Aqbeż għall-kontenut

Index TTS 2.0

Integra

Id tal-mudell index-tts-2/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/index-tts-2/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"

Sa $0.06 għal kull eżekuzzjoni titħallas skont l-użu attwali, il-bqija tiġi rifuża Ħaddmu f’din il-paġna

Ikseb ċavetta API
bilibili Test għal diskors #text-to-speech

Sinteżi tad-diskors minn klipp tal-vuċi ta’ referenza u test, b’kontroll tal-emozzjoni permezz tal-awdjo, prompt jew saħħiet għal kull emozzjoni

bilibili · Awdjo

L-ewwel riżultat tiegħek jidher hawn

Ibni talba hawn taħt u ħaddimha biċ-ċavetta API tiegħek. L-outputs jiġu kkupjati fil-ħażna tagħna, miżmuma għal dejjem jew 7 ijiem b’xejn.

Ibni talba

Il-kontrolli jiġu ġġenerati mill-iskema tal-mudell. Il-kodiċi u l-prezz jaġġornaw hekk kif tibdilhom.

•meħtieġ

Prompt għad-diskors li għandu jiġi ġġenerat.

•meħtieġ audio_url
Waqqa’ fajl, jew

Fajl awdjo tas-sors użat biex jiġi ġġenerat id-diskors.

Avvanzat emotion_prompt · emotional_audio_url · strength · should_use_prompt_for_emotion · enable_safety_checker · emotional_strengths

Istruzzjonijiet tal-istil emozzjonali li jeħtieġu wkoll l-użu ta’ `should_use_prompt_for_emotion`.

Waqqa’ fajl, jew

Fajl awdjo ta’ referenza użat biex jiġi estratt l-istil emozzjonali.

prestabbilit 1

L-influwenza emozzjonali applikata waqt it-trasferiment tal-istil tiżdied b’dan is-setting tal-qawwa.

Valuri tal-intensità għal kull emozzjoni għal aġġustament dettaljat.

POST /run/index-tts-2/text-to-speech?wait=20 kwotazzjoni → $0.06
# 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/index-tts-2/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"

Ħaddem din it-talba

Iċ-ċavetta tiegħek tibqa’ f’dan il-browser: tintbagħat biss lid-Doitong API u tiġi ssejvjata (localStorage) biss jekk timmarka Ftakar. Ikseb ċavetta API

Dwar Index TTS 2.0

Jiġġenera diskors għat-test f’`prompt`, billi juża l-vuċi mill-klipp ta’ referenza mogħti f’`audio_url`. L-istil emozzjonali jista’ jittieħed minn klipp ieħor b’`emotional_audio_url`, jiġi skalat b’`strength` (0 sa 1), jew jiġi ssettjat permezz ta’ `emotional_strengths`. Inkella, attiva `should_use_prompt_for_emotion`, b’mod fakultattiv flimkien ma’ `emotion_prompt` separat. L-awdjo jiġi lura bħala oġġett base64.

Parametri

Ibgħat jew l-isem kanoniku jew l-isem nattiv, mhux it-tnejn. Ismijiet kanoniċi

IsemTip PrestabbilitPermess Deskrizzjoni
audio_urlmeħtieġ audio
Tipurl · audio
Fajl awdjo tas-sors użat biex jiġi ġġenerat id-diskors.
promptmeħtieġ
Tipstring
Prompt għad-diskors li għandu jiġi ġġenerat.
emotional_audio_urlmhux obbligatorju
Tipurl · audio
Fajl awdjo ta’ referenza użat biex jiġi estratt l-istil emozzjonali.
strengthmhux obbligatorju
Tipnumber
Prestabbilit1
0 – 1
L-influwenza emozzjonali applikata waqt it-trasferiment tal-istil tiżdied b’dan is-setting tal-qawwa.
emotional_strengthsmhux obbligatorju
Tipobject
Valuri tal-intensità għal kull emozzjoni għal aġġustament dettaljat.
emotional_strengths.happymhux obbligatorju
Tipnumber
Prestabbilit0
0 – 1
Intensità tal-emozzjoni tal-ferħ.
emotional_strengths.angrymhux obbligatorju
Tipnumber
Prestabbilit0
0 – 1
Intensità tar-rabja.
emotional_strengths.sadmhux obbligatorju
Tipnumber
Prestabbilit0
0 – 1
Intensità tad-dwejjaq.
emotional_strengths.afraidmhux obbligatorju
Tipnumber
Prestabbilit0
0 – 1
Intensità tal-biża’.
emotional_strengths.disgustedmhux obbligatorju
Tipnumber
Prestabbilit0
0 – 1
Intensità tad-disgust.
emotional_strengths.melancholicmhux obbligatorju
Tipnumber
Prestabbilit0
0 – 1
Intensità tal-malinkonija.
emotional_strengths.surprisedmhux obbligatorju
Tipnumber
Prestabbilit0
0 – 1
Intensità tas-sorpriża.
emotional_strengths.calmmhux obbligatorju
Tipnumber
Prestabbilit0
0 – 1
Intensità tal-kalma.
should_use_prompt_for_emotionmhux obbligatorju
Tipboolean | null
Prestabbilitfalse
Il-kalkolu tal-emozzjoni bbażat fuq prompt jieħu post `emotional_strengths` espliċitu meta jkun attivat. L-istil emozzjonali jiġi minn `emotion_prompt` jekk jingħata, inkella minn `prompt`.
emotion_promptmhux obbligatorju
Tipstring | null
Istruzzjonijiet tal-istil emozzjonali li jeħtieġu wkoll l-użu ta’ `should_use_prompt_for_emotion`.
enable_safety_checkermhux obbligatorju
Tipboolean
Prestabbilittrue
L-iskrinjar jista’ jiġi rilassat billi jiġi ssettjat għal false, sakemm min jagħmel it-talba jkun awtorizzat.
meħtieġ Isem kanoniku, aċċettat ukoll

Il-parametri tal-fajls jaċċettaw URL pubbliku https://, URI data: sa 10 MB, jew file_url ta’ upload. Fajls

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "index-tts-2/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": 60,
    "usd": "0.06",
    "charged": 60,
    "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
    }
  },
  "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"
  }
}
Il-fajls tiegħek, l-għażla tiegħekKull outputs[].url huwa kopja fil-ħażna tagħna: miżmuma għal dejjem (imħallsa għal kull GB-xahar) jew 7 ijiem b’xejn, skont l-issettjar tal-kont tiegħek jew ?storage=.
L-istess struttura fuq kull mudelltype, url, content_type, width, height u duration, kemm għall-immaġnijiet kif ukoll għall-vidjo u l-awdjo. output huwa l-oġġett tar-riżultat tal-mudell innifsu.
Oqsma tal-output
audio
object {url, content_type, file_name, file_size}Awdjo ġġenerat kodifikat f’format base64.

Għall-aġenti tal-AI: din il-paġna bħala Markdown tinsab fuq https://doitong.com/mt/developers/models/index-tts-2/text-to-speech.md. Il-mudelli u l-gwidi kollha: https://doitong.com/developers/llms.txt