Passer au contenu

Chatterboxhd · Text to Speech

Intégrer

Identifiant du modèle 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"

Fichiers comme dans l’exemple: 0,011 $ 11 crédits API · ≈ 1,18 ₽ vos fichiers sont mesurés avant l’exécution L’exécuter sur cette page

Obtenir une clé API
Resemble AI Texte vers parole

Synthèse vocale expressive avec voix prédéfinies, clonage zero-shot à partir d'un échantillon et audio facultatif à 48 kHz

Resemble AI · audio

Votre premier résultat apparaîtra ici

Construisez une requête ci-dessous et exécutez-la avec votre clé API. Les sorties sont copiées dans notre stockage, conservées indéfiniment ou 7 jours gratuitement.

Créer une requête

Les contrôles sont générés à partir du schéma du modèle. Le code et le prix se mettent à jour lorsque vous les modifiez.

par défaut My name is Maximus De...

Contenu textuel à convertir en audio parlé.

Avancé audio · voice · exaggeration · cfg · temperature · seed · high_quality_audio
audio_url
Déposez un fichier, ou

URL d’un échantillon pour le clonage vocal TTS zero-shot, prioritaire sur le paramètre voice. La sélection aléatoire d’une voix s’applique uniquement si audio_url et voice sont absents.

Sélectionnez la voix TTS, ou omettez voice et audio pour laisser le système en choisir une aléatoirement.

par défaut 0.5

Degré d’exagération émotionnelle, généralement compris entre 0.25 et 2.0.

par défaut 0.5

Intensité du conditionnement définie par le guidage sans classifieur (CFG). Pour une interprétation expressive ou dramatique, combinez un paramètre cfg faible, par exemple environ 0.3, avec une exagération d’environ 0.7 ou plus ; réduire cfg à environ 0.3 peut également améliorer le rythme lorsque la voix de référence parle rapidement. Les paramètres habituels vont de 0.2 à 1.0.

par défaut 0.8

Aléatoire de la génération, généralement compris entre 0.05 et 5.

par défaut 0

Graine pour une génération audio reproductible : 0 en sélectionne une aléatoirement, tandis qu’une graine fixe doit reproduire exactement le fichier audio si toutes les autres propriétés restent inchangées.

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

Exécuter cette requête

Votre clé reste dans ce navigateur : elle est envoyée uniquement à la Doitong API et enregistrée dans localStorage uniquement si vous cochez Mémoriser. Obtenir une clé API

À propos de Chatterboxhd · Text to Speech

Génère de la parole à partir de `text` avec une `voice` prédéfinie (Aurora, Blade, Britney, Carl, Cliff, Richard, Rico, Siobhan ou Vicky) ou une voix clonée depuis `audio_url`, qui remplace la voix prédéfinie. `exaggeration` (0.25 à 2) et `cfg` contrôlent l'émotion, tandis que `temperature` et `seed` contrôlent la variation. `high_quality_audio` augmente le résultat de 24 kHz à 48 kHz.

Paramètres

Envoyez soit le nom canonique, soit le nom natif, mais pas les deux. Noms canoniques

NomType Par défautAutorisé Description
textfacultatif
Typestring
Par défautMy 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.
Contenu textuel à convertir en audio parlé.
voicefacultatif
Typeenum
AuroraBladeBritneyCarlCliffRichardRicoSiobhanVicky
Sélectionnez la voix TTS, ou omettez voice et audio pour laisser le système en choisir une aléatoirement.
audio_urlfacultatif audio
Typeurl · audio
URL d’un échantillon pour le clonage vocal TTS zero-shot, prioritaire sur le paramètre voice. La sélection aléatoire d’une voix s’applique uniquement si audio_url et voice sont absents.
exaggerationfacultatif
Typenumber
Par défaut0.5
0,25 – 2
Degré d’exagération émotionnelle, généralement compris entre 0.25 et 2.0.
cfgfacultatif
Typenumber
Par défaut0.5
0 – 1
Intensité du conditionnement définie par le guidage sans classifieur (CFG). Pour une interprétation expressive ou dramatique, combinez un paramètre cfg faible, par exemple environ 0.3, avec une exagération d’environ 0.7 ou plus ; réduire cfg à environ 0.3 peut également améliorer le rythme lorsque la voix de référence parle rapidement. Les paramètres habituels vont de 0.2 à 1.0.
high_quality_audiofacultatif
Typeboolean
Par défautfalse
Choisissez une sortie 24kHz avec False ou un audio de meilleure qualité suréchantillonné à 48kHz avec True. L’activation de l’upsampling augmente le temps de génération.
seedfacultatif
Typeinteger
Par défaut0
≥ 0
Graine pour une génération audio reproductible : 0 en sélectionne une aléatoirement, tandis qu’une graine fixe doit reproduire exactement le fichier audio si toutes les autres propriétés restent inchangées.
temperaturefacultatif
Typenumber
Par défaut0.8
0,05 – 5
Aléatoire de la génération, généralement compris entre 0.05 et 5.
requis Nom canonique, également accepté

Les paramètres de fichier acceptent une URL publique https://, un URI data: jusqu’à 10 MB ou le file_url d’un téléversement. Fichiers

Sortie

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"
  }
}
Vos fichiers, votre choixChaque outputs[].url est une copie dans notre stockage : conservée indéfiniment (facturation au Go-mois) ou 7 jours gratuitement, selon le réglage de votre compte ou ?storage=.
Même structure pour chaque modèletype, url, content_type, width, height et duration, pour les images, vidéos et fichiers audio. output est le propre objet de résultat du modèle.
Champs de sortie
audio
anyFichier audio produit par la génération.

Plus de modèles : Texte vers parole

Pour les agents IA : cette page au format Markdown est disponible à https://doitong.com/fr/developers/models/resemble-ai/chatterboxhd/text-to-speech.md. Tous les modèles et guides : https://doitong.com/developers/llms.txt