Ir para o conteúdo

Tada TTS 1B

Integrar

ID do modelo tada/1b/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/tada/1b/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"

Esta solicitação: $ 0,003 3 créditos de API · ≈ ₽ 0,32 Executar nesta página

Obter chave de API
Open model Texto para fala

Texto para fala com clonagem de voz a partir de um clipe de áudio de referência, variante 1B com dez idiomas

Open model · 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

Conteúdo da fala fornecido como texto; o locutor de referência fornece a voz usada para renderizá-lo.

•obrigatório audio_url
Solte um arquivo ou

Fonte de clonagem de voz fornecida como URL de arquivo de áudio, identificando o locutor cujas características vocais o modelo deve reproduzir.

Avançado output_format · transcript · language · num_extra_steps · temperature · top_p · repetition_penalty · acoustic_cfg_scale · noise_temperature · num_inference_steps · speed_up_factor · enable_safety_checker
output_format padrão wav

Formato de arquivo do áudio gerado.

padrão

Transcrição do áudio de referência, obrigatória para gravações em idiomas diferentes do inglês; a transcrição automática está integrada apenas para inglês.

padrão en

Código do idioma de alinhamento de texto, que deve corresponder ao idioma de síntese ao gerar fala em um idioma diferente do inglês.

padrão 0

Contagem extra de etapas autorregressivas para adicionar prosódia ou silêncio finais, continuando a fala além do texto fornecido.

padrão 0.6

Temperatura de amostragem dos tokens de texto: aumentá-la adiciona variedade à saída, e 0 ou menos não é permitido.

padrão 0.9

Configuração de amostragem Top-p (núcleo) usada para gerar texto.

padrão 1.1

Penalidade por repetição de tokens durante a geração da saída.

padrão 1.6

Intensidade de orientação sem classificador usada para gerar características acústicas.

padrão 0.9

Temperatura do ruído usada durante a difusão por correspondência de fluxo.

padrão 20

Contagem de etapas do solver ODE usada para gerar acústica por correspondência de fluxo.

padrão 1

Multiplicador da velocidade da fala: a fala gerada fica mais lenta abaixo de 1.0 e mais rápida acima de 1.0.

POST /run/tada/1b/text-to-speech?wait=20 cotação → $ 0,003
# 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/tada/1b/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 Tada TTS 1B

Fala o texto de `prompt` com a voz de um clipe de referência fornecido em `audio_url`. É necessária uma `transcript` da referência para áudios que não estejam em inglês. `language` aceita en, ar, ch, de, es, fr, it, ja, pl e pt. Os ajustes incluem `speed_up_factor` (0.5 a 2), `temperature`, `top_p` e `num_inference_steps`; a saída é wav ou mp3.

Parâmetros

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

NomeTipo PadrãoPermitido Descrição
audio_urlobrigatório audio
Tipourl · audio
Fonte de clonagem de voz fornecida como URL de arquivo de áudio, identificando o locutor cujas características vocais o modelo deve reproduzir.
transcriptopcional
Tipostring
Padrão
Transcrição do áudio de referência, obrigatória para gravações em idiomas diferentes do inglês; a transcrição automática está integrada apenas para inglês.
promptobrigatório
Tipostring
Conteúdo da fala fornecido como texto; o locutor de referência fornece a voz usada para renderizá-lo.
languageopcional
Tipoenum
Padrãoen
enarchdeesfritjaplpt
Código do idioma de alinhamento de texto, que deve corresponder ao idioma de síntese ao gerar fala em um idioma diferente do inglês.
num_extra_stepsopcional
Tipointeger
Padrão0
0 – 50
Contagem extra de etapas autorregressivas para adicionar prosódia ou silêncio finais, continuando a fala além do texto fornecido.
temperatureopcional
Tiponumber
Padrão0.6
≤ 2> 0
Temperatura de amostragem dos tokens de texto: aumentá-la adiciona variedade à saída, e 0 ou menos não é permitido.
top_popcional
Tiponumber
Padrão0.9
0 – 1
Configuração de amostragem Top-p (núcleo) usada para gerar texto.
repetition_penaltyopcional
Tiponumber
Padrão1.1
1 – 2
Penalidade por repetição de tokens durante a geração da saída.
acoustic_cfg_scaleopcional
Tiponumber
Padrão1.6
0 – 10
Intensidade de orientação sem classificador usada para gerar características acústicas.
noise_temperatureopcional
Tiponumber
Padrão0.9
0 – 2
Temperatura do ruído usada durante a difusão por correspondência de fluxo.
num_inference_stepsopcional
Tipointeger
Padrão20
1 – 50
Contagem de etapas do solver ODE usada para gerar acústica por correspondência de fluxo.
speed_up_factoropcional
Tiponumber
Padrão1
0,5 – 2
Multiplicador da velocidade da fala: a fala gerada fica mais lenta abaixo de 1.0 e mais rápida acima de 1.0.
output_formatopcional
Tipoenum
Padrãowav
wavmp3
Formato de arquivo do áudio gerado.
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": "tada/1b/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": 3,
    "usd": "0.003",
    "charged": 3,
    "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,
      "duration": 5,
      "channels": 1,
      "sample_rate": 1,
      "bitrate": "string"
    }
  },
  "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, duration, channels, sample_rate, bitrate}Arquivo de áudio contendo a fala sintetizada.

Mais modelos: Texto para fala

Para agentes de IA: esta página em Markdown está em https://doitong.com/pt-BR/developers/models/tada/1b/text-to-speech.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt