رفتن به محتوا

Chatterboxhd · Text to Speech

یکپارچه‌سازی

شناسه مدل 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"

فایل‌هایی مانند نمونه: ⁨‎$۰٫۰۱۱⁩ ۱۱ اعتبار API · ≈ ⁨‎₽۱٫۱۸⁩ فایل‌های شما پیش از اجرا اندازه‌گیری می‌شوند اجرای آن در این صفحه

دریافت کلید API
Resemble AI متن به گفتار

تبدیل بیانگر متن به گفتار با صداهای ازپیش‌تنظیم‌شده، کلون‌سازی بدون آموزش از نمونه و صوت اختیاری 48 kHz

Resemble AI · صوت

اولین نتیجه شما اینجا قرار می‌گیرد

درخواست را در زیر بسازید و با کلید API خود اجرا کنید. خروجی‌ها در فضای ذخیره‌سازی ما کپی می‌شوند و برای همیشه یا به‌مدت ۷ روز رایگان نگه‌داری می‌شوند.

ساخت درخواست

کنترل‌ها از شِمای مدل تولید می‌شوند. با تغییر آن‌ها، کد و قیمت به‌روزرسانی می‌شوند.

پیش‌فرض My name is Maximus De...

محتوای متنی برای تبدیل به صوت گفتاری.

پیشرفته audio · voice · exaggeration · cfg · temperature · seed · high_quality_audio
audio_url
یک فایل بیندازید، یا

URL نمونه شبیه‌سازی صدا برای TTS بدون نمونه، که نسبت به تنظیم voice اولویت دارد. انتخاب تصادفی صدا فقط زمانی اعمال می‌شود که audio_url و voice هر دو وجود نداشته باشند.

صدای TTS را انتخاب کنید، یا voice و صوت را هر دو حذف کنید تا سیستم صدا را به‌طور تصادفی انتخاب کند.

پیش‌فرض 0.5

میزان اغراق احساسی، معمولاً بین 0.25 و 2.0.

پیش‌فرض 0.5

شدت شرطی‌سازی تنظیم‌شده از طریق هدایت بدون طبقه‌بند (CFG). برای اجرای بیانگر یا نمایشی، تنظیم cfg پایین، مانند حدود 0.3، را با اغراق حدود 0.7 یا بیشتر ترکیب کنید؛ کاهش cfg به حدود 0.3 ممکن است هنگام تند صحبت‌کردن صدای مرجع، زمان‌بندی را نیز بهبود دهد. تنظیمات معمول بین 0.2–1.0 هستند.

پیش‌فرض 0.8

تصادفی‌بودن تولید، معمولاً بین 0.05 و 5.

پیش‌فرض 0

Seed برای تولید صوت تکرارپذیر: مقدار 0 یکی را به‌صورت تصادفی انتخاب می‌کند، در حالی که seed ثابت باید در صورت تغییرنکردن سایر ویژگی‌ها، دقیقاً همان فایل صوتی را تولید کند.

POST /run/resemble-ai/chatterboxhd/text-to-speech?wait=20 قیمت → ⁨‎$۰٫۰۱۱⁩
# 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"

اجرای این درخواست

کلید شما در این مرورگر باقی می‌ماند: فقط به Doitong API ارسال می‌شود و فقط در صورت فعال‌کردن گزینه «یادآوری»، در localStorage ذخیره می‌شود. دریافت کلید API

درباره Chatterboxhd · Text to Speech

با استفاده از `text` و صدای پیش‌تنظیم‌شده `voice` (Aurora، Blade، Britney، Carl، Cliff، Richard، Rico، Siobhan یا Vicky) یا صدای شبیه‌سازی‌شده از `audio_url` گفتار تولید می‌کند؛ `audio_url` بر صدای پیش‌تنظیم‌شده اولویت دارد. `exaggeration` (0.25 تا 2) و `cfg` احساس را کنترل می‌کنند و `temperature` و `seed` تنوع را کنترل می‌کنند. `high_quality_audio` خروجی را از 24 kHz به 48 kHz افزایش می‌دهد.

پارامترها

نام استاندارد یا نام بومی را ارسال کنید، نه هر دو. نام‌های استاندارد

نامنوع پیش‌فرضمجاز توضیحات
textاختیاری
نوعstring
پیش‌فرضMy 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.
محتوای متنی برای تبدیل به صوت گفتاری.
voiceاختیاری
نوعenum
AuroraBladeBritneyCarlCliffRichardRicoSiobhanVicky
صدای TTS را انتخاب کنید، یا voice و صوت را هر دو حذف کنید تا سیستم صدا را به‌طور تصادفی انتخاب کند.
audio_urlاختیاری audio
نوعurl · audio
URL نمونه شبیه‌سازی صدا برای TTS بدون نمونه، که نسبت به تنظیم voice اولویت دارد. انتخاب تصادفی صدا فقط زمانی اعمال می‌شود که audio_url و voice هر دو وجود نداشته باشند.
exaggerationاختیاری
نوعnumber
پیش‌فرض0.5
۰٫۲۵ – ۲
میزان اغراق احساسی، معمولاً بین 0.25 و 2.0.
cfgاختیاری
نوعnumber
پیش‌فرض0.5
۰ – ۱
شدت شرطی‌سازی تنظیم‌شده از طریق هدایت بدون طبقه‌بند (CFG). برای اجرای بیانگر یا نمایشی، تنظیم cfg پایین، مانند حدود 0.3، را با اغراق حدود 0.7 یا بیشتر ترکیب کنید؛ کاهش cfg به حدود 0.3 ممکن است هنگام تند صحبت‌کردن صدای مرجع، زمان‌بندی را نیز بهبود دهد. تنظیمات معمول بین 0.2–1.0 هستند.
high_quality_audioاختیاری
نوعboolean
پیش‌فرضfalse
خروجی 24kHz با False یا صوت باکیفیت‌ترِ ارتقایافته تا 48kHz با True را انتخاب کنید. فعال‌کردن ارتقای وضوح زمان تولید را افزایش می‌دهد.
seedاختیاری
نوعinteger
پیش‌فرض0
≥ ۰
Seed برای تولید صوت تکرارپذیر: مقدار 0 یکی را به‌صورت تصادفی انتخاب می‌کند، در حالی که seed ثابت باید در صورت تغییرنکردن سایر ویژگی‌ها، دقیقاً همان فایل صوتی را تولید کند.
temperatureاختیاری
نوعnumber
پیش‌فرض0.8
۰٫۰۵ – ۵
تصادفی‌بودن تولید، معمولاً بین 0.05 و 5.
الزامی نام استاندارد، همچنین پذیرفته می‌شود

پارامترهای فایل یک URL عمومی https://، یک URI از نوع data: تا سقف 10 MB، یا file_url یک فایل بارگذاری‌شده را می‌پذیرند. فایل‌ها

خروجی

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"
  }
}
فایل‌های شما، انتخاب شماهر outputs[].url کپی‌ای در فضای ذخیره‌سازی ماست: برای همیشه (با هزینه به‌ازای هر GB-ماه) یا به‌مدت ۷ روز رایگان، بر اساس تنظیم حساب شما یا ?storage=.
ساختار یکسان در همه مدل‌هاtype، url، content_type، width، height و duration برای تصاویر، ویدیو و صدا یکسان هستند. output شیء نتیجه اختصاصی مدل است.
فیلدهای خروجی
audio
anyفایل صوتی تولیدشده.

مدل‌های بیشتر: متن به گفتار

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/resemble-ai/chatterboxhd/text-to-speech.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt