အကြောင်းအရာသို့ ကျော်ရန်

Chatterboxhd · Text to Speech

ပေါင်းစည်းရန်

မော်ဒယ် id 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"

နမူနာကဲ့သို့ ဖိုင်များ: ၀.၀၁၁ $ ၁၁ API ခရက်ဒစ် · ≈ ၁.၁၈ ₽ လုပ်ဆောင်မီ သင့်ဖိုင်များကို တိုင်းတာသည် ဤစာမျက်နှာတွင် လုပ်ဆောင်ရန်

API ကီး ရယူရန်

ကြိုတင်သတ်မှတ်ထားသော အသံများ၊ နမူနာမှ zero-shot အသံပုံတူဖန်တီးမှုနှင့် ရွေးချယ်နိုင်သော 48 kHz အသံပါဝင်သည့် ဖော်ပြမှုအားကောင်းသော စာသားမှအသံ ဖန်တီးမှု

Resemble AI · အသံ

သင့်ပထမဆုံးရလဒ် ဤနေရာတွင် ပေါ်လာမည်

အောက်တွင် တောင်းဆိုချက်တစ်ခု တည်ဆောက်ပြီး သင့် API ကီးဖြင့် လုပ်ဆောင်ပါ။ ထွက်ရလဒ်များကို ကျွန်ုပ်တို့၏ သိုလှောင်မှုသို့ ကူးယူပြီး အမြဲတမ်း သို့မဟုတ် ၇ ရက် အခမဲ့ သိမ်းထားသည်။

တောင်းဆိုမှုတစ်ခု တည်ဆောက်ရန်

ထိန်းချုပ်မှုများကို မော်ဒယ် schema မှ အလိုအလျောက်ဖန်တီးသည်။ ၎င်းတို့ကို ပြောင်းလဲသည်နှင့် code နှင့် စျေးနှုန်းတို့လည်း ပြောင်းလဲမည်။

မူလ My name is Maximus De...

ပြောဆိုသည့်အသံအဖြစ် ပြောင်းလဲရန် စာသားအကြောင်းအရာ။

အဆင့်မြင့် audio · voice · exaggeration · cfg · temperature · seed · high_quality_audio
audio_url
ဖိုင်ကို ဆွဲချပါ၊ သို့မဟုတ်

Zero-shot TTS အတွက် အသံတုပြုလုပ်ရန် နမူနာ URL ဖြစ်ပြီး voice ဆက်တင်ထက် ဦးစားပေးသည်။ audio_url နှင့် voice နှစ်ခုလုံးမရှိမှသာ ကျပန်းအသံရွေးချယ်မှုကို အသုံးပြုသည်။

TTS အသံကို ရွေးချယ်ပါ၊ သို့မဟုတ် စနစ်က ကျပန်းရွေးချယ်စေရန် voice နှင့် အသံ နှစ်ခုလုံးကို ချန်လှပ်ထားပါ။

မူလ 0.5

စိတ်ခံစားချက်ချဲ့ကားမှုအဆင့်၊ ပုံမှန်အားဖြင့် 0.25 မှ 2.0 အထိ။

မူလ 0.5

Classifier-free guidance (CFG) မှတစ်ဆင့် သတ်မှတ်သည့် conditioning အား။ ဖော်ပြမှုအားကောင်းသော သို့မဟုတ် ဒရာမာဆန်သော ပြောဆိုပုံအတွက် 0.3 ခန့်ရှိသော cfg ဆက်တင်နိမ့်နှင့် 0.7 ခန့် သို့မဟုတ် ထို့ထက်ပိုသော ချဲ့ကားမှုကို တွဲဖက်အသုံးပြုပါ။ cfg ကို 0.3 ခန့်အထိ လျှော့ခြင်းသည် ရည်ညွှန်းအသံမြန်မြန်ပြောသည့်အခါ အချိန်အပိုင်းအခြားကိုလည်း ပိုကောင်းစေနိုင်သည်။ ပုံမှန်ဆက်တင်များမှာ 0.2–1.0 အတွင်းဖြစ်သည်။

မူလ 0.8

ဖန်တီးမှု၏ ကျပန်းဖြစ်မှု၊ ပုံမှန်အားဖြင့် 0.05 မှ 5 အထိ။

မူလ 0

ထပ်တလဲလဲရရှိနိုင်သော အသံဖန်တီးမှုအတွက် seed။ 0 သည် ကျပန်းတစ်ခုရွေးသည်။ အခြားဂုဏ်သတ္တိအားလုံး မပြောင်းလဲပါက သတ်မှတ်ထားသော seed သည် တူညီသည့်အသံဖိုင်ကို ပြန်လည်ထုတ်လုပ်ပေးရမည်။

POST /run/resemble-ai/chatterboxhd/text-to-speech?wait=20 ကုန်ကျစရိတ် → ၀.၀၁၁ $
# 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"

ဤတောင်းဆိုချက်ကို လုပ်ဆောင်ရန်

သင့် key သည် ဤဘရောက်ဇာထဲတွင်သာ ရှိမည်ဖြစ်ပြီး Doitong API သို့သာ ပို့မည်။ Remember ကို အမှန်ခြစ်ထားမှသာ (localStorage) တွင် သိမ်းမည်။ API ကီး ရယူရန်

Chatterboxhd · Text to Speech အကြောင်း

`text` မှ စကားပြောအသံကို ကြိုတင်သတ်မှတ်ထားသော `voice` (Aurora၊ Blade၊ Britney၊ Carl၊ Cliff၊ Richard၊ Rico၊ Siobhan သို့မဟုတ် Vicky) သို့မဟုတ် `audio_url` မှ ပုံတူဖန်တီးထားသော အသံဖြင့် ဖန်တီးသည်။ `audio_url` သည် ကြိုတင်သတ်မှတ်ထားသော အသံကို အစားထိုးသည်။ `exaggeration` (0.25 မှ 2) နှင့် `cfg` တို့က စိတ်ခံစားမှုကို ထိန်းချုပ်ပြီး `temperature` နှင့် `seed` တို့က ကွဲပြားမှုကို ထိန်းချုပ်သည်။ `high_quality_audio` သည် ထွက်ရလဒ်ကို 24 kHz မှ 48 kHz သို့ မြှင့်တင်သည်။

ပါရာမီတာများ

စံအမည် သို့မဟုတ် မူရင်းအမည် တစ်ခုခုကိုသာ ပို့ပါ၊ နှစ်ခုလုံး မပို့ပါနှင့်။ စံအမည်များ

အမည်အမျိုးအစား မူလတန်ဖိုးခွင့်ပြုထားသည် ဖော်ပြချက်
textရွေးချယ်နိုင်သည်
အမျိုးအစားstring
မူလတန်ဖိုးMy 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.
ပြောဆိုသည့်အသံအဖြစ် ပြောင်းလဲရန် စာသားအကြောင်းအရာ။
voiceရွေးချယ်နိုင်သည်
အမျိုးအစားenum
AuroraBladeBritneyCarlCliffRichardRicoSiobhanVicky
TTS အသံကို ရွေးချယ်ပါ၊ သို့မဟုတ် စနစ်က ကျပန်းရွေးချယ်စေရန် voice နှင့် အသံ နှစ်ခုလုံးကို ချန်လှပ်ထားပါ။
audio_urlရွေးချယ်နိုင်သည် audio
အမျိုးအစားurl · audio
Zero-shot TTS အတွက် အသံတုပြုလုပ်ရန် နမူနာ URL ဖြစ်ပြီး voice ဆက်တင်ထက် ဦးစားပေးသည်။ audio_url နှင့် voice နှစ်ခုလုံးမရှိမှသာ ကျပန်းအသံရွေးချယ်မှုကို အသုံးပြုသည်။
exaggerationရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး0.5
၀.၂၅ – ၂
စိတ်ခံစားချက်ချဲ့ကားမှုအဆင့်၊ ပုံမှန်အားဖြင့် 0.25 မှ 2.0 အထိ။
cfgရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး0.5
၀ – ၁
Classifier-free guidance (CFG) မှတစ်ဆင့် သတ်မှတ်သည့် conditioning အား။ ဖော်ပြမှုအားကောင်းသော သို့မဟုတ် ဒရာမာဆန်သော ပြောဆိုပုံအတွက် 0.3 ခန့်ရှိသော cfg ဆက်တင်နိမ့်နှင့် 0.7 ခန့် သို့မဟုတ် ထို့ထက်ပိုသော ချဲ့ကားမှုကို တွဲဖက်အသုံးပြုပါ။ cfg ကို 0.3 ခန့်အထိ လျှော့ခြင်းသည် ရည်ညွှန်းအသံမြန်မြန်ပြောသည့်အခါ အချိန်အပိုင်းအခြားကိုလည်း ပိုကောင်းစေနိုင်သည်။ ပုံမှန်ဆက်တင်များမှာ 0.2–1.0 အတွင်းဖြစ်သည်။
high_quality_audioရွေးချယ်နိုင်သည်
အမျိုးအစားboolean
မူလတန်ဖိုးfalse
False ဖြင့် 24kHz ထွက်ရလဒ်နှင့် True ဖြင့် 48kHz သို့ အဆင့်မြှင့်ထားသော အရည်အသွေးမြင့်အသံတို့အကြား ရွေးချယ်ပါ။ အဆင့်မြှင့်ခြင်းကို ဖွင့်လျှင် ဖန်တီးချိန် ပိုကြာသည်။
seedရွေးချယ်နိုင်သည်
အမျိုးအစားinteger
မူလတန်ဖိုး0
≥ ၀
ထပ်တလဲလဲရရှိနိုင်သော အသံဖန်တီးမှုအတွက် seed။ 0 သည် ကျပန်းတစ်ခုရွေးသည်။ အခြားဂုဏ်သတ္တိအားလုံး မပြောင်းလဲပါက သတ်မှတ်ထားသော seed သည် တူညီသည့်အသံဖိုင်ကို ပြန်လည်ထုတ်လုပ်ပေးရမည်။
temperatureရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး0.8
၀.၀၅ – ၅
ဖန်တီးမှု၏ ကျပန်းဖြစ်မှု၊ ပုံမှန်အားဖြင့် 0.05 မှ 5 အထိ။
လိုအပ်သည် စံအမည်၊ ထို့အပြင် လက်ခံသည်

ဖိုင်ပါရာမီတာများသည် အများပြည်သူသုံး https:// URL၊ 10 MB အထိ data: URI သို့မဟုတ် အပ်လုဒ်လုပ်ထားသောဖိုင်၏ file_url ကို လက်ခံသည်။ ဖိုင်များ

ထွက်ရလဒ်

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"
  }
}
သင့်ဖိုင်များ၊ သင့်ရွေးချယ်မှုoutputs[].url တိုင်းသည် ကျွန်ုပ်တို့၏ သိုလှောင်မှုရှိ မိတ္တူဖြစ်သည်- အမြဲတမ်း (GB-month အလိုက် ငွေပေးရသည်) သို့မဟုတ် ၇ ရက် အခမဲ့၊ သင့်အကောင့်ဆက်တင် သို့မဟုတ် ?storage= ဖြင့် သိမ်းထားသည်။
မော်ဒယ်တိုင်းတွင် ပုံစံတူပုံ၊ ဗီဒီယိုနှင့် အသံတို့အတွက် type၊ url၊ content_type၊ width၊ height နှင့် duration။ output သည် မော်ဒယ်ကိုယ်တိုင်၏ ရလဒ် object ဖြစ်သည်။
ထွက်ရလဒ်၏ Fields များ
audio
anyဖန်တီးမှုမှ ထွက်ရှိသည့် အသံဖိုင်။

နောက်ထပ် မော်ဒယ်များ: စာသားမှ အသံ

AI အေးဂျင့်များအတွက်- ဤစာမျက်နှာ၏ Markdown ကို ဤနေရာတွင် ရရှိနိုင်သည် https://doitong.com/my/developers/models/resemble-ai/chatterboxhd/text-to-speech.md. မော်ဒယ်များနှင့် လမ်းညွှန်များအားလုံး: https://doitong.com/developers/llms.txt