Ir para o conteúdo

Chatterboxhd · Text to Speech

Integrar

ID do modelo 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"

Arquivos como o exemplo: $ 0,011 11 créditos de API · ≈ ₽ 1,18 seus arquivos são medidos antes da execução Executar nesta página

Obter chave de API
Resemble AI Texto para fala

Texto para fala expressivo com vozes predefinidas, clonagem zero-shot a partir de uma amostra e áudio opcional de 48 kHz

Resemble AI · 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.

padrão My name is Maximus De...

Conteúdo de texto a ser convertido em áudio falado.

Avançado audio · voice · exaggeration · cfg · temperature · seed · high_quality_audio
audio_url
Solte um arquivo ou

URL de amostra para clonagem de voz em TTS zero-shot, com prioridade sobre a configuração voice. A seleção aleatória de voz aplica-se somente quando audio_url e voice estão ausentes.

Selecione a voz TTS ou omita voice e áudio para permitir que o sistema escolha uma aleatoriamente.

padrão 0.5

Grau de exagero emocional, normalmente variando de 0.25 a 2.0.

padrão 0.5

Intensidade de condicionamento definida por orientação sem classificador (CFG). Para uma interpretação expressiva ou dramática, combine uma configuração cfg baixa, como aproximadamente 0.3, com exagero de cerca de 0.7 ou mais; reduzir cfg para aproximadamente 0.3 também pode melhorar o ritmo quando a voz de referência fala rapidamente. As configurações típicas variam de 0.2 a 1.0.

padrão 0.8

Aleatoriedade da geração, normalmente variando de 0.05 a 5.

padrão 0

Seed para geração de áudio reproduzível: 0 seleciona um aleatoriamente, enquanto um seed fixo deve reproduzir exatamente o mesmo arquivo de áudio se todas as outras propriedades permanecerem inalteradas.

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

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 Chatterboxhd · Text to Speech

Gera fala a partir de `text` usando uma `voice` predefinida (Aurora, Blade, Britney, Carl, Cliff, Richard, Rico, Siobhan or Vicky) ou uma voz clonada de `audio_url`, que substitui a predefinição. `exaggeration` (0.25 to 2) e `cfg` controlam a emoção, enquanto `temperature` e `seed` controlam a variação. `high_quality_audio` aumenta a saída de 24 kHz para 48 kHz.

Parâmetros

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

NomeTipo PadrãoPermitido Descrição
textopcional
Tipostring
PadrãoMy 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.
Conteúdo de texto a ser convertido em áudio falado.
voiceopcional
Tipoenum
AuroraBladeBritneyCarlCliffRichardRicoSiobhanVicky
Selecione a voz TTS ou omita voice e áudio para permitir que o sistema escolha uma aleatoriamente.
audio_urlopcional audio
Tipourl · audio
URL de amostra para clonagem de voz em TTS zero-shot, com prioridade sobre a configuração voice. A seleção aleatória de voz aplica-se somente quando audio_url e voice estão ausentes.
exaggerationopcional
Tiponumber
Padrão0.5
0,25 – 2
Grau de exagero emocional, normalmente variando de 0.25 a 2.0.
cfgopcional
Tiponumber
Padrão0.5
0 – 1
Intensidade de condicionamento definida por orientação sem classificador (CFG). Para uma interpretação expressiva ou dramática, combine uma configuração cfg baixa, como aproximadamente 0.3, com exagero de cerca de 0.7 ou mais; reduzir cfg para aproximadamente 0.3 também pode melhorar o ritmo quando a voz de referência fala rapidamente. As configurações típicas variam de 0.2 a 1.0.
high_quality_audioopcional
Tipoboolean
Padrãofalse
Escolha entre saída de 24kHz com False e áudio de maior qualidade convertido para 48kHz com True. Ativar o aumento de resolução aumenta o tempo de geração.
seedopcional
Tipointeger
Padrão0
≥ 0
Seed para geração de áudio reproduzível: 0 seleciona um aleatoriamente, enquanto um seed fixo deve reproduzir exatamente o mesmo arquivo de áudio se todas as outras propriedades permanecerem inalteradas.
temperatureopcional
Tiponumber
Padrão0.8
0,05 – 5
Aleatoriedade da geração, normalmente variando de 0.05 a 5.
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": "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"
  }
}
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
anyArquivo de áudio produzido pela geração.

Mais modelos: Texto para fala

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