Lumaktaw sa nilalaman

Index TTS 2.0

I-integrate

ID ng modelo index-tts-2/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/index-tts-2/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"

Hanggang $0.06 bawat pagtakbo sinisingil ayon sa aktuwal na paggamit, at nire-refund ang natitira Patakbuhin ito sa page na ito

Kumuha ng API key
bilibili Text patungong Speech #text-to-speech

Speech synthesis mula sa reference voice clip at teksto, na may emotion control sa pamamagitan ng audio, prompt o per-emotion strength

bilibili · audio

Dito mapupunta ang iyong unang resulta

Bumuo ng kahilingan sa ibaba at patakbuhin ito gamit ang iyong API key. Kinokopya ang mga output sa aming storage, na pinananatili nang walang hanggan o 7 araw nang libre.

Bumuo ng kahilingan

Ang mga control ay binubuo mula sa schema ng modelo. Nagbabago ang code at presyo habang ina-adjust mo ang mga ito.

•kinakailangan

Prompt para sa bubuuing speech.

•kinakailangan audio_url
Mag-drop ng file, o

Source audio file na ginagamit upang bumuo ng speech.

advanced emotion_prompt · emotional_audio_url · strength · should_use_prompt_for_emotion · enable_safety_checker · emotional_strengths

Mga tagubilin para sa emosyonal na estilo na nangangailangan ding gamitin ang `should_use_prompt_for_emotion`.

Mag-drop ng file, o

Reference audio file na ginagamit upang kunin ang emosyonal na estilo.

default na 1

Tumitindi ang emosyonal na impluwensiyang inilalapat sa style transfer habang itinataas ang setting na ito.

Mga intensity value bawat emosyon para sa mas detalyadong adjustment.

POST /run/index-tts-2/text-to-speech?wait=20 presyo → $0.06
# 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/index-tts-2/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"

Patakbuhin ang kahilingang ito

Nananatili ang iyong key sa browser na ito: ipinapadala lamang ito sa Doitong API at sine-save (localStorage) lamang kung pipiliin mo ang Tandaan. Kumuha ng API key

Tungkol sa Index TTS 2.0

Gumagawa ng speech para sa teksto sa `prompt`, gamit ang boses mula sa reference clip na ibinigay sa `audio_url`. Maaaring kunin ang emotional estilo mula sa ikalawang clip gamit ang `emotional_audio_url`, na sinusukat ng `strength` (0 hanggang 1), o itakda sa pamamagitan ng `emotional_strengths`. Bilang alternatibo, paganahin ang `should_use_prompt_for_emotion`, opsyonal na may hiwalay na `emotion_prompt`. Ibinabalik ang audio bilang base64 object.

Mga parameter

Ipadala ang canonical na pangalan o ang native na pangalan, hindi pareho. Mga canonical na pangalan

PangalanUri defaultPinapayagan Paglalarawan
audio_urlkinakailangan audio
Uriurl · audio
Source audio file na ginagamit upang bumuo ng speech.
promptkinakailangan
Uristring
Prompt para sa bubuuing speech.
emotional_audio_urlopsyonal
Uriurl · audio
Reference audio file na ginagamit upang kunin ang emosyonal na estilo.
strengthopsyonal
Urinumber
default1
0 – 1
Tumitindi ang emosyonal na impluwensiyang inilalapat sa style transfer habang itinataas ang setting na ito.
emotional_strengthsopsyonal
Uriobject
Mga intensity value bawat emosyon para sa mas detalyadong adjustment.
emotional_strengths.happyopsyonal
Urinumber
default0
0 – 1
Intensity ng emosyon ng kaligayahan.
emotional_strengths.angryopsyonal
Urinumber
default0
0 – 1
Intensity ng galit.
emotional_strengths.sadopsyonal
Urinumber
default0
0 – 1
Intensity ng lungkot.
emotional_strengths.afraidopsyonal
Urinumber
default0
0 – 1
Intensity ng takot.
emotional_strengths.disgustedopsyonal
Urinumber
default0
0 – 1
Intensity ng pagkasuklam.
emotional_strengths.melancholicopsyonal
Urinumber
default0
0 – 1
Intensity ng melancholia.
emotional_strengths.surprisedopsyonal
Urinumber
default0
0 – 1
Intensity ng pagkagulat.
emotional_strengths.calmopsyonal
Urinumber
default0
0 – 1
Intensity ng pagiging kalmado.
should_use_prompt_for_emotionopsyonal
Uriboolean | null
defaultfalse
Kapag pinagana, pinapalitan ng pagkalkula ng emosyon batay sa prompt ang tahasang `emotional_strengths`. Mula sa `emotion_prompt` ang emosyonal na estilo kung ibinigay ito; kung hindi, mula sa `prompt`.
emotion_promptopsyonal
Uristring | null
Mga tagubilin para sa emosyonal na estilo na nangangailangan ding gamitin ang `should_use_prompt_for_emotion`.
enable_safety_checkeropsyonal
Uriboolean
defaulttrue
Maaaring luwagan ang screening sa pamamagitan ng pagtatakda ng false, kung awtorisado ang tumatawag.
kinakailangan Canonical na pangalan, tinatanggap din

Tumatanggap ang mga parameter ng file ng pampublikong https:// URL, data: URI na hanggang 10 MB, o file_url ng isang upload. Mga file

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "index-tts-2/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": 60,
    "usd": "0.06",
    "charged": 60,
    "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
    }
  },
  "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"
  }
}
Ikaw ang pumipili para sa iyong mga fileAng bawat outputs[].url ay kopya sa aming storage: pinananatili nang walang hanggan (sinisingil bawat GB-month) o 7 araw nang libre, ayon sa setting ng iyong account o ?storage=.
Parehong shape sa bawat modelotype, url, content_type, width, height at duration, para sa mga larawan, video at audio. Ang output ay sariling result object ng modelo.
Mga field ng output
audio
object {url, content_type, file_name, file_size}Binuong audio na naka-encode sa base64 format.

Para sa mga AI agent: nasa Markdown ang pahinang ito sa https://doitong.com/fil/developers/models/index-tts-2/text-to-speech.md. Lahat ng modelo at gabay: https://doitong.com/developers/llms.txt