Vai al contenuto

Chatterboxhd · Text to Speech

Integra

ID del modello 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"

File come nell'esempio: 0,011 $ 11 crediti API · ≈ 1,18 ₽ i tuoi file vengono misurati prima dell'esecuzione Esegui in questa pagina

Ottieni la chiave API
Resemble AI Da testo a voce

Text-to-speech espressivo con voci preimpostate, clonazione zero-shot da un campione e audio facoltativo a 48 kHz

Resemble AI · Audio

Il tuo primo risultato apparirà qui

Crea una richiesta qui sotto ed eseguila con la tua chiave API. Gli output vengono copiati nella nostra archiviazione, conservati per sempre oppure 7 giorni gratuitamente.

Crea una richiesta

I controlli vengono generati dallo schema del modello. Il codice e il prezzo si aggiornano mentre li modifichi.

predefinito My name is Maximus De...

Contenuto testuale da convertire in audio parlato.

Avanzate audio · voice · exaggeration · cfg · temperature · seed · high_quality_audio
audio_url
Trascina un file oppure

URL del campione per il voice cloning TTS zero-shot, con priorità sull'impostazione voice. La selezione casuale della voce si applica solo se mancano sia audio_url sia voice.

Seleziona la voce TTS oppure ometti sia voice sia audio per consentire al sistema di sceglierne una casualmente.

predefinito 0.5

Grado di esagerazione emotiva, generalmente compreso tra 0.25 e 2.0.

predefinito 0.5

Intensità del condizionamento impostata tramite classifier-free guidance (CFG). Per una resa espressiva o drammatica, combina un'impostazione cfg bassa, ad esempio circa 0.3, con un'esagerazione di circa 0.7 o superiore; ridurre cfg a circa 0.3 può anche migliorare il ritmo quando la voce di riferimento parla rapidamente. Le impostazioni tipiche vanno da 0.2 a 1.0.

predefinito 0.8

Casualità della generazione, generalmente compresa tra 0.05 e 5.

predefinito 0

Seed per una generazione audio ripetibile: 0 ne seleziona uno casualmente, mentre un seed fisso dovrebbe riprodurre lo stesso file audio se tutte le altre proprietà restano invariate.

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

Esegui questa richiesta

La tua chiave rimane in questo browser: viene inviata solo al Doitong API e salvata in localStorage solo se selezioni Ricorda. Ottieni una chiave API

Informazioni su Chatterboxhd · Text to Speech

Genera parlato da `text` usando una `voice` preimpostata (Aurora, Blade, Britney, Carl, Cliff, Richard, Rico, Siobhan o Vicky) o una voce clonata da `audio_url`, che sostituisce quella preimpostata. `exaggeration` (0.25 to 2) e `cfg` controllano l'emozione, mentre `temperature` e `seed` controllano la variazione. `high_quality_audio` aumenta l'output da 24 kHz a 48 kHz.

Parametri

Invia il nome canonico oppure il nome nativo, non entrambi. Nomi canonici

NomeTipo PredefinitoConsentiti Descrizione
textfacoltativo
Tipostring
PredefinitoMy 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.
Contenuto testuale da convertire in audio parlato.
voicefacoltativo
Tipoenum
AuroraBladeBritneyCarlCliffRichardRicoSiobhanVicky
Seleziona la voce TTS oppure ometti sia voice sia audio per consentire al sistema di sceglierne una casualmente.
audio_urlfacoltativo audio
Tipourl · audio
URL del campione per il voice cloning TTS zero-shot, con priorità sull'impostazione voice. La selezione casuale della voce si applica solo se mancano sia audio_url sia voice.
exaggerationfacoltativo
Tiponumber
Predefinito0.5
0,25 – 2
Grado di esagerazione emotiva, generalmente compreso tra 0.25 e 2.0.
cfgfacoltativo
Tiponumber
Predefinito0.5
0 – 1
Intensità del condizionamento impostata tramite classifier-free guidance (CFG). Per una resa espressiva o drammatica, combina un'impostazione cfg bassa, ad esempio circa 0.3, con un'esagerazione di circa 0.7 o superiore; ridurre cfg a circa 0.3 può anche migliorare il ritmo quando la voce di riferimento parla rapidamente. Le impostazioni tipiche vanno da 0.2 a 1.0.
high_quality_audiofacoltativo
Tipoboolean
Predefinitofalse
Scegli tra output a 24kHz con False e audio di qualità superiore sottoposto a upscaling a 48kHz con True. Abilitare l'upscaling aumenta il tempo di generazione.
seedfacoltativo
Tipointeger
Predefinito0
≥ 0
Seed per una generazione audio ripetibile: 0 ne seleziona uno casualmente, mentre un seed fisso dovrebbe riprodurre lo stesso file audio se tutte le altre proprietà restano invariate.
temperaturefacoltativo
Tiponumber
Predefinito0.8
0,05 – 5
Casualità della generazione, generalmente compresa tra 0.05 e 5.
obbligatorio Nome canonico, accettato anche

I parametri file accettano un URL pubblico https://, un URI data: fino a 10 MB oppure il file_url di un caricamento. 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"
  }
}
I tuoi file, la tua sceltaOgni outputs[].url è una copia nella nostra archiviazione: conservata per sempre (a pagamento per GB-mese) oppure 7 giorni gratuitamente, in base all'impostazione dell'account o a ?storage=.
Stessa struttura per ogni modellotype, url, content_type, width, height e duration, per immagini, video e audio. output è l'oggetto risultato del modello.
Campi dell'output
audio
anyFile audio prodotto dalla generazione.

Altri modelli: Da testo a voce

Per gli agenti AI: questa pagina in Markdown è disponibile all'indirizzo https://doitong.com/it/developers/models/resemble-ai/chatterboxhd/text-to-speech.md. Tutti i modelli e le guide: https://doitong.com/developers/llms.txt