အကြောင်းအရာသို့ ကျော်ရန်

Tada TTS 1B

ပေါင်းစည်းရန်

မော်ဒယ် id tada/1b/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/1b/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"

ဤတောင်းဆိုချက်: ၀.၀၀၃ $ ၃ API ခရက်ဒစ် · ≈ ၀.၃၂ ₽ ဤစာမျက်နှာတွင် လုပ်ဆောင်ရန်

API ကီး ရယူရန်

ကိုးကားအသံကလစ်မှ အသံတုပြုလုပ်သည့် text-to-speech၊ ဘာသာစကား 10 မျိုးပါ 1B မူကွဲ

Open model · 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။

•လိုအပ်သည်

စာသားဖြင့် ပေးထားသည့် စကားပြောအကြောင်းအရာ။ ရည်ညွှန်းပြောဆိုသူက ၎င်းကို အသံထုတ်ရန် အသုံးပြုမည့် အသံကို ပေးသည်။

•လိုအပ်သည် audio_url
ဖိုင်ကို ဆွဲချပါ၊ သို့မဟုတ်

မော်ဒယ်က ပြန်လည်ဖန်တီးရမည့် အသံလက္ခဏာများရှိသည့် ပြောဆိုသူကို သတ်မှတ်ပေးသော အသံဖိုင် URL ဖြင့် ပေးထားသည့် အသံပုံတူဖန်တီးမှု ရင်းမြစ်။

အဆင့်မြင့် 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 မူလ wav

ဖန်တီးထားသော အသံ၏ ဖိုင်ဖော်မတ်။

မူလ

အင်္ဂလိပ်မဟုတ်သော ဘာသာစကားများဖြင့် ရိုက်ကူးထားသော အသံများအတွက် မဖြစ်မနေ ပေးရမည့် ရည်ညွှန်းအသံမှတ်တမ်း။ အလိုအလျောက် စာသားပြောင်းခြင်းကို အင်္ဂလိပ်ဘာသာအတွက်သာ ထည့်သွင်းပေးထားသည်။

မူလ en

အင်္ဂလိပ်မဟုတ်သော ဘာသာစကားဖြင့် စကားပြောဖန်တီးသည့်အခါ စကားပေါင်းစပ်ဘာသာစကားနှင့် ကိုက်ညီရမည့် စာသားချိန်ညှိဘာသာစကားကုဒ်။

မူလ 0

ပေးထားသောစာသားပြီးနောက် စကားပြောမှုကို ဆက်လက်လုပ်ဆောင်ခြင်းဖြင့် နောက်ဆုံးအသံအတက်အကျ သို့မဟုတ် တိတ်ဆိတ်မှု ထည့်ရန် အော်တိုရီးဂရက်စစ် အဆင့်အရေအတွက်။

မူလ 0.6

စာသားတိုကင် နမူနာယူခြင်းအပူချိန်။ တန်ဖိုးမြှင့်ပါက ထွက်ရလဒ်ကွဲပြားမှု ပိုများလာပြီး 0 သို့မဟုတ် အောက်တန်ဖိုးကို ခွင့်မပြုပါ။

မူလ 0.9

စာသားဖန်တီးရန် အသုံးပြုသည့် Top-p (nucleus) နမူနာယူခြင်း ဆက်တင်။

မူလ 1.1

ထွက်ရလဒ်ဖန်တီးစဉ် တိုကင်ထပ်ခါတလဲလဲဖြစ်မှုအတွက် ပြစ်ဒဏ်။

မူလ 1.6

အသံပိုင်းဆိုင်ရာ လက္ခဏာများ ဖန်တီးရန် အသုံးပြုသည့် classifier-free guidance အင်အား။

မူလ 0.9

flow-matching diffusion အတွင်း အသုံးပြုသည့် ဆူညံသံအပူချိန်။

မူလ 20

flow matching မှတစ်ဆင့် အသံပိုင်းဆိုင်ရာ လက္ခဏာများ ဖန်တီးရန် အသုံးပြုသည့် ODE solver အဆင့်အရေအတွက်။

မူလ 1

စကားပြောမြန်နှုန်းမြှောက်ကိန်း။ 1.0 အောက်တွင် စကားပြောနှေးလာပြီး 1.0 အထက်တွင် မြန်လာသည်။

POST /run/tada/1b/text-to-speech?wait=20 ကုန်ကျစရိတ် → ၀.၀၀၃ $
# 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/1b/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"

ဤတောင်းဆိုချက်ကို လုပ်ဆောင်ရန်

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

Tada TTS 1B အကြောင်း

`audio_url` အဖြစ် ပေးထားသော ကိုးကားကလစ်၏ အသံဖြင့် `prompt` စာသားကို ဖတ်ပြောသည်။ အင်္ဂလိပ်မဟုတ်သော အသံအတွက် ကိုးကားအသံ၏ `transcript` လိုအပ်သည်။ `language` သည် en၊ ar၊ ch၊ de၊ es၊ fr၊ it၊ ja၊ pl နှင့် pt ကို ထောက်ပံ့သည်။ ချိန်ညှိနိုင်သည့်အရာများတွင် `speed_up_factor` (0.5 မှ 2)၊ `temperature`၊ `top_p` နှင့် `num_inference_steps` ပါဝင်ပြီး ထွက်ရလဒ်မှာ wav သို့မဟုတ် mp3 ဖြစ်သည်။

ပါရာမီတာများ

စံအမည် သို့မဟုတ် မူရင်းအမည် တစ်ခုခုကိုသာ ပို့ပါ၊ နှစ်ခုလုံး မပို့ပါနှင့်။ စံအမည်များ

အမည်အမျိုးအစား မူလတန်ဖိုးခွင့်ပြုထားသည် ဖော်ပြချက်
audio_urlလိုအပ်သည် audio
အမျိုးအစားurl · audio
မော်ဒယ်က ပြန်လည်ဖန်တီးရမည့် အသံလက္ခဏာများရှိသည့် ပြောဆိုသူကို သတ်မှတ်ပေးသော အသံဖိုင် URL ဖြင့် ပေးထားသည့် အသံပုံတူဖန်တီးမှု ရင်းမြစ်။
transcriptရွေးချယ်နိုင်သည်
အမျိုးအစားstring
မူလတန်ဖိုး
အင်္ဂလိပ်မဟုတ်သော ဘာသာစကားများဖြင့် ရိုက်ကူးထားသော အသံများအတွက် မဖြစ်မနေ ပေးရမည့် ရည်ညွှန်းအသံမှတ်တမ်း။ အလိုအလျောက် စာသားပြောင်းခြင်းကို အင်္ဂလိပ်ဘာသာအတွက်သာ ထည့်သွင်းပေးထားသည်။
promptလိုအပ်သည်
အမျိုးအစားstring
စာသားဖြင့် ပေးထားသည့် စကားပြောအကြောင်းအရာ။ ရည်ညွှန်းပြောဆိုသူက ၎င်းကို အသံထုတ်ရန် အသုံးပြုမည့် အသံကို ပေးသည်။
languageရွေးချယ်နိုင်သည်
အမျိုးအစားenum
မူလတန်ဖိုးen
enarchdeesfritjaplpt
အင်္ဂလိပ်မဟုတ်သော ဘာသာစကားဖြင့် စကားပြောဖန်တီးသည့်အခါ စကားပေါင်းစပ်ဘာသာစကားနှင့် ကိုက်ညီရမည့် စာသားချိန်ညှိဘာသာစကားကုဒ်။
num_extra_stepsရွေးချယ်နိုင်သည်
အမျိုးအစားinteger
မူလတန်ဖိုး0
၀ – ၅၀
ပေးထားသောစာသားပြီးနောက် စကားပြောမှုကို ဆက်လက်လုပ်ဆောင်ခြင်းဖြင့် နောက်ဆုံးအသံအတက်အကျ သို့မဟုတ် တိတ်ဆိတ်မှု ထည့်ရန် အော်တိုရီးဂရက်စစ် အဆင့်အရေအတွက်။
temperatureရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး0.6
≤ ၂> ၀
စာသားတိုကင် နမူနာယူခြင်းအပူချိန်။ တန်ဖိုးမြှင့်ပါက ထွက်ရလဒ်ကွဲပြားမှု ပိုများလာပြီး 0 သို့မဟုတ် အောက်တန်ဖိုးကို ခွင့်မပြုပါ။
top_pရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး0.9
၀ – ၁
စာသားဖန်တီးရန် အသုံးပြုသည့် Top-p (nucleus) နမူနာယူခြင်း ဆက်တင်။
repetition_penaltyရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး1.1
၁ – ၂
ထွက်ရလဒ်ဖန်တီးစဉ် တိုကင်ထပ်ခါတလဲလဲဖြစ်မှုအတွက် ပြစ်ဒဏ်။
acoustic_cfg_scaleရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး1.6
၀ – ၁၀
အသံပိုင်းဆိုင်ရာ လက္ခဏာများ ဖန်တီးရန် အသုံးပြုသည့် classifier-free guidance အင်အား။
noise_temperatureရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး0.9
၀ – ၂
flow-matching diffusion အတွင်း အသုံးပြုသည့် ဆူညံသံအပူချိန်။
num_inference_stepsရွေးချယ်နိုင်သည်
အမျိုးအစားinteger
မူလတန်ဖိုး20
၁ – ၅၀
flow matching မှတစ်ဆင့် အသံပိုင်းဆိုင်ရာ လက္ခဏာများ ဖန်တီးရန် အသုံးပြုသည့် ODE solver အဆင့်အရေအတွက်။
speed_up_factorရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး1
၀.၅ – ၂
စကားပြောမြန်နှုန်းမြှောက်ကိန်း။ 1.0 အောက်တွင် စကားပြောနှေးလာပြီး 1.0 အထက်တွင် မြန်လာသည်။
output_formatရွေးချယ်နိုင်သည်
အမျိုးအစားenum
မူလတန်ဖိုးwav
wavmp3
ဖန်တီးထားသော အသံ၏ ဖိုင်ဖော်မတ်။
enable_safety_checkerရွေးချယ်နိုင်သည်
အမျိုးအစားboolean
မူလတန်ဖိုးtrue
caller က ခွင့်ပြုချက်ရှိပါက false သတ်မှတ်ခြင်းဖြင့် စစ်ဆေးမှုကို လျှော့ချနိုင်သည်။
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": "tada/1b/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": 3,
    "usd": "0.003",
    "charged": 3,
    "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"
  }
}
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
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}ဖန်တီးထားသော စကားပြောသံပါဝင်သည့် အသံဖိုင်။

နောက်ထပ် မော်ဒယ်များ: စာသားမှ အသံ

AI အေးဂျင့်များအတွက်- ဤစာမျက်နှာ၏ Markdown ကို ဤနေရာတွင် ရရှိနိုင်သည် https://doitong.com/my/developers/models/tada/1b/text-to-speech.md. မော်ဒယ်များနှင့် လမ်းညွှန်များအားလုံး: https://doitong.com/developers/llms.txt