Ugrás a tartalomhoz

Tada

Integráció

Modellazonosító tada/3b/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/3b/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"

Ez a kérés: 0,004 $ 4 API-jóváírás · ≈ 0,43 ₽ Futtatás ezen az oldalon

API-kulcs beszerzése
Open model Szövegből beszéd

Hangklónozó szövegfelolvasás, amely a szöveget egy referencia-klip hangján mondja el, 10 nyelvi kóddal

Open model · Hang

Az első eredményed itt jelenik meg

Állíts össze egy kérést alább, majd futtasd az API-kulcsoddal. A kimeneteket a tárhelyünkre másoljuk, és örökre vagy 7 nap ideig ingyenesen őrizzük meg.

Kérés összeállítása

A vezérlők a modell sémájából jönnek létre. A kód és az ár a módosításokkal együtt frissül.

•kötelező

Szövegként megadott beszédtartalom; a referencia-beszélő biztosítja a rendereléshez használt hangot.

•kötelező audio_url
Húzz egy fájlt ide, vagy

Hangfájl-URL-ként megadott hangklónozási forrás, amely azonosítja a beszélőt, akinek hangjellemzőit a modell reprodukálja.

Speciális 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 alapértelmezett: wav

A generált hang fájlformátuma.

alapértelmezett:

A referenciahang átirata, amelyet az angoltól eltérő nyelvű felvételeknél kötelező megadni; automatikus átírás csak angol nyelven beépített.

alapértelmezett: en

Szövegillesztési nyelvkód, amelynek meg kell egyeznie a szintézis nyelvével, ha a beszéd nem angol nyelven készül.

alapértelmezett: 0

Az autoregresszív lépések további száma a záró prozódia vagy csend hozzáadásához, a beszédnek a megadott szövegen túli folytatásával.

alapértelmezett: 0.6

A szövegtokenek mintavételi hőmérséklete: növelése változatosabb kimenetet eredményez, 0 vagy annál kisebb érték nem engedélyezett.

alapértelmezett: 0.9

A szöveg generálásához használt Top-p (nucleus) mintavételi beállítás.

alapértelmezett: 1.1

A tokenismétlés büntetése a kimenet generálása közben.

alapértelmezett: 1.6

Az akusztikai jellemzők generálásához használt osztályozómentes útmutatási erősség.

alapértelmezett: 0.9

Az áramlásillesztéses diffúzió során használt zajhőmérséklet.

alapértelmezett: 20

Az akusztika áramlásillesztéssel történő generálásához használt ODE-megoldó lépésszáma.

alapértelmezett: 1

Beszédsebesség-szorzó: 1.0 alatt a generált beszéd lassabb, 1.0 felett gyorsabb lesz.

POST /run/tada/3b/text-to-speech?wait=20 ár → 0,004 $
# 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/3b/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"

Kérés futtatása

A kulcsod ebben a böngészőben marad: csak a Doitong API-nak küldjük el, és csak akkor mentjük a localStorage-ba, ha bejelölöd az Emlékezz rám lehetőséget. API-kulcs igénylése

A(z) Tada bemutatása

Referencia-klipből (`audio_url`) klónozza a beszélőt, majd ezen a hangon olvassa fel a `prompt` szöveget. A `language` értéke lehet en, ar, ch, de, es, fr, it, ja, pl vagy pt. Nem angol nyelvű referenciánál add meg a `transcript` értékét, mert a beépített felismerés csak angolul működik. A sebesség 0.5 és 2 között skálázható, a kimenet pedig wav vagy mp3.

Paraméterek

Küldd el a kanonikus nevet vagy a natív nevet, de ne mindkettőt. Kanonikus nevek

NévTípus AlapértelmezettEngedélyezett Leírás
audio_urlkötelező audio
Típusurl · audio
Hangfájl-URL-ként megadott hangklónozási forrás, amely azonosítja a beszélőt, akinek hangjellemzőit a modell reprodukálja.
transcriptnem kötelező
Típusstring
Alapértelmezett
A referenciahang átirata, amelyet az angoltól eltérő nyelvű felvételeknél kötelező megadni; automatikus átírás csak angol nyelven beépített.
promptkötelező
Típusstring
Szövegként megadott beszédtartalom; a referencia-beszélő biztosítja a rendereléshez használt hangot.
languagenem kötelező
Típusenum
Alapértelmezetten
enarchdeesfritjaplpt
Szövegillesztési nyelvkód, amelynek meg kell egyeznie a szintézis nyelvével, ha a beszéd nem angol nyelven készül.
num_extra_stepsnem kötelező
Típusinteger
Alapértelmezett0
0 – 50
Az autoregresszív lépések további száma a záró prozódia vagy csend hozzáadásához, a beszédnek a megadott szövegen túli folytatásával.
temperaturenem kötelező
Típusnumber
Alapértelmezett0.6
≤ 2> 0
A szövegtokenek mintavételi hőmérséklete: növelése változatosabb kimenetet eredményez, 0 vagy annál kisebb érték nem engedélyezett.
top_pnem kötelező
Típusnumber
Alapértelmezett0.9
0 – 1
A szöveg generálásához használt Top-p (nucleus) mintavételi beállítás.
repetition_penaltynem kötelező
Típusnumber
Alapértelmezett1.1
1 – 2
A tokenismétlés büntetése a kimenet generálása közben.
acoustic_cfg_scalenem kötelező
Típusnumber
Alapértelmezett1.6
0 – 10
Az akusztikai jellemzők generálásához használt osztályozómentes útmutatási erősség.
noise_temperaturenem kötelező
Típusnumber
Alapértelmezett0.9
0 – 2
Az áramlásillesztéses diffúzió során használt zajhőmérséklet.
num_inference_stepsnem kötelező
Típusinteger
Alapértelmezett20
1 – 50
Az akusztika áramlásillesztéssel történő generálásához használt ODE-megoldó lépésszáma.
speed_up_factornem kötelező
Típusnumber
Alapértelmezett1
0,5 – 2
Beszédsebesség-szorzó: 1.0 alatt a generált beszéd lassabb, 1.0 felett gyorsabb lesz.
output_formatnem kötelező
Típusenum
Alapértelmezettwav
wavmp3
A generált hang fájlformátuma.
enable_safety_checkernem kötelező
Típusboolean
Alapértelmezetttrue
A szűrés a false érték beállításával enyhíthető, ha a hívó jogosult erre.
kötelező Kanonikus név, szintén elfogadva

A fájlparaméterek nyilvános https:// URL-t, legfeljebb 10 MB-os data: URI-t vagy egy feltöltés file_url értékét fogadják el. Fájlok

Kimenet

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "tada/3b/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": 4,
    "usd": "0.004",
    "charged": 4,
    "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"
  }
}
Az Ön fájljai, az Ön döntéseMinden outputs[].url a tárhelyünkön lévő másolat: örökre megőrizve (GB-hónaponként fizetve) vagy 7 nap ideig ingyenesen, a fiókbeállításod vagy a ?storage= alapján.
Azonos struktúra minden modellentype, url, content_type, width, height és duration képekhez, videókhoz és hanganyagokhoz egyaránt. Az output a modell saját eredményobjektuma.
A kimenet mezői
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}A szintetizált beszédet tartalmazó hangfájl.

További modellek: Szövegből beszéd

AI-ügynököknek: ez az oldal Markdown formátumban itt található: https://doitong.com/hu/developers/models/tada/3b/text-to-speech.md. Minden modell és útmutató: https://doitong.com/developers/llms.txt