Lumaktaw sa nilalaman

Chatterboxhd · Text to Speech

I-integrate

ID ng 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"

Mga file na katulad ng halimbawa: $0.011 11 kredito ng API · ≈ ₽1.18 sinusukat ang iyong mga file bago patakbuhin Patakbuhin ito sa page na ito

Kumuha ng API key
Resemble AI Text patungong Speech

Expressive text-to-speech na may preset voice, zero-shot cloning mula sa sample at opsyonal na 48 kHz audio

Resemble AI · 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.

default na My name is Maximus De...

Text content na iko-convert sa spoken audio.

advanced audio · voice · exaggeration · cfg · temperature · seed · high_quality_audio
audio_url
Mag-drop ng file, o

URL ng voice-cloning sample para sa zero-shot TTS, na inuuna kaysa voice setting. Nalalapat lamang ang random voice selection kapag parehong wala ang audio_url at voice.

Piliin ang TTS voice, o alisin ang parehong voice at audio upang random na pumili ang system.

default na 0.5

Antas ng emotional exaggeration, karaniwang nasa 0.25 hanggang 2.0.

default na 0.5

Lakas ng conditioning na itinatakda sa pamamagitan ng classifier-free guidance (CFG). Para sa expressive o dramatic na delivery, pagsamahin ang mababang cfg setting, gaya ng humigit-kumulang 0.3, sa exaggeration na humigit-kumulang 0.7 o higit pa; maaari ring mapahusay ng pagbabawas ng cfg sa humigit-kumulang 0.3 ang pacing kapag mabilis magsalita ang reference voice. Karaniwang nasa 0.2–1.0 ang mga setting.

default na 0.8

Randomness ng pagbuo, karaniwang nasa 0.05 hanggang 5.

default na 0

Seed para sa repeatable audio pagbuo: random na pumipili ang 0, habang dapat muling mabuo ng fixed seed ang eksaktong audio file kung hindi nagbabago ang lahat ng ibang property.

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

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 Chatterboxhd · Text to Speech

Gumagawa ng speech mula sa `text` gamit ang preset `voice` (Aurora, Blade, Britney, Carl, Cliff, Richard, Rico, Siobhan o Vicky) o cloned voice mula sa `audio_url`, na pumapalit sa preset. Kinokontrol ng `exaggeration` (0.25 hanggang 2) at `cfg` ang emosyon, habang kinokontrol ng `temperature` at `seed` ang variation. Pinapataas ng `high_quality_audio` ang output mula 24 kHz tungo sa 48 kHz.

Mga parameter

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

PangalanUri defaultPinapayagan Paglalarawan
textopsyonal
Uristring
defaultMy 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.
Text content na iko-convert sa spoken audio.
voiceopsyonal
Urienum
AuroraBladeBritneyCarlCliffRichardRicoSiobhanVicky
Piliin ang TTS voice, o alisin ang parehong voice at audio upang random na pumili ang system.
audio_urlopsyonal audio
Uriurl · audio
URL ng voice-cloning sample para sa zero-shot TTS, na inuuna kaysa voice setting. Nalalapat lamang ang random voice selection kapag parehong wala ang audio_url at voice.
exaggerationopsyonal
Urinumber
default0.5
0.25 – 2
Antas ng emotional exaggeration, karaniwang nasa 0.25 hanggang 2.0.
cfgopsyonal
Urinumber
default0.5
0 – 1
Lakas ng conditioning na itinatakda sa pamamagitan ng classifier-free guidance (CFG). Para sa expressive o dramatic na delivery, pagsamahin ang mababang cfg setting, gaya ng humigit-kumulang 0.3, sa exaggeration na humigit-kumulang 0.7 o higit pa; maaari ring mapahusay ng pagbabawas ng cfg sa humigit-kumulang 0.3 ang pacing kapag mabilis magsalita ang reference voice. Karaniwang nasa 0.2–1.0 ang mga setting.
high_quality_audioopsyonal
Uriboolean
defaultfalse
Pumili sa pagitan ng 24kHz output gamit ang False at mas mataas na kalidad na audio na ina-upscale sa 48kHz gamit ang True. Pinahahaba ng upscaling ang oras ng pagbuo.
seedopsyonal
Uriinteger
default0
≥ 0
Seed para sa repeatable audio pagbuo: random na pumipili ang 0, habang dapat muling mabuo ng fixed seed ang eksaktong audio file kung hindi nagbabago ang lahat ng ibang property.
temperatureopsyonal
Urinumber
default0.8
0.05 – 5
Randomness ng pagbuo, karaniwang nasa 0.05 hanggang 5.
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": "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"
  }
}
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
anyAudio file na ginawa sa pagbuo.

Higit pang modelo: Text patungong Speech

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