Avançar 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"

Este pedido: 0,003 $ 3 créditos da API · ≈ 0,32 ₽ Executar nesta página

Obter chave de API
Open model Texto para voz

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

Open model · 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

Conteúdo da fala fornecido como texto; o orador de referência fornece a voz usada para o reproduzir.

•obrigatório audio_url
Largue um ficheiro ou

Origem do clone de voz fornecida como URL de um ficheiro de áudio, identificando o orador 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 predefinição wav

Formato de ficheiro do áudio gerado.

predefinição

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

predefinição en

Código de idioma para alinhamento do texto, que tem de corresponder ao idioma de síntese ao gerar fala num idioma que não seja inglês.

predefinição 0

Contagem adicional de passos autorregressivos para adicionar prosódia final ou silêncio, continuando a fala para além do texto fornecido.

predefinição 0.6

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

predefinição 0.9

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

predefinição 1.1

Penalização pela repetição de tokens durante a geração da saída.

predefinição 1.6

Intensidade de orientação sem classificador usada para gerar características acústicas.

predefinição 0.9

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

predefinição 20

Contagem de passos do solver ODE usada para gerar acústica através de correspondência de fluxo.

predefinição 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 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 Tada TTS 1B

Lê o texto de `prompt` com a voz do clip de referência indicado por `audio_url`. É necessária uma `transcript` da referência para áudio não inglês. `language` suporta en, ar, ch, de, es, fr, it, ja, pl e pt. O ajuste inclui `speed_up_factor` (0.5 a 2), `temperature`, `top_p` e `num_inference_steps`; a saída é wav ou mp3.

Parâmetros

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

NomeTipo PredefiniçãoPermitido Descrição
audio_urlobrigatório audio
Tipourl · audio
Origem do clone de voz fornecida como URL de um ficheiro de áudio, identificando o orador cujas características vocais o modelo deve reproduzir.
transcriptopcional
Tipostring
Predefinição
Transcrição do áudio de referência, obrigatória para gravações em idiomas que não sejam inglês; a transcrição automática está integrada apenas para inglês.
promptobrigatório
Tipostring
Conteúdo da fala fornecido como texto; o orador de referência fornece a voz usada para o reproduzir.
languageopcional
Tipoenum
Predefiniçãoen
enarchdeesfritjaplpt
Código de idioma para alinhamento do texto, que tem de corresponder ao idioma de síntese ao gerar fala num idioma que não seja inglês.
num_extra_stepsopcional
Tipointeger
Predefinição0
0 – 50
Contagem adicional de passos autorregressivos para adicionar prosódia final ou silêncio, continuando a fala para além do texto fornecido.
temperatureopcional
Tiponumber
Predefinição0.6
≤ 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
Predefinição0.9
0 – 1
Definição de amostragem Top-p (núcleo) usada para gerar texto.
repetition_penaltyopcional
Tiponumber
Predefinição1.1
1 – 2
Penalização pela repetição de tokens durante a geração da saída.
acoustic_cfg_scaleopcional
Tiponumber
Predefinição1.6
0 – 10
Intensidade de orientação sem classificador usada para gerar características acústicas.
noise_temperatureopcional
Tiponumber
Predefinição0.9
0 – 2
Temperatura do ruído usada durante a difusão por correspondência de fluxo.
num_inference_stepsopcional
Tipointeger
Predefinição20
1 – 50
Contagem de passos do solver ODE usada para gerar acústica através de correspondência de fluxo.
speed_up_factoropcional
Tiponumber
Predefinição1
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
Predefiniçãowav
wavmp3
Formato de ficheiro do áudio gerado.
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": "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"
  }
}
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, duration, channels, sample_rate, bitrate}Ficheiro de áudio que contém a fala sintetizada.

Mais modelos: Texto para voz

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