Gå til innhold

Chatterboxhd · Text to Speech

Integrer

Modell-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"

Filer som eksempelet: 0,011 $ 11 API-kreditter · ≈ 1,18 ₽ filene dine måles før kjøring Kjør den på denne siden

Hent API-nøkkel
Resemble AI Tekst til tale

Uttrykksfull tekst-til-tale med forhåndsinnstilte stemmer, zero-shot-kloning fra et eksempel og valgfri 48 kHz-lyd

Resemble AI · Lyd

Det første resultatet ditt kommer her

Bygg en forespørsel nedenfor og kjør den med API-nøkkelen din. Utdata kopieres til lagringen vår, lagret for alltid eller 7 dager gratis.

Bygg en forespørsel

Kontrollene genereres fra modellskjemaet. Koden og prisen oppdateres når du endrer dem.

standard My name is Maximus De...

Tekstinnhold som skal konverteres til tale.

Avansert audio · voice · exaggeration · cfg · temperature · seed · high_quality_audio
audio_url
Slipp en fil, eller

URL til stemmekloningsprøve for zero-shot TTS, med prioritet over voice-innstillingen. Tilfeldig stemmevalg brukes bare hvis både audio_url og voice mangler.

Velg TTS-stemmen, eller utelat både voice og lyd for å la systemet velge en tilfeldig.

standard 0.5

Grad av emosjonell overdrivelse, vanligvis fra 0.25 til 2.0.

standard 0.5

Betingelsesstyrke angitt gjennom classifier-free guidance (CFG). For uttrykksfull eller dramatisk levering kan du kombinere en lav cfg-innstilling, for eksempel omtrent 0.3, med overdrivelse på omtrent 0.7 eller mer; å redusere cfg til omtrent 0.3 kan også forbedre tempoet når referansestemmen snakker raskt. Typiske innstillinger er 0.2–1.0.

standard 0.8

Tilfeldighet i genereringen, vanligvis fra 0.05 til 5.

standard 0

Seed for reproduserbar lydgenerering: 0 velger én tilfeldig, mens en fast seed bør gjenskape nøyaktig samme lydfil hvis alle andre egenskaper er uendret.

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

Kjør denne forespørselen

Nøkkelen din blir i denne nettleseren: Den sendes bare til Doitong API og lagres bare i localStorage hvis du krysser av for Husk. Hent en API-nøkkel

Om Chatterboxhd · Text to Speech

Genererer tale fra `text` ved hjelp av en forhåndsinnstilt `voice` (Aurora, Blade, Britney, Carl, Cliff, Richard, Rico, Siobhan eller Vicky) eller en klonet stemme fra `audio_url`, som overstyrer forhåndsinnstillingen. `exaggeration` (0.25 to 2) og `cfg` styrer følelser, mens `temperature` og `seed` styrer variasjon. `high_quality_audio` øker utdata fra 24 kHz til 48 kHz.

Parametere

Send enten det kanoniske navnet eller det opprinnelige navnet, ikke begge. Kanoniske navn

NavnType StandardTillatt Beskrivelse
textvalgfritt
Typestring
StandardMy 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.
Tekstinnhold som skal konverteres til tale.
voicevalgfritt
Typeenum
AuroraBladeBritneyCarlCliffRichardRicoSiobhanVicky
Velg TTS-stemmen, eller utelat både voice og lyd for å la systemet velge en tilfeldig.
audio_urlvalgfritt audio
Typeurl · audio
URL til stemmekloningsprøve for zero-shot TTS, med prioritet over voice-innstillingen. Tilfeldig stemmevalg brukes bare hvis både audio_url og voice mangler.
exaggerationvalgfritt
Typenumber
Standard0.5
0,25 – 2
Grad av emosjonell overdrivelse, vanligvis fra 0.25 til 2.0.
cfgvalgfritt
Typenumber
Standard0.5
0 – 1
Betingelsesstyrke angitt gjennom classifier-free guidance (CFG). For uttrykksfull eller dramatisk levering kan du kombinere en lav cfg-innstilling, for eksempel omtrent 0.3, med overdrivelse på omtrent 0.7 eller mer; å redusere cfg til omtrent 0.3 kan også forbedre tempoet når referansestemmen snakker raskt. Typiske innstillinger er 0.2–1.0.
high_quality_audiovalgfritt
Typeboolean
Standardfalse
Velg 24kHz-utdata med False eller lyd av høyere kvalitet som er oppskalert til 48kHz med True. Oppskalering øker genereringstiden.
seedvalgfritt
Typeinteger
Standard0
≥ 0
Seed for reproduserbar lydgenerering: 0 velger én tilfeldig, mens en fast seed bør gjenskape nøyaktig samme lydfil hvis alle andre egenskaper er uendret.
temperaturevalgfritt
Typenumber
Standard0.8
0,05 – 5
Tilfeldighet i genereringen, vanligvis fra 0.05 til 5.
obligatorisk Kanonisk navn, også godkjent

Filparametere tar imot en offentlig https:// URL, en data: URI på opptil 10 MB eller file_url fra en opplasting. Filer

Utdata

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"
  }
}
Filene dine, ditt valgHver outputs[].url er en kopi på lagringen vår: lagret for alltid (betalt per GB-måned) eller 7 dager gratis, styrt av kontoinnstillingen din eller ?storage=.
Samme struktur for hver modelltype, url, content_type, width, height og duration, for bilder, video og lyd. output er modellens eget resultatobjekt.
Utdatafelt
audio
anyLydfil produsert av genereringen.

Flere modeller: Tekst til tale

For AI-agenter: Denne siden som Markdown finnes på https://doitong.com/no/developers/models/resemble-ai/chatterboxhd/text-to-speech.md. Alle modeller og veiledninger: https://doitong.com/developers/llms.txt