ਸਮੱਗਰੀ ਵੱਲ ਜਾਓ

Chatterboxhd · Text to Speech

ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ

ਮਾਡਲ 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"

ਉਦਾਹਰਨ ਵਰਗੀਆਂ ਫ਼ਾਈਲਾਂ: $0.011 11 API ਕ੍ਰੈਡਿਟ · ≈ ₽1.18 ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ ਚਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਮਾਪੀਆਂ ਜਾਂਦੀਆਂ ਹਨ ਇਸ ਪੰਨੇ ’ਤੇ ਚਲਾਓ

API ਕੁੰਜੀ ਲਵੋ

ਪ੍ਰੀਸੈਟ ਆਵਾਜ਼ਾਂ, ਸੈਂਪਲ ਤੋਂ zero-shot ਕਲੋਨਿੰਗ ਅਤੇ ਵਿਕਲਪਿਕ 48 kHz ਆਡੀਓ ਵਾਲਾ ਅਭਿਵਿਅੰਜਕ ਟੈਕਸਟ-ਟੂ-ਸਪੀਚ

Resemble AI · 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।

ਡਿਫ਼ਾਲਟ My name is Maximus De...

ਬੋਲੀ ਗਈ ਆਡੀਓ ਵਿੱਚ ਬਦਲਣ ਲਈ ਟੈਕਸਟ ਸਮੱਗਰੀ।

ਉੱਨਤ audio · voice · exaggeration · cfg · temperature · seed · high_quality_audio
audio_url
ਫ਼ਾਈਲ ਛੱਡੋ, ਜਾਂ

ਜ਼ੀਰੋ-ਸ਼ਾਟ TTS ਲਈ ਵੌਇਸ-ਕਲੋਨਿੰਗ ਨਮੂਨੇ ਦਾ URL, ਜੋ voice ਸੈਟਿੰਗ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦਾ ਹੈ। ਬੇਤਰਤੀਬ ਵੌਇਸ ਚੋਣ ਸਿਰਫ਼ ਉਦੋਂ ਲਾਗੂ ਹੁੰਦੀ ਹੈ ਜਦੋਂ audio_url ਅਤੇ voice ਦੋਵੇਂ ਮੌਜੂਦ ਨਾ ਹੋਣ।

TTS ਆਵਾਜ਼ ਚੁਣੋ, ਜਾਂ voice ਅਤੇ ਆਡੀਓ ਦੋਵਾਂ ਨੂੰ ਛੱਡ ਦਿਓ ਤਾਂ ਜੋ ਸਿਸਟਮ ਬੇਤਰਤੀਬੇ ਢੰਗ ਨਾਲ ਕੋਈ ਇੱਕ ਚੁਣ ਲਵੇ।

ਡਿਫ਼ਾਲਟ 0.5

ਭਾਵਨਾਤਮਕ ਅਤਿਰੰਜਨਾ ਦੀ ਮਾਤਰਾ, ਆਮ ਤੌਰ ’ਤੇ 0.25 ਤੋਂ 2.0 ਤੱਕ।

ਡਿਫ਼ਾਲਟ 0.5

classifier-free guidance (CFG) ਰਾਹੀਂ ਸੈੱਟ ਕੀਤੀ ਕੰਡੀਸ਼ਨਿੰਗ ਤਾਕਤ। ਅਭਿਵਿਅੰਜਕ ਜਾਂ ਨਾਟਕੀ ਪੇਸ਼ਕਾਰੀ ਲਈ ਲਗਭਗ 0.3 ਵਰਗੀ ਘੱਟ cfg ਸੈਟਿੰਗ ਨੂੰ ਲਗਭਗ 0.7 ਜਾਂ ਇਸ ਤੋਂ ਵੱਧ ਅਤਿਰੰਜਨਾ ਨਾਲ ਮਿਲਾਓ; cfg ਨੂੰ ਲਗਭਗ 0.3 ਤੱਕ ਘਟਾਉਣ ਨਾਲ ਰੈਫ਼ਰੈਂਸ ਵੌਇਸ ਤੇਜ਼ ਬੋਲਣ ਵੇਲੇ ਗਤੀ ਵੀ ਸੁਧਰ ਸਕਦੀ ਹੈ। ਆਮ ਸੈਟਿੰਗਾਂ 0.2–1.0 ਤੱਕ ਹੁੰਦੀਆਂ ਹਨ।

ਡਿਫ਼ਾਲਟ 0.8

ਸਿਰਜਣਾ ਦੀ ਬੇਤਰਤੀਬਤਾ, ਆਮ ਤੌਰ ’ਤੇ 0.05 ਤੋਂ 5 ਤੱਕ।

ਡਿਫ਼ਾਲਟ 0

ਦੁਹਰਾਉਣਯੋਗ ਆਡੀਓ ਸਿਰਜਣਾ ਲਈ seed: 0 ਇੱਕ ਨੂੰ ਬੇਤਰਤੀਬੇ ਤੌਰ ’ਤੇ ਚੁਣਦਾ ਹੈ, ਜਦਕਿ ਜੇ ਹਰ ਹੋਰ ਗੁਣ ਅਣਬਦਲਿਆ ਰਹੇ ਤਾਂ ਨਿਰਧਾਰਤ seed ਬਿਲਕੁਲ ਉਹੀ ਆਡੀਓ ਫ਼ਾਈਲ ਦੁਬਾਰਾ ਤਿਆਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।

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

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

Chatterboxhd · Text to Speech ਬਾਰੇ

`text` ਤੋਂ ਪ੍ਰੀਸੈਟ `voice` (Aurora, Blade, Britney, Carl, Cliff, Richard, Rico, Siobhan ਜਾਂ Vicky) ਜਾਂ `audio_url` ਤੋਂ ਕਲੋਨ ਕੀਤੀ ਆਵਾਜ਼ ਵਿੱਚ ਬੋਲੀ ਬਣਾਉਂਦਾ ਹੈ; ਕਲੋਨ ਕੀਤੀ ਆਵਾਜ਼ ਪ੍ਰੀਸੈਟ ਨੂੰ ਓਵਰਰਾਈਡ ਕਰਦੀ ਹੈ। `exaggeration` (0.25 ਤੋਂ 2) ਅਤੇ `cfg` ਭਾਵਨਾ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦੇ ਹਨ, ਜਦਕਿ `temperature` ਅਤੇ `seed` ਵੈਰੀਏਸ਼ਨ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦੇ ਹਨ। `high_quality_audio` ਆਉਟਪੁੱਟ ਨੂੰ 24 kHz ਤੋਂ 48 kHz ਤੱਕ ਵਧਾਉਂਦਾ ਹੈ।

ਪੈਰਾਮੀਟਰ

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

ਨਾਮਕਿਸਮ ਡਿਫ਼ਾਲਟਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵੇਰਵਾ
textਵਿਕਲਪਿਕ
ਕਿਸਮstring
ਡਿਫ਼ਾਲਟMy 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.
ਬੋਲੀ ਗਈ ਆਡੀਓ ਵਿੱਚ ਬਦਲਣ ਲਈ ਟੈਕਸਟ ਸਮੱਗਰੀ।
voiceਵਿਕਲਪਿਕ
ਕਿਸਮenum
AuroraBladeBritneyCarlCliffRichardRicoSiobhanVicky
TTS ਆਵਾਜ਼ ਚੁਣੋ, ਜਾਂ voice ਅਤੇ ਆਡੀਓ ਦੋਵਾਂ ਨੂੰ ਛੱਡ ਦਿਓ ਤਾਂ ਜੋ ਸਿਸਟਮ ਬੇਤਰਤੀਬੇ ਢੰਗ ਨਾਲ ਕੋਈ ਇੱਕ ਚੁਣ ਲਵੇ।
audio_urlਵਿਕਲਪਿਕ audio
ਕਿਸਮurl · audio
ਜ਼ੀਰੋ-ਸ਼ਾਟ TTS ਲਈ ਵੌਇਸ-ਕਲੋਨਿੰਗ ਨਮੂਨੇ ਦਾ URL, ਜੋ voice ਸੈਟਿੰਗ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦਾ ਹੈ। ਬੇਤਰਤੀਬ ਵੌਇਸ ਚੋਣ ਸਿਰਫ਼ ਉਦੋਂ ਲਾਗੂ ਹੁੰਦੀ ਹੈ ਜਦੋਂ audio_url ਅਤੇ voice ਦੋਵੇਂ ਮੌਜੂਦ ਨਾ ਹੋਣ।
exaggerationਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ0.5
0.25 – 2
ਭਾਵਨਾਤਮਕ ਅਤਿਰੰਜਨਾ ਦੀ ਮਾਤਰਾ, ਆਮ ਤੌਰ ’ਤੇ 0.25 ਤੋਂ 2.0 ਤੱਕ।
cfgਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ0.5
0 – 1
classifier-free guidance (CFG) ਰਾਹੀਂ ਸੈੱਟ ਕੀਤੀ ਕੰਡੀਸ਼ਨਿੰਗ ਤਾਕਤ। ਅਭਿਵਿਅੰਜਕ ਜਾਂ ਨਾਟਕੀ ਪੇਸ਼ਕਾਰੀ ਲਈ ਲਗਭਗ 0.3 ਵਰਗੀ ਘੱਟ cfg ਸੈਟਿੰਗ ਨੂੰ ਲਗਭਗ 0.7 ਜਾਂ ਇਸ ਤੋਂ ਵੱਧ ਅਤਿਰੰਜਨਾ ਨਾਲ ਮਿਲਾਓ; cfg ਨੂੰ ਲਗਭਗ 0.3 ਤੱਕ ਘਟਾਉਣ ਨਾਲ ਰੈਫ਼ਰੈਂਸ ਵੌਇਸ ਤੇਜ਼ ਬੋਲਣ ਵੇਲੇ ਗਤੀ ਵੀ ਸੁਧਰ ਸਕਦੀ ਹੈ। ਆਮ ਸੈਟਿੰਗਾਂ 0.2–1.0 ਤੱਕ ਹੁੰਦੀਆਂ ਹਨ।
high_quality_audioਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟfalse
False ਨਾਲ 24kHz ਆਉਟਪੁੱਟ ਅਤੇ True ਨਾਲ 48kHz ਤੱਕ ਅੱਪਸਕੇਲ ਕੀਤੀ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੀ ਆਡੀਓ ਵਿੱਚੋਂ ਚੁਣੋ। ਅੱਪਸਕੇਲਿੰਗ ਚਾਲੂ ਕਰਨ ਨਾਲ ਸਿਰਜਣਾ ਦਾ ਸਮਾਂ ਵੱਧਦਾ ਹੈ।
seedਵਿਕਲਪਿਕ
ਕਿਸਮinteger
ਡਿਫ਼ਾਲਟ0
≥ 0
ਦੁਹਰਾਉਣਯੋਗ ਆਡੀਓ ਸਿਰਜਣਾ ਲਈ seed: 0 ਇੱਕ ਨੂੰ ਬੇਤਰਤੀਬੇ ਤੌਰ ’ਤੇ ਚੁਣਦਾ ਹੈ, ਜਦਕਿ ਜੇ ਹਰ ਹੋਰ ਗੁਣ ਅਣਬਦਲਿਆ ਰਹੇ ਤਾਂ ਨਿਰਧਾਰਤ seed ਬਿਲਕੁਲ ਉਹੀ ਆਡੀਓ ਫ਼ਾਈਲ ਦੁਬਾਰਾ ਤਿਆਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।
temperatureਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ0.8
0.05 – 5
ਸਿਰਜਣਾ ਦੀ ਬੇਤਰਤੀਬਤਾ, ਆਮ ਤੌਰ ’ਤੇ 0.05 ਤੋਂ 5 ਤੱਕ।
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": "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"
  }
}
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
anyਸਿਰਜਣਾ ਨਾਲ ਤਿਆਰ ਕੀਤੀ ਆਡੀਓ ਫ਼ਾਈਲ।

ਹੋਰ ਮਾਡਲ: ਟੈਕਸਟ ਤੋਂ ਬੋਲੀ

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