Ir para o conteúdo

Index TTS 2.0

Integrar

ID do modelo 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"

Até $ 0,06 por execução cobrado pelo uso real, o restante é reembolsado Executar nesta página

Obter chave de API
bilibili Texto para fala #text-to-speech

Síntese de fala a partir de um clipe de voz de referência e texto, com controle de emoção por áudio, prompt ou intensidades por emoção

bilibili · Áudio

Seu primeiro resultado aparecerá aqui

Monte uma requisição abaixo e execute-a com sua chave de API. As saídas são copiadas para nosso armazenamento, mantidas para sempre ou por 7 dias gratuitamente.

Criar uma solicitação

Os controles são gerados a partir do esquema do modelo. O código e o preço são atualizados conforme você os altera.

•obrigatório

Prompt para a fala a ser gerada.

•obrigatório audio_url
Solte um arquivo ou

Arquivo de áudio de origem usado para gerar fala.

Avançado emotion_prompt · emotional_audio_url · strength · should_use_prompt_for_emotion · enable_safety_checker · emotional_strengths

Instruções de estilo emocional que também exigem o uso de `should_use_prompt_for_emotion`.

Solte um arquivo ou

Arquivo de áudio de referência usado para extrair o estilo emocional.

padrão 1

A influência emocional aplicada durante a transferência de estilo aumenta com esta configuração de intensidade.

Valores de intensidade por emoção para ajuste detalhado.

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

Executar esta solicitação

Sua chave permanece neste navegador: ela é enviada somente à Doitong API e salva (localStorage) apenas se você marcar Lembrar. Obter uma chave de API

Sobre Index TTS 2.0

Gera fala para o texto em `prompt` usando a voz do clipe de referência fornecido em `audio_url`. O estilo emocional pode ser obtido de um segundo clipe com `emotional_audio_url`, escalado por `strength` (0 a 1) ou definido por `emotional_strengths`. Como alternativa, ative `should_use_prompt_for_emotion`, opcionalmente com um `emotion_prompt` separado. O áudio é retornado como um objeto base64.

Parâmetros

Envie o nome canônico ou o nome nativo, não ambos. Nomes canônicos

NomeTipo PadrãoPermitido Descrição
audio_urlobrigatório audio
Tipourl · audio
Arquivo de áudio de origem usado para gerar fala.
promptobrigatório
Tipostring
Prompt para a fala a ser gerada.
emotional_audio_urlopcional
Tipourl · audio
Arquivo de áudio de referência usado para extrair o estilo emocional.
strengthopcional
Tiponumber
Padrão1
0 – 1
A influência emocional aplicada durante a transferência de estilo aumenta com esta configuração de intensidade.
emotional_strengthsopcional
Tipoobject
Valores de intensidade por emoção para ajuste detalhado.
emotional_strengths.happyopcional
Tiponumber
Padrão0
0 – 1
Intensidade da emoção de felicidade.
emotional_strengths.angryopcional
Tiponumber
Padrão0
0 – 1
Intensidade da raiva.
emotional_strengths.sadopcional
Tiponumber
Padrão0
0 – 1
Intensidade da tristeza.
emotional_strengths.afraidopcional
Tiponumber
Padrão0
0 – 1
Intensidade do medo.
emotional_strengths.disgustedopcional
Tiponumber
Padrão0
0 – 1
Intensidade da repulsa.
emotional_strengths.melancholicopcional
Tiponumber
Padrão0
0 – 1
Intensidade da melancolia.
emotional_strengths.surprisedopcional
Tiponumber
Padrão0
0 – 1
Intensidade da surpresa.
emotional_strengths.calmopcional
Tiponumber
Padrão0
0 – 1
Intensidade da calma.
should_use_prompt_for_emotionopcional
Tipoboolean | null
Padrãofalse
O cálculo da emoção baseado no prompt substitui `emotional_strengths` explícito quando ativado. O estilo emocional vem de `emotion_prompt` se fornecido; caso contrário, de `prompt`.
emotion_promptopcional
Tipostring | null
Instruções de estilo emocional que também exigem o uso de `should_use_prompt_for_emotion`.
enable_safety_checkeropcional
Tipoboolean
Padrãotrue
A filtragem pode ser relaxada definindo false, desde que o chamador esteja autorizado.
obrigatório Nome canônico, também aceito

Os parâmetros de arquivo aceitam uma URL https:// pública, um URI data: de até 10 MB ou o file_url de um upload. Arquivos

Saída

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"
  }
}
Seus arquivos, sua escolhaCada outputs[].url é uma cópia em nosso armazenamento: mantida para sempre (cobrada por GB-mês) ou por 7 dias gratuitamente, conforme a configuração da sua conta ou ?storage=.
Mesmo formato em todos os modelostype, url, content_type, width, height e duration, para imagens, vídeos e áudios. output é o próprio objeto de resultado do modelo.
Campos da saída
audio
object {url, content_type, file_name, file_size}Áudio gerado codificado no formato base64.

Para agentes de IA: esta página em Markdown está em https://doitong.com/pt-BR/developers/models/index-tts-2/text-to-speech.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt