Aqbeż għall-kontenut

Chatterboxhd · Text to Speech

Integra

Id tal-mudell 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"

Fajls bħall-eżempju: $0.011 11 krediti tal-API · ≈ ₽1.18 il-fajls tiegħek jitkejlu qabel it-tħaddim Ħaddmu f’din il-paġna

Ikseb ċavetta API
Resemble AI Test għal diskors

Text-to-speech espressiv b'vuċijiet issettjati minn qabel, klonazzjoni zero-shot minn kampjun u awdjo fakultattiv ta' 48 kHz

Resemble AI · 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.

prestabbilit My name is Maximus De...

Kontenut testwali li għandu jiġi kkonvertit f’awdjo mitkellem.

Avvanzat audio · voice · exaggeration · cfg · temperature · seed · high_quality_audio
audio_url
Waqqa’ fajl, jew

URL ta’ kampjun għall-cloning tal-vuċi għal TTS zero-shot, bi prijorità fuq l-issettjar voice. L-għażla każwali tal-vuċi tapplika biss jekk kemm audio_url kif ukoll voice ikunu assenti.

Agħżel il-vuċi TTS, jew ħalli barra kemm voice kif ukoll awdjo biex is-sistema tagħżel waħda b’mod każwali.

prestabbilit 0.5

Grad ta’ esaġerazzjoni emozzjonali, tipikament minn 0.25 sa 2.0.

prestabbilit 0.5

Saħħa tal-kondizzjonament issettjata permezz ta’ classifier-free guidance (CFG). Għal twassil espressiv jew drammatiku, għaqqad issettjar cfg baxx, bħal madwar 0.3, ma’ esaġerazzjoni ta’ madwar 0.7 jew aktar; it-tnaqqis ta’ cfg għal madwar 0.3 jista’ jtejjeb ukoll ir-ritmu meta l-vuċi ta’ referenza titkellem malajr. Is-settings tipiċi jvarjaw minn 0.2–1.0.

prestabbilit 0.8

Każwalità tal-ġenerazzjoni, tipikament minn 0.05 sa 5.

prestabbilit 0

Seed għal ġenerazzjoni ripetibbli tal-awdjo: 0 jagħżel wieħed b’mod każwali, filwaqt li seed fiss għandu jirriproduċi eżattament l-istess fajl awdjo jekk kull proprjetà oħra tibqa’ l-istess.

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

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 Chatterboxhd · Text to Speech

Jiġġenera diskors minn `text` billi juża `voice` issettjata minn qabel (Aurora, Blade, Britney, Carl, Cliff, Richard, Rico, Siobhan jew Vicky) jew vuċi kklonata minn `audio_url`, li tissostitwixxi l-issettjar minn qabel. `exaggeration` (0.25 sa 2) u `cfg` jikkontrollaw l-emozzjoni, u `temperature` u `seed` jikkontrollaw il-varjazzjoni. `high_quality_audio` iżid l-output minn 24 kHz għal 48 kHz.

Parametri

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

IsemTip PrestabbilitPermess Deskrizzjoni
textmhux obbligatorju
Tipstring
PrestabbilitMy 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.
Kontenut testwali li għandu jiġi kkonvertit f’awdjo mitkellem.
voicemhux obbligatorju
Tipenum
AuroraBladeBritneyCarlCliffRichardRicoSiobhanVicky
Agħżel il-vuċi TTS, jew ħalli barra kemm voice kif ukoll awdjo biex is-sistema tagħżel waħda b’mod każwali.
audio_urlmhux obbligatorju audio
Tipurl · audio
URL ta’ kampjun għall-cloning tal-vuċi għal TTS zero-shot, bi prijorità fuq l-issettjar voice. L-għażla każwali tal-vuċi tapplika biss jekk kemm audio_url kif ukoll voice ikunu assenti.
exaggerationmhux obbligatorju
Tipnumber
Prestabbilit0.5
0.25 – 2
Grad ta’ esaġerazzjoni emozzjonali, tipikament minn 0.25 sa 2.0.
cfgmhux obbligatorju
Tipnumber
Prestabbilit0.5
0 – 1
Saħħa tal-kondizzjonament issettjata permezz ta’ classifier-free guidance (CFG). Għal twassil espressiv jew drammatiku, għaqqad issettjar cfg baxx, bħal madwar 0.3, ma’ esaġerazzjoni ta’ madwar 0.7 jew aktar; it-tnaqqis ta’ cfg għal madwar 0.3 jista’ jtejjeb ukoll ir-ritmu meta l-vuċi ta’ referenza titkellem malajr. Is-settings tipiċi jvarjaw minn 0.2–1.0.
high_quality_audiomhux obbligatorju
Tipboolean
Prestabbilitfalse
Agħżel bejn output ta’ 24kHz b’False u awdjo ta’ kwalità ogħla skalat għal 48kHz b’True. L-attivazzjoni tat-tkabbir iżżid il-ħin tal-ġenerazzjoni.
seedmhux obbligatorju
Tipinteger
Prestabbilit0
≥ 0
Seed għal ġenerazzjoni ripetibbli tal-awdjo: 0 jagħżel wieħed b’mod każwali, filwaqt li seed fiss għandu jirriproduċi eżattament l-istess fajl awdjo jekk kull proprjetà oħra tibqa’ l-istess.
temperaturemhux obbligatorju
Tipnumber
Prestabbilit0.8
0.05 – 5
Każwalità tal-ġenerazzjoni, tipikament minn 0.05 sa 5.
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": "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"
  }
}
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
anyFajl awdjo prodott mill-ġenerazzjoni.

Aktar mudelli: Test għal diskors

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