Hoppa till innehåll

Chatterboxhd · Text to Speech

Integrera

Modell-id 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"

Filer som exemplet: 0,011 $ 11 API-krediter · ≈ 1,18 ₽ dina filer mäts innan körningen Kör den på den här sidan

Hämta API-nyckel
Resemble AI Text till tal

Uttrycksfullt text-till-tal med förinställda röster, zero-shot-kloning från ett prov och valfritt 48 kHz-ljud

Resemble AI · Ljud

Ditt första resultat visas här

Skapa en begäran nedan och kör den med din API-nyckel. Utdata kopieras till vår lagring och sparas för alltid eller 7 dagar kostnadsfritt.

Skapa en begäran

Kontrollerna genereras från modellschemat. Koden och priset uppdateras när du ändrar dem.

standard My name is Maximus De...

Textinnehåll som ska konverteras till talat ljud.

Avancerat audio · voice · exaggeration · cfg · temperature · seed · high_quality_audio
audio_url
Släpp en fil eller

URL till ett röstkloningsprov för zero-shot-TTS, med företräde framför röstinställningen. Slumpmässigt röstval gäller endast om både audio_url och voice saknas.

Välj TTS-rösten eller utelämna både voice och ljud för att låta systemet välja en slumpmässigt.

standard 0.5

Grad av känslomässig överdrift, vanligtvis från 0.25 till 2.0.

standard 0.5

Villkorsstyrka som ställs in genom classifier-free guidance (CFG). För uttrycksfull eller dramatisk leverans kombinerar du en låg cfg-inställning, till exempel cirka 0.3, med överdrift på cirka 0.7 eller mer; att minska cfg till cirka 0.3 kan också förbättra tempot när referensrösten talar snabbt. Typiska inställningar sträcker sig över 0.2–1.0.

standard 0.8

Genereringsslump, vanligtvis från 0.05 till 5.

standard 0

Seed för upprepningsbar ljudgenerering: 0 väljer en slumpmässigt, medan en fast seed bör återskapa exakt samma ljudfil om alla andra egenskaper är oförändrade.

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

Kör den här begäran

Din nyckel stannar i den här webbläsaren: den skickas endast till Doitong API och sparas endast i localStorage om du markerar Kom ihåg. Hämta en API-nyckel

Om Chatterboxhd · Text to Speech

Genererar tal från `text` med en förinställd `voice` (Aurora, Blade, Britney, Carl, Cliff, Richard, Rico, Siobhan or Vicky) eller en klonad röst från `audio_url`, som ersätter den förinställda. `exaggeration` (0.25 to 2) och `cfg` styr känslan, medan `temperature` och `seed` styr variationen. `high_quality_audio` höjer utdata från 24 kHz till 48 kHz.

Parametrar

Skicka antingen det kanoniska namnet eller det inbyggda namnet, inte båda. Kanoniska namn

NamnTyp StandardTillåtna Beskrivning
textvalfritt
Typstring
StandardMy 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.
Textinnehåll som ska konverteras till talat ljud.
voicevalfritt
Typenum
AuroraBladeBritneyCarlCliffRichardRicoSiobhanVicky
Välj TTS-rösten eller utelämna både voice och ljud för att låta systemet välja en slumpmässigt.
audio_urlvalfritt audio
Typurl · audio
URL till ett röstkloningsprov för zero-shot-TTS, med företräde framför röstinställningen. Slumpmässigt röstval gäller endast om både audio_url och voice saknas.
exaggerationvalfritt
Typnumber
Standard0.5
0,25 – 2
Grad av känslomässig överdrift, vanligtvis från 0.25 till 2.0.
cfgvalfritt
Typnumber
Standard0.5
0 – 1
Villkorsstyrka som ställs in genom classifier-free guidance (CFG). För uttrycksfull eller dramatisk leverans kombinerar du en låg cfg-inställning, till exempel cirka 0.3, med överdrift på cirka 0.7 eller mer; att minska cfg till cirka 0.3 kan också förbättra tempot när referensrösten talar snabbt. Typiska inställningar sträcker sig över 0.2–1.0.
high_quality_audiovalfritt
Typboolean
Standardfalse
Välj utdata med 24kHz med False eller ljud med högre kvalitet som skalas upp till 48kHz med True. Uppskalning ökar genereringstiden.
seedvalfritt
Typinteger
Standard0
≥ 0
Seed för upprepningsbar ljudgenerering: 0 väljer en slumpmässigt, medan en fast seed bör återskapa exakt samma ljudfil om alla andra egenskaper är oförändrade.
temperaturevalfritt
Typnumber
Standard0.8
0,05 – 5
Genereringsslump, vanligtvis från 0.05 till 5.
obligatoriskt Kanoniskt namn, accepteras också

Filparametrar tar emot en offentlig https://-URL, en data:-URI på upp till 10 MB eller file_url från en uppladdning. Filer

Resultat

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"
  }
}
Dina filer, ditt valVarje outputs[].url är en kopia i vår lagring: sparad för alltid (debiteras per GB-månad) eller 7 dagar kostnadsfritt, enligt din kontoinställning eller ?storage=.
Samma struktur för varje modelltype, url, content_type, width, height och duration, för bilder, video och ljud. output är modellens eget resultatobjekt.
Resultatets fält
audio
anyLjudfil som skapats genom generering.

Fler modeller: Text till tal

För AI-agenter: den här sidan som Markdown finns på https://doitong.com/sv/developers/models/resemble-ai/chatterboxhd/text-to-speech.md. Alla modeller och guider: https://doitong.com/developers/llms.txt