Hoppa till innehåll

Tada TTS 1B

Integrera

Modell-id 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"

Den här begäran: 0,003 $ 3 API-krediter · ≈ 0,32 ₽ Kör den på den här sidan

Hämta API-nyckel
Open model Text till tal

Text-till-tal med röstkloning från ett referensljudklipp, 1B-variant med tio språk

Open model · 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.

•obligatoriskt

Talets innehåll som tillhandahålls som text; referenstalaren tillhandahåller rösten som används för att återge det.

•obligatoriskt audio_url
Släpp en fil eller

Källa för röstkloning som tillhandahålls som en URL till en ljudfil och identifierar talaren vars röstegenskaper modellen ska återskapa.

Avancerat 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 standard wav

Filformat för det genererade ljudet.

standard

Transkribering av referensljudet som måste tillhandahållas för inspelningar på andra språk än engelska; automatisk transkribering är inbyggd endast för engelska.

standard en

Språkkod för textjustering, som måste motsvara syntesspråket när tal genereras på ett annat språk än engelska.

standard 0

Extra antal autoregressiva steg för att lägga till avslutande prosodi eller tystnad genom att fortsätta talet efter den angivna texten.

standard 0.6

Samplings-temperatur för texttoken: en höjning ger större variation i utdata, och 0 eller lägre är inte tillåtet.

standard 0.9

Top-p-inställning (nukleär sampling) som används för att generera text.

standard 1.1

Straff för token-upprepning under generering av utdata.

standard 1.6

Klassificerarfri vägledningsstyrka som används för att generera akustiska egenskaper.

standard 0.9

Brustemperatur som används under flow-matching-diffusion.

standard 20

Antal ODE-lösarsteg som används för att generera akustik genom flow matching.

standard 1

Multiplikator för talhastighet: genererat tal blir långsammare under 1.0 och snabbare över 1.0.

POST /run/tada/1b/text-to-speech?wait=20 pris → 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"

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 Tada TTS 1B

Läser upp texten i `prompt` med rösten från ett referensklipp som anges med `audio_url`. En `transcript` av referensen krävs för ljud på andra språk än engelska. `language` stöder en, ar, ch, de, es, fr, it, ja, pl och pt. Inställningarna omfattar `speed_up_factor` (0.5 till 2), `temperature`, `top_p` och `num_inference_steps`; utdata är wav eller mp3.

Parametrar

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

NamnTyp StandardTillåtna Beskrivning
audio_urlobligatoriskt audio
Typurl · audio
Källa för röstkloning som tillhandahålls som en URL till en ljudfil och identifierar talaren vars röstegenskaper modellen ska återskapa.
transcriptvalfritt
Typstring
Standard
Transkribering av referensljudet som måste tillhandahållas för inspelningar på andra språk än engelska; automatisk transkribering är inbyggd endast för engelska.
promptobligatoriskt
Typstring
Talets innehåll som tillhandahålls som text; referenstalaren tillhandahåller rösten som används för att återge det.
languagevalfritt
Typenum
Standarden
enarchdeesfritjaplpt
Språkkod för textjustering, som måste motsvara syntesspråket när tal genereras på ett annat språk än engelska.
num_extra_stepsvalfritt
Typinteger
Standard0
0 – 50
Extra antal autoregressiva steg för att lägga till avslutande prosodi eller tystnad genom att fortsätta talet efter den angivna texten.
temperaturevalfritt
Typnumber
Standard0.6
≤ 2> 0
Samplings-temperatur för texttoken: en höjning ger större variation i utdata, och 0 eller lägre är inte tillåtet.
top_pvalfritt
Typnumber
Standard0.9
0 – 1
Top-p-inställning (nukleär sampling) som används för att generera text.
repetition_penaltyvalfritt
Typnumber
Standard1.1
1 – 2
Straff för token-upprepning under generering av utdata.
acoustic_cfg_scalevalfritt
Typnumber
Standard1.6
0 – 10
Klassificerarfri vägledningsstyrka som används för att generera akustiska egenskaper.
noise_temperaturevalfritt
Typnumber
Standard0.9
0 – 2
Brustemperatur som används under flow-matching-diffusion.
num_inference_stepsvalfritt
Typinteger
Standard20
1 – 50
Antal ODE-lösarsteg som används för att generera akustik genom flow matching.
speed_up_factorvalfritt
Typnumber
Standard1
0,5 – 2
Multiplikator för talhastighet: genererat tal blir långsammare under 1.0 och snabbare över 1.0.
output_formatvalfritt
Typenum
Standardwav
wavmp3
Filformat för det genererade ljudet.
enable_safety_checkervalfritt
Typboolean
Standardtrue
Granskningen kan lättas genom att ange false, om anroparen är behörig.
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": "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"
  }
}
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
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Ljudfil som innehåller det syntetiserade talet.

Fler modeller: Text till tal

För AI-agenter: den här sidan som Markdown finns på https://doitong.com/sv/developers/models/tada/1b/text-to-speech.md. Alla modeller och guider: https://doitong.com/developers/llms.txt