ਸਮੱਗਰੀ ਵੱਲ ਜਾਓ

Index TTS 2.0

ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ

ਮਾਡਲ id 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"

ਹਰ ਰਨ ਲਈ $0.06 ਤੱਕ ਅਸਲ ਵਰਤੋਂ ਅਨੁਸਾਰ ਚਾਰਜ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਬਾਕੀ ਦੀ ਰਕਮ ਵਾਪਸੀ ਹੁੰਦੀ ਹੈ ਇਸ ਪੰਨੇ ’ਤੇ ਚਲਾਓ

API ਕੁੰਜੀ ਲਵੋ
bilibili ਟੈਕਸਟ ਤੋਂ ਬੋਲੀ #text-to-speech

ਹਵਾਲਾ ਆਵਾਜ਼ ਕਲਿੱਪ ਅਤੇ ਟੈਕਸਟ ਤੋਂ ਸਪੀਚ ਸਿੰਥੇਸਿਸ, ਜਿਸ ਵਿੱਚ ਆਡੀਓ, ਪ੍ਰੌਂਪਟ ਜਾਂ ਪ੍ਰਤੀ-ਭਾਵਨਾ ਤਾਕਤ ਰਾਹੀਂ ਭਾਵਨਾ ਨਿਯੰਤਰਣ ਹੈ

bilibili · ਆਡੀਓ

ਤੁਹਾਡਾ ਪਹਿਲਾ ਨਤੀਜਾ ਇੱਥੇ ਹੋਵੇਗਾ

ਹੇਠਾਂ ਬੇਨਤੀ ਬਣਾਓ ਅਤੇ ਆਪਣੀ API ਕੁੰਜੀ ਨਾਲ ਚਲਾਓ। ਆਉਟਪੁੱਟ ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਕਾਪੀ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਹਮੇਸ਼ਾ ਲਈ ਜਾਂ ਮੁਫ਼ਤ ਵਿੱਚ 7 ਦਿਨ ਤੱਕ ਰੱਖੇ ਜਾਂਦੇ ਹਨ।

ਰਿਕਵੈਸਟ ਬਣਾਓ

ਕੰਟਰੋਲ ਮਾਡਲ ਸਕੀਮਾ ਤੋਂ ਤਿਆਰ ਹੁੰਦੇ ਹਨ। ਤੁਸੀਂ ਬਦਲਾਅ ਕਰਦੇ ਹੀ ਕੋਡ ਅਤੇ ਕੀਮਤ ਅੱਪਡੇਟ ਹੋ ਜਾਂਦੇ ਹਨ।

•ਲੋੜੀਂਦਾ

ਤਿਆਰ ਕੀਤੀ ਜਾਣ ਵਾਲੀ ਬੋਲੀ ਲਈ ਪ੍ਰੌਂਪਟ।

•ਲੋੜੀਂਦਾ audio_url
ਫ਼ਾਈਲ ਛੱਡੋ, ਜਾਂ

ਬੋਲੀ ਤਿਆਰ ਕਰਨ ਲਈ ਵਰਤੀ ਜਾਣ ਵਾਲੀ ਸਰੋਤ ਆਡੀਓ ਫ਼ਾਈਲ।

ਉੱਨਤ emotion_prompt · emotional_audio_url · strength · should_use_prompt_for_emotion · enable_safety_checker · emotional_strengths

ਭਾਵਨਾਤਮਕ-ਸਟਾਈਲ ਨਿਰਦੇਸ਼, ਜਿਨ੍ਹਾਂ ਲਈ `should_use_prompt_for_emotion` ਨੂੰ ਵੀ ਵਰਤਣਾ ਲਾਜ਼ਮੀ ਹੈ।

ਫ਼ਾਈਲ ਛੱਡੋ, ਜਾਂ

ਭਾਵਨਾਤਮਕ ਸਟਾਈਲ ਕੱਢਣ ਲਈ ਵਰਤੀ ਜਾਣ ਵਾਲੀ ਹਵਾਲਾ ਆਡੀਓ ਫ਼ਾਈਲ।

ਡਿਫ਼ਾਲਟ 1

ਸਟਾਈਲ ਟ੍ਰਾਂਸਫ਼ਰ ਦੌਰਾਨ ਲਾਗੂ ਭਾਵਨਾਤਮਕ ਪ੍ਰਭਾਵ ਇਸ ਤਾਕਤ ਸੈਟਿੰਗ ਨਾਲ ਵਧਦਾ ਹੈ।

ਬਾਰੀਕੀ ਨਾਲ ਸਮਾਯੋਜਨ ਲਈ ਪ੍ਰਤੀ-ਭਾਵਨਾ ਤੀਬਰਤਾ ਮੁੱਲ।

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

ਇਹ ਬੇਨਤੀ ਚਲਾਓ

ਤੁਹਾਡੀ key ਇਸ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਰਹਿੰਦੀ ਹੈ: ਇਹ ਸਿਰਫ਼ Doitong API ਨੂੰ ਭੇਜੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਸਿਰਫ਼ ਤਾਂ ਹੀ (localStorage) ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਹੁੰਦੀ ਹੈ ਜੇ ਤੁਸੀਂ Remember ਚੁਣੋ। API ਕੁੰਜੀ ਪ੍ਰਾਪਤ ਕਰੋ

Index TTS 2.0 ਬਾਰੇ

`prompt` ਵਿੱਚ ਦਿੱਤੇ ਟੈਕਸਟ ਲਈ `audio_url` ਰਾਹੀਂ ਦਿੱਤੀ ਹਵਾਲਾ ਕਲਿੱਪ ਦੀ ਆਵਾਜ਼ ਵਰਤ ਕੇ ਸਪੀਚ ਬਣਾਉਂਦਾ ਹੈ। ਭਾਵਨਾਤਮਕ ਸ਼ੈਲੀ ਦੂਜੀ ਕਲਿੱਪ ਤੋਂ `emotional_audio_url` ਰਾਹੀਂ ਲਈ ਜਾ ਸਕਦੀ ਹੈ, ਜਿਸਨੂੰ `strength` (0 ਤੋਂ 1) ਨਾਲ ਸਕੇਲ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਜਾਂ `emotional_strengths` ਰਾਹੀਂ ਸੈੱਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਵਿਕਲਪਕ ਤੌਰ 'ਤੇ, `should_use_prompt_for_emotion` ਚਾਲੂ ਕਰੋ ਅਤੇ ਚਾਹੋ ਤਾਂ ਵੱਖਰਾ `emotion_prompt` ਦਿਓ। ਆਡੀਓ base64 ਆਬਜੈਕਟ ਵਜੋਂ ਵਾਪਸ ਆਉਂਦਾ ਹੈ।

ਪੈਰਾਮੀਟਰ

ਕੈਨੋਨਿਕਲ ਨਾਮ ਜਾਂ ਨੇਟਿਵ ਨਾਮ ਵਿੱਚੋਂ ਕੋਈ ਇੱਕ ਭੇਜੋ, ਦੋਵੇਂ ਨਹੀਂ। ਕੈਨੋਨਿਕਲ ਨਾਮ

ਨਾਮਕਿਸਮ ਡਿਫ਼ਾਲਟਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵੇਰਵਾ
audio_urlਲੋੜੀਂਦਾ audio
ਕਿਸਮurl · audio
ਬੋਲੀ ਤਿਆਰ ਕਰਨ ਲਈ ਵਰਤੀ ਜਾਣ ਵਾਲੀ ਸਰੋਤ ਆਡੀਓ ਫ਼ਾਈਲ।
promptਲੋੜੀਂਦਾ
ਕਿਸਮstring
ਤਿਆਰ ਕੀਤੀ ਜਾਣ ਵਾਲੀ ਬੋਲੀ ਲਈ ਪ੍ਰੌਂਪਟ।
emotional_audio_urlਵਿਕਲਪਿਕ
ਕਿਸਮurl · audio
ਭਾਵਨਾਤਮਕ ਸਟਾਈਲ ਕੱਢਣ ਲਈ ਵਰਤੀ ਜਾਣ ਵਾਲੀ ਹਵਾਲਾ ਆਡੀਓ ਫ਼ਾਈਲ।
strengthਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ1
0 – 1
ਸਟਾਈਲ ਟ੍ਰਾਂਸਫ਼ਰ ਦੌਰਾਨ ਲਾਗੂ ਭਾਵਨਾਤਮਕ ਪ੍ਰਭਾਵ ਇਸ ਤਾਕਤ ਸੈਟਿੰਗ ਨਾਲ ਵਧਦਾ ਹੈ।
emotional_strengthsਵਿਕਲਪਿਕ
ਕਿਸਮobject
ਬਾਰੀਕੀ ਨਾਲ ਸਮਾਯੋਜਨ ਲਈ ਪ੍ਰਤੀ-ਭਾਵਨਾ ਤੀਬਰਤਾ ਮੁੱਲ।
emotional_strengths.happyਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ0
0 – 1
ਖੁਸ਼ੀ ਦੀ ਭਾਵਨਾ ਦੀ ਤੀਬਰਤਾ।
emotional_strengths.angryਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ0
0 – 1
ਗੁੱਸੇ ਦੀ ਤੀਬਰਤਾ।
emotional_strengths.sadਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ0
0 – 1
ਉਦਾਸੀ ਦੀ ਤੀਬਰਤਾ।
emotional_strengths.afraidਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ0
0 – 1
ਡਰ ਦੀ ਤੀਬਰਤਾ।
emotional_strengths.disgustedਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ0
0 – 1
ਘਿਣ ਦੀ ਤੀਬਰਤਾ।
emotional_strengths.melancholicਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ0
0 – 1
ਉਦਾਸੀਨਤਾ ਦੀ ਤੀਬਰਤਾ।
emotional_strengths.surprisedਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ0
0 – 1
ਹੈਰਾਨੀ ਦੀ ਤੀਬਰਤਾ।
emotional_strengths.calmਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ0
0 – 1
ਸ਼ਾਂਤੀ ਦੀ ਤੀਬਰਤਾ।
should_use_prompt_for_emotionਵਿਕਲਪਿਕ
ਕਿਸਮboolean | null
ਡਿਫ਼ਾਲਟfalse
ਚਾਲੂ ਹੋਣ 'ਤੇ ਪ੍ਰੌਂਪਟ-ਅਧਾਰਿਤ ਭਾਵਨਾ ਗਣਨਾ ਸਪਸ਼ਟ `emotional_strengths` ਦੀ ਥਾਂ ਲੈਂਦੀ ਹੈ। ਭਾਵਨਾਤਮਕ ਸਟਾਈਲ `emotion_prompt` ਤੋਂ ਆਉਂਦਾ ਹੈ ਜੇ ਦਿੱਤਾ ਗਿਆ ਹੋਵੇ, ਨਹੀਂ ਤਾਂ `prompt` ਤੋਂ।
emotion_promptਵਿਕਲਪਿਕ
ਕਿਸਮstring | null
ਭਾਵਨਾਤਮਕ-ਸਟਾਈਲ ਨਿਰਦੇਸ਼, ਜਿਨ੍ਹਾਂ ਲਈ `should_use_prompt_for_emotion` ਨੂੰ ਵੀ ਵਰਤਣਾ ਲਾਜ਼ਮੀ ਹੈ।
enable_safety_checkerਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟtrue
false ਸੈੱਟ ਕਰਕੇ ਸਕ੍ਰੀਨਿੰਗ ਨੂੰ ਢਿੱਲਾ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਜੇ ਕਾਲਰ ਅਧਿਕਾਰਤ ਹੋਵੇ।
ਲੋੜੀਂਦਾ ਕੈਨੋਨਿਕਲ ਨਾਮ, ਇਹ ਵੀ ਸਵੀਕਾਰਿਆ ਜਾਂਦਾ ਹੈ

ਫ਼ਾਈਲ ਪੈਰਾਮੀਟਰ ਜਨਤਕ https:// URL, 10 MB ਤੱਕ ਦਾ data: URI, ਜਾਂ ਅੱਪਲੋਡ ਦੇ file_url ਨੂੰ ਸਵੀਕਾਰਦੇ ਹਨ। ਫ਼ਾਈਲਾਂ

ਆਉਟਪੁੱਟ

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"
  }
}
ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ, ਤੁਹਾਡੀ ਚੋਣਹਰ outputs[].url ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਇੱਕ ਕਾਪੀ ਹੈ: ਹਮੇਸ਼ਾ ਲਈ ਰੱਖੀ ਜਾਂਦੀ ਹੈ (ਪ੍ਰਤੀ GB-ਮਹੀਨਾ ਭੁਗਤਾਨ) ਜਾਂ 7 ਦਿਨ ਤੱਕ ਮੁਫ਼ਤ, ਤੁਹਾਡੀ ਖਾਤਾ ਸੈਟਿੰਗ ਜਾਂ ?storage= ਅਨੁਸਾਰ।
ਹਰ ਮਾਡਲ ’ਤੇ ਇੱਕੋ ਜਿਹਾ ਰੂਪਤਸਵੀਰਾਂ, ਵੀਡੀਓ ਅਤੇ ਆਡੀਓ ਸਭ ਲਈ type, url, content_type, width, height ਅਤੇ duration। output ਮਾਡਲ ਦਾ ਆਪਣਾ ਨਤੀਜਾ ਆਬਜੈਕਟ ਹੈ।
ਆਉਟਪੁੱਟ ਦੇ ਫ਼ੀਲਡ
audio
object {url, content_type, file_name, file_size}ਬੇਸ64 ਫਾਰਮੈਟ ਵਿੱਚ ਏਨਕੋਡ ਕੀਤੀ ਸਿਰਜੀ ਗਈ ਆਡੀਓ।

AI ਏਜੰਟਾਂ ਲਈ: ਇਹ ਪੰਨਾ Markdown ਵਜੋਂ ਇੱਥੇ ਹੈ https://doitong.com/pa/developers/models/index-tts-2/text-to-speech.md. ਸਾਰੇ ਮਾਡਲ ਅਤੇ ਗਾਈਡ: https://doitong.com/developers/llms.txt