Ir al contenido

Chatterboxhd · Text to Speech

Integrar

Id del modelo 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"

Archivos como el ejemplo: 0,011 $ 11 créditos de API · ≈ 1,18 ₽ tus archivos se miden antes de la ejecución Ejecutar en esta página

Obtener clave de API
Resemble AI Texto a voz

Texto a voz expresivo con voces preestablecidas, clonación zero-shot a partir de una muestra y audio opcional de 48 kHz

Resemble AI · Audio

Tu primer resultado aparecerá aquí

Crea una solicitud abajo y ejecútala con tu clave de API. Las salidas se copian en nuestro almacenamiento, conservadas 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 al modificarlos.

predeterminado My name is Maximus De...

Contenido de texto que se convertirá en audio hablado.

Avanzado audio · voice · exaggeration · cfg · temperature · seed · high_quality_audio
audio_url
Suelta un archivo o

URL de muestra para clonación de voz en TTS zero-shot, con prioridad sobre la configuración de voz. La selección aleatoria de voz se aplica solo si faltan audio_url y voice.

Selecciona la voz de TTS, o no incluyas voice ni audio para que el sistema elija una aleatoriamente.

predeterminado 0.5

Grado de exageración emocional, normalmente entre 0.25 y 2.0.

predeterminado 0.5

Intensidad de condicionamiento establecida mediante guía sin clasificador (CFG). Para una interpretación expresiva o dramática, combina una configuración cfg baja, como aproximadamente 0.3, con una exageración de aproximadamente 0.7 o superior; reducir cfg a aproximadamente 0.3 también puede mejorar el ritmo cuando la voz de referencia habla rápido. Las configuraciones habituales abarcan 0.2–1.0.

predeterminado 0.8

Aleatoriedad de la generación, normalmente entre 0.05 y 5.

predeterminado 0

Semilla para la generación de audio reproducible: 0 selecciona una aleatoriamente, mientras que una semilla fija debería reproducir exactamente el mismo archivo de audio si todas las demás propiedades permanecen sin cambios.

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

Ejecutar esta solicitud

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

Acerca de Chatterboxhd · Text to Speech

Genera voz a partir de `text` usando una `voice` preestablecida (Aurora, Blade, Britney, Carl, Cliff, Richard, Rico, Siobhan o Vicky) o una voz clonada desde `audio_url`, que reemplaza a la preestablecida. `exaggeration` (0.25 a 2) y `cfg` controlan la emoción, mientras que `temperature` y `seed` controlan la variación. `high_quality_audio` aumenta la salida de 24 kHz a 48 kHz.

Parámetros

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

NombreTipo PredeterminadoPermitido Descripción
textopcional
Tipostring
PredeterminadoMy 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.
Contenido de texto que se convertirá en audio hablado.
voiceopcional
Tipoenum
AuroraBladeBritneyCarlCliffRichardRicoSiobhanVicky
Selecciona la voz de TTS, o no incluyas voice ni audio para que el sistema elija una aleatoriamente.
audio_urlopcional audio
Tipourl · audio
URL de muestra para clonación de voz en TTS zero-shot, con prioridad sobre la configuración de voz. La selección aleatoria de voz se aplica solo si faltan audio_url y voice.
exaggerationopcional
Tiponumber
Predeterminado0.5
0,25 – 2
Grado de exageración emocional, normalmente entre 0.25 y 2.0.
cfgopcional
Tiponumber
Predeterminado0.5
0 – 1
Intensidad de condicionamiento establecida mediante guía sin clasificador (CFG). Para una interpretación expresiva o dramática, combina una configuración cfg baja, como aproximadamente 0.3, con una exageración de aproximadamente 0.7 o superior; reducir cfg a aproximadamente 0.3 también puede mejorar el ritmo cuando la voz de referencia habla rápido. Las configuraciones habituales abarcan 0.2–1.0.
high_quality_audioopcional
Tipoboolean
Predeterminadofalse
Elige entre una salida de 24kHz con False y audio de mayor calidad ampliado a 48kHz con True. Activar la ampliación aumenta el tiempo de generación.
seedopcional
Tipointeger
Predeterminado0
≥ 0
Semilla para la generación de audio reproducible: 0 selecciona una aleatoriamente, mientras que una semilla fija debería reproducir exactamente el mismo archivo de audio si todas las demás propiedades permanecen sin cambios.
temperatureopcional
Tiponumber
Predeterminado0.8
0,05 – 5
Aleatoriedad de la generación, normalmente entre 0.05 y 5.
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": "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"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: conservada para siempre (se cobra 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 vídeo y audio. output es el objeto de resultado propio del modelo.
Campos de salida
audio
anyArchivo de audio producido por la generación.

Más modelos: Texto a voz

Para agentes de IA: esta página en Markdown está en https://doitong.com/es/developers/models/resemble-ai/chatterboxhd/text-to-speech.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt