Avançar 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"

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

Obter chave de API
Resemble AI Texto para voz

Conversão expressiva de texto em voz com vozes predefinidas, clonagem zero-shot a partir de uma amostra e áudio opcional de 48 kHz

Resemble AI · 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.

predefinição My name is Maximus De...

Conteúdo de texto a converter em áudio falado.

Avançado audio · voice · exaggeration · cfg · temperature · seed · high_quality_audio
audio_url
Largue um ficheiro ou

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

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

predefinição 0.5

Grau de exagero emocional, normalmente entre 0.25 e 2.0.

predefinição 0.5

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

predefinição 0.8

Aleatoriedade da geração, normalmente entre 0.05 e 5.

predefinição 0

Seed para geração de áudio repetível: 0 escolhe uma aleatoriamente, enquanto uma seed fixa deve reproduzir exatamente o mesmo ficheiro 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 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 Chatterboxhd · Text to Speech

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

Parâmetros

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

NomeTipo PredefiniçãoPermitido Descrição
textopcional
Tipostring
PredefiniçãoMy 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 converter 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 definição voice. A seleção aleatória de voz aplica-se apenas quando audio_url e voice estão ausentes.
exaggerationopcional
Tiponumber
Predefinição0.5
0,25 – 2
Grau de exagero emocional, normalmente entre 0.25 e 2.0.
cfgopcional
Tiponumber
Predefinição0.5
0 – 1
Intensidade de condicionamento definida através de orientação sem classificador (CFG). Para uma interpretação expressiva ou dramática, combine uma definição cfg baixa, como aproximadamente 0.3, com um exagero de cerca de 0.7 ou superior; reduzir cfg para aproximadamente 0.3 também pode melhorar o ritmo quando a voz de referência fala rapidamente. As definições típicas variam entre 0.2–1.0.
high_quality_audioopcional
Tipoboolean
Predefiniçãofalse
Escolha entre uma saída de 24kHz com False e áudio de maior qualidade aumentado para 48kHz com True. Ativar o aumento de resolução aumenta o tempo de geração.
seedopcional
Tipointeger
Predefinição0
≥ 0
Seed para geração de áudio repetível: 0 escolhe uma aleatoriamente, enquanto uma seed fixa deve reproduzir exatamente o mesmo ficheiro de áudio se todas as outras propriedades permanecerem inalteradas.
temperatureopcional
Tiponumber
Predefinição0.8
0,05 – 5
Aleatoriedade da geração, normalmente entre 0.05 e 5.
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": "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"
  }
}
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
anyFicheiro de áudio produzido pela geração.

Mais modelos: Texto para voz

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