Léim chuig an ábhar

Tada TTS 1B

Comhtháthú

Aitheantas na samhla tada/1b/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/tada/1b/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"

An t-iarratas seo: $0.003 3 chreidmheas API · ≈ ₽0.32 Rith ar an leathanach seo

Faigh eochair API
Open model Téacs go Urlabhra

Téacs-go-hurlabhra le clónú gutha ó ghearrthóg fuaime thagartha, leagan 1B le deich dteanga

Open model · Fuaim

Beidh do chéad toradh anseo

Tóg iarratas thíos agus rith é le d’eochair API. Cóipeáiltear na haschuir chuig ár stóráil, coinnithe go deo nó ar feadh 7 lá saor in aisce.

Tóg iarratas

Gintear na rialtáin ó scéim na samhla. Nuashonraítear an cód agus an praghas de réir mar a athraíonn tú iad.

•riachtanach

Ábhar cainte a sholáthraítear mar théacs; soláthraíonn an cainteoir tagartha an guth a úsáidtear lena rindreáil.

•riachtanach audio_url
Scaoil comhad, nó

Foinse chlónála gutha a sholáthraítear mar URL comhaid fuaime, ag aithint an chainteora a bhfuil a shaintréithe gutha le hatáirgeadh ag an tsamhail.

Ardleibhéal output_format · transcript · language · num_extra_steps · temperature · top_p · repetition_penalty · acoustic_cfg_scale · noise_temperature · num_inference_steps · speed_up_factor · enable_safety_checker
output_format réamhshocrú wav

Formáid comhaid don fhuaim ginte.

réamhshocrú

Tras-scríbhinn fuaime tagartha nach mór a sholáthar do thaifeadtaí i dteangacha seachas Béarla; tá tras-scríobh uathoibríoch ionsuite do Bhéarla amháin.

réamhshocrú en

Cód teanga ailínithe téacs, nach mór dó freagairt don teanga shintéise nuair a ghintear caint i dteanga seachas Béarla.

réamhshocrú 0

Líon breise céimeanna uath-aischéimnitheacha chun prosóid nó ciúnas deiridh a chur leis trí leanúint den chaint thar an téacs soláthraithe.

réamhshocrú 0.6

Teocht samplála tócan téacs: cuireann méadú air éagsúlacht leis an aschur, agus ní cheadaítear 0 ná luach níos ísle.

réamhshocrú 0.9

Socrú samplála Top-p (núicléas) a úsáidtear chun téacs a ghiniúint.

réamhshocrú 1.1

Pionós as athrá tócan agus aschur á ghiniúint.

réamhshocrú 1.6

Neart treorach saor ó aicmitheoir a úsáidtear chun gnéithe fuaimiúla a ghiniúint.

réamhshocrú 0.9

Teocht torainn a úsáidtear le linn idirleata meaitseála sreafa.

réamhshocrú 20

Líon céimeanna an réiteora ODE a úsáidtear chun fuaimíocht a ghiniúint trí mheaitseáil sreafa.

réamhshocrú 1

Iolraitheoir luais cainte: bíonn an chaint ginte níos moille faoi bhun 1.0 agus níos tapúla os cionn 1.0.

POST /run/tada/1b/text-to-speech?wait=20 luachan → $0.003
# 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/tada/1b/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"

Rith an t-iarratas seo

Fanann d'eochair sa bhrabhsálaí seo: seoltar chuig Doitong API amháin í agus sábháiltear (localStorage) í ach amháin má chuireann tú tic le Meabhraigh. Faigh eochair API

Maidir le Tada TTS 1B

Labhraíonn sé téacs `prompt` i nguth gearrthóg thagartha a thugtar mar `audio_url`. Teastaíonn `transcript` den tagairt le haghaidh fuaime nach Béarla í. Tacaíonn `language` le en, ar, ch, de, es, fr, it, ja, pl agus pt. Áirítear ar na socruithe `speed_up_factor` (0.5 go 2), `temperature`, `top_p` agus `num_inference_steps`; is wav nó mp3 an t-aschur.

Paraiméadair

Seol an t-ainm canónach nó an t-ainm dúchasach, ní an dá cheann. Ainmneacha canónacha

AinmCineál RéamhshocrúCeadaithe Cur síos
audio_urlriachtanach audio
Cineálurl · audio
Foinse chlónála gutha a sholáthraítear mar URL comhaid fuaime, ag aithint an chainteora a bhfuil a shaintréithe gutha le hatáirgeadh ag an tsamhail.
transcriptroghnach
Cineálstring
Réamhshocrú
Tras-scríbhinn fuaime tagartha nach mór a sholáthar do thaifeadtaí i dteangacha seachas Béarla; tá tras-scríobh uathoibríoch ionsuite do Bhéarla amháin.
promptriachtanach
Cineálstring
Ábhar cainte a sholáthraítear mar théacs; soláthraíonn an cainteoir tagartha an guth a úsáidtear lena rindreáil.
languageroghnach
Cineálenum
Réamhshocrúen
enarchdeesfritjaplpt
Cód teanga ailínithe téacs, nach mór dó freagairt don teanga shintéise nuair a ghintear caint i dteanga seachas Béarla.
num_extra_stepsroghnach
Cineálinteger
Réamhshocrú0
0 – 50
Líon breise céimeanna uath-aischéimnitheacha chun prosóid nó ciúnas deiridh a chur leis trí leanúint den chaint thar an téacs soláthraithe.
temperatureroghnach
Cineálnumber
Réamhshocrú0.6
≤ 2> 0
Teocht samplála tócan téacs: cuireann méadú air éagsúlacht leis an aschur, agus ní cheadaítear 0 ná luach níos ísle.
top_proghnach
Cineálnumber
Réamhshocrú0.9
0 – 1
Socrú samplála Top-p (núicléas) a úsáidtear chun téacs a ghiniúint.
repetition_penaltyroghnach
Cineálnumber
Réamhshocrú1.1
1 – 2
Pionós as athrá tócan agus aschur á ghiniúint.
acoustic_cfg_scaleroghnach
Cineálnumber
Réamhshocrú1.6
0 – 10
Neart treorach saor ó aicmitheoir a úsáidtear chun gnéithe fuaimiúla a ghiniúint.
noise_temperatureroghnach
Cineálnumber
Réamhshocrú0.9
0 – 2
Teocht torainn a úsáidtear le linn idirleata meaitseála sreafa.
num_inference_stepsroghnach
Cineálinteger
Réamhshocrú20
1 – 50
Líon céimeanna an réiteora ODE a úsáidtear chun fuaimíocht a ghiniúint trí mheaitseáil sreafa.
speed_up_factorroghnach
Cineálnumber
Réamhshocrú1
0.5 – 2
Iolraitheoir luais cainte: bíonn an chaint ginte níos moille faoi bhun 1.0 agus níos tapúla os cionn 1.0.
output_formatroghnach
Cineálenum
Réamhshocrúwav
wavmp3
Formáid comhaid don fhuaim ginte.
enable_safety_checkerroghnach
Cineálboolean
Réamhshocrútrue
Is féidir an scagadh a mhaolú trí false a shocrú, ar choinníoll go bhfuil údarú ag an nglaoiteoir.
riachtanach Ainm canónach, glactar leis freisin

Glacann paraiméadair chomhaid le URL poiblí https://, URI data: suas le 10 MB, nó file_url uaslódála. Comhaid

Aschur

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "tada/1b/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": 3,
    "usd": "0.003",
    "charged": 3,
    "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,
      "duration": 5,
      "channels": 1,
      "sample_rate": 1,
      "bitrate": "string"
    }
  },
  "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"
  }
}
Do chuid comhad, do roghaIs cóip ar ár stóráil é gach outputs[].url: coinnithe go deo (íoctha in aghaidh GB-mhí) nó ar feadh 7 lá saor in aisce, de réir shocrú do chuntais nó ?storage=.
An cruth céanna ar gach samhailtype, url, content_type, width, height agus duration, d'íomhánna, d'fhíseáin agus d'fhuaim araon. Is é output réad toraidh na samhla féin.
Réimsí aschuir
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Comhad fuaime ina bhfuil an urlabhra shintéisithe.

Tuilleadh samhlacha: Téacs go Urlabhra

Do ghníomhairí AI: tá an leathanach seo mar Markdown ag https://doitong.com/ga/developers/models/tada/1b/text-to-speech.md. Gach samhail agus treoir: https://doitong.com/developers/llms.txt