audio que contiene la voz sintetizada.

Más modelos: Texto a voz

Para agentes de IA: esta página en Markdown está disponible en https://doitong.com/es-MX/developers/models/tada/3b/text-to-speech.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt