Avançar 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 com base na utilização real, o restante é reembolsado Executar nesta página

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

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

bilibili · Áudio

O seu primeiro resultado aparece aqui

Crie um pedido abaixo e execute-o com a sua chave de API. As saídas são copiadas para o nosso armazenamento, guardadas para sempre ou durante 7 dias gratuitamente.

Criar um pedido

Os controlos são gerados a partir do esquema do modelo. O código e o preço são atualizados à medida que os altera.

•obrigatório

Prompt para a fala a gerar.

•obrigatório audio_url
Largue um ficheiro ou

Ficheiro de áudio de origem utilizado 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 requerem `should_use_prompt_for_emotion`.

Largue um ficheiro ou

Ficheiro de áudio de referência utilizado para extrair o estilo emocional.

predefinição 1

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

Valores de intensidade por emoção para um 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 este pedido

A sua chave permanece neste navegador: é enviada apenas para a Doitong API e guardada em localStorage apenas se selecionar 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 através de `emotional_audio_url`, escalado por `strength` (0 a 1), ou definido através de `emotional_strengths`. Em alternativa, ative `should_use_prompt_for_emotion`, opcionalmente com um `emotion_prompt` separado. O áudio é devolvido como um objeto base64.

Parâmetros

Envie o nome canónico ou o nome nativo, não ambos. Nomes canónicos

NomeTipo PredefiniçãoPermitido Descrição
audio_urlobrigatório audio
Tipourl · audio
Ficheiro de áudio de origem utilizado para gerar fala.
promptobrigatório
Tipostring
Prompt para a fala a gerar.
emotional_audio_urlopcional
Tipourl · audio
Ficheiro de áudio de referência utilizado para extrair o estilo emocional.
strengthopcional
Tiponumber
Predefinição1
0 – 1
A influência emocional aplicada durante a transferência de estilo aumenta com esta definição de intensidade.
emotional_strengthsopcional
Tipoobject
Valores de intensidade por emoção para um ajuste detalhado.
emotional_strengths.happyopcional
Tiponumber
Predefinição0
0 – 1
Intensidade da emoção de felicidade.
emotional_strengths.angryopcional
Tiponumber
Predefinição0
0 – 1
Intensidade da raiva.
emotional_strengths.sadopcional
Tiponumber
Predefinição0
0 – 1
Intensidade da tristeza.
emotional_strengths.afraidopcional
Tiponumber
Predefinição0
0 – 1
Intensidade do medo.
emotional_strengths.disgustedopcional
Tiponumber
Predefinição0
0 – 1
Intensidade do nojo.
emotional_strengths.melancholicopcional
Tiponumber
Predefinição0
0 – 1
Intensidade da melancolia.
emotional_strengths.surprisedopcional
Tiponumber
Predefinição0
0 – 1
Intensidade da surpresa.
emotional_strengths.calmopcional
Tiponumber
Predefinição0
0 – 1
Intensidade da tranquilidade.
should_use_prompt_for_emotionopcional
Tipoboolean | null
Predefiniçãofalse
Quando ativado, o cálculo da emoção baseado no prompt substitui `emotional_strengths` explícito. O estilo emocional vem de `emotion_prompt` se fornecido; caso contrário, de `prompt`.
emotion_promptopcional
Tipostring | null
Instruções de estilo emocional que também requerem `should_use_prompt_for_emotion`.
enable_safety_checkeropcional
Tipoboolean
Predefiniçãotrue
A filtragem pode ser flexibilizada definindo false, desde que o autor do pedido esteja autorizado.
obrigatório Nome canónico, também aceite

Os parâmetros de ficheiro aceitam um URL https:// público, um URI data: até 10 MB ou o file_url de um carregamento. Ficheiros

Resultado

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"
  }
}
Os seus ficheiros, a sua escolhaCada outputs[].url é uma cópia no nosso armazenamento: guardada para sempre (paga por GB-mês) ou durante 7 dias gratuitamente, conforme a definição da sua conta ou ?storage=.
A mesma estrutura em todos os modelostype, url, content_type, width, height e duration, tanto para imagens como para vídeo e áudio. output é o próprio objeto de resultado do modelo.
Campos do resultado
audio
object {url, content_type, file_name, file_size}Áudio gerado codificado no formato base64.

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