שפּרינגען צו אינהאַלט

Chatterboxhd · Text to Speech

אינטעגרירן

מאָדעל־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"

פֿײַלן ווי דער בײַשפּיל: ⁨$ 0.011⁩ 11 API־קרעדיטן · ≈ ⁨₽ 1.18⁩ אײַערע פֿײַלן ווערן געמאסטן איידערן לויפֿן לויפֿן עס אויף דער דאָזיקער בלאַט

באַקומען אַן API שליסל
Resemble AI טעקסט צו רעדע

אויסדריקפֿולע טעקסט־צו־רייד מיט פּריסעט־קולות, zero-shot קלאָנינג פֿון אַ מוסטער און אָפּציאָנעלער 48 kHz אַודיאָ

Resemble AI · אַודיאָ

דאָ קומט אײַער ערשטער רעזולטאַט

בויט אונטן אַ בקשה און לויפט זי מיט אײַער API שליסל. רעזולטאַטן ווערן קאַפּירט צו אונדזער סטאָרידזש, געהאַלטן אויף אייביק אָדער 7 טעג אומזיסט.

בויען אַ בעטן

קאָנטראָלן ווערן דזשענערירט פֿון דעם מאָדעל־סכעמע. דער קאָד און דער פּרײַז דערהײַנטיקן זיך ווען איר ענדערט זיי.

סטאַנדאַרט My name is Maximus De...

טעקסט־אינהאַלט צו פֿאַרוואַנדלען אין גערעדט אַודיאָ.

פֿאָרגעשריטן audio · voice · exaggeration · cfg · temperature · seed · high_quality_audio
audio_url
לייגט אַרײַן אַ טעקע, אָדער

URL פֿון אַ קול־קלאָנירונג־פּראָבע פֿאַר zero-shot TTS, מיט בילכערקייַט איבער voice. צופֿעליקער קול־אויסקלײַב גילט נאָר ווען ביידע audio_url און voice פֿעלן.

קלויב דעם TTS־קול, אָדער לאָז ביידע voice און אַודיאָ אויס כּדי דער סיסטעם זאָל אויסקלייבן איינעם צופֿעליק.

סטאַנדאַרט 0.5

גראַד פֿון עמאָציאָנעלער איבערטרײַבונג, געוויינטלעך פֿון 0.25 ביז 2.0.

סטאַנדאַרט 0.5

קאַנדישאַנינג־שטאַרקייט באַשטימט דורך classifier-free guidance (CFG). פֿאַר אויסדרוקספֿולע אָדער דראַמאַטישע רייד, פֿאַרבינד אַ נידעריקן cfg־באַשטעטיקונג, למשל בערך 0.3, מיט איבערטרײַבונג פֿון בערך 0.7 אָדער מער; אַ נידעריקער cfg קען אויך פֿאַרבעסערן דעם גאַנג בײַ שנעלער רייד. געוויינטלעכע באַשטעטיקונגען: 0.2–1.0.

סטאַנדאַרט 0.8

צופֿעליקייט פֿון גענערירונג, געוויינטלעך פֿון 0.05 ביז 5.

סטאַנדאַרט 0

Seed פֿאַר איבערחזרבאַרע אַודיאָ־גענערירונג: 0 קלויבט איינעם צופֿעליק, בשעת אַ פֿעסטיקט seed זאָל שאַפֿן גענוי דעם זעלבן אַודיאָ־פֿײַל אויב אַלץ אַנדערש בלײַבט אומגעענדערט.

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

לויפֿן דעם ריקוועסט

אײַער key בלײַבט אין דעם בלעטערער: זי ווערט געשיקט נאָר צום Doitong API און אָפּגעהיט (localStorage) נאָר אויב איר טיקט אָן געדענקען. באַקומען אַן API שליסל

וועגן Chatterboxhd · Text to Speech

דזשענערירט רייד פֿון `text` מיט אַ פּריסעט `voice` (Aurora, Blade, Britney, Carl, Cliff, Richard, Rico, Siobhan אָדער Vicky) אָדער אַ קלאָנטן קול פֿון `audio_url`, וואָס איבערדריקט דעם פּריסעט. `exaggeration` (0.25 ביז 2) און `cfg` קאָנטראָלירן עמאָציע, און `temperature` און `seed` קאָנטראָלירן וואַריאַציע. `high_quality_audio` הייבט דעם אויסגאַנג פֿון 24 kHz אויף 48 kHz.

פּאַראַמעטערס

שיקט אָדער דעם קאַנאָנישן נאָמען אָדער דעם נאַטיוון נאָמען, נישט ביידע. קאַנאָנישע נעמען

נאָמעןטיפּ סטאַנדאַרטערלויבט באַשרײַבונג
textאָפּציאָנעל
טיפּstring
סטאַנדאַרטMy 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.
טעקסט־אינהאַלט צו פֿאַרוואַנדלען אין גערעדט אַודיאָ.
voiceאָפּציאָנעל
טיפּenum
AuroraBladeBritneyCarlCliffRichardRicoSiobhanVicky
קלויב דעם TTS־קול, אָדער לאָז ביידע voice און אַודיאָ אויס כּדי דער סיסטעם זאָל אויסקלייבן איינעם צופֿעליק.
audio_urlאָפּציאָנעל audio
טיפּurl · audio
URL פֿון אַ קול־קלאָנירונג־פּראָבע פֿאַר zero-shot TTS, מיט בילכערקייַט איבער voice. צופֿעליקער קול־אויסקלײַב גילט נאָר ווען ביידע audio_url און voice פֿעלן.
exaggerationאָפּציאָנעל
טיפּnumber
סטאַנדאַרט0.5
0.25 – 2
גראַד פֿון עמאָציאָנעלער איבערטרײַבונג, געוויינטלעך פֿון 0.25 ביז 2.0.
cfgאָפּציאָנעל
טיפּnumber
סטאַנדאַרט0.5
0 – 1
קאַנדישאַנינג־שטאַרקייט באַשטימט דורך classifier-free guidance (CFG). פֿאַר אויסדרוקספֿולע אָדער דראַמאַטישע רייד, פֿאַרבינד אַ נידעריקן cfg־באַשטעטיקונג, למשל בערך 0.3, מיט איבערטרײַבונג פֿון בערך 0.7 אָדער מער; אַ נידעריקער cfg קען אויך פֿאַרבעסערן דעם גאַנג בײַ שנעלער רייד. געוויינטלעכע באַשטעטיקונגען: 0.2–1.0.
high_quality_audioאָפּציאָנעל
טיפּboolean
סטאַנדאַרטfalse
קלויב 24kHz רעזולטאַט מיט False אָדער העכערע קוואַליטעט, אויפֿגעסקיילט צו 48kHz, מיט True. Upscaling פֿאַרלענגערט גענערירונג־צײַט.
seedאָפּציאָנעל
טיפּinteger
סטאַנדאַרט0
≥ 0
Seed פֿאַר איבערחזרבאַרע אַודיאָ־גענערירונג: 0 קלויבט איינעם צופֿעליק, בשעת אַ פֿעסטיקט seed זאָל שאַפֿן גענוי דעם זעלבן אַודיאָ־פֿײַל אויב אַלץ אַנדערש בלײַבט אומגעענדערט.
temperatureאָפּציאָנעל
טיפּnumber
סטאַנדאַרט0.8
0.05 – 5
צופֿעליקייט פֿון גענערירונג, געוויינטלעך פֿון 0.05 ביז 5.
פארלאנגט קאַנאָנישער נאָמען, אויך אַקצעפּטירט

טעקע־פּאַראַמעטערס נעמען אַן עפֿנטלעכע https:// URL, אַ data: URI ביז 10 MB, אָדער דעם file_url פֿון אַן אַרויפֿלאָד. טעקעס

אויסגאַבע

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"
  }
}
אייער טעקעס, אייער ברירהיעדער outputs[].url איז אַ קאַפּיע אין אונדזער סטאָרידזש: געהאַלטן אויף אייביק (באַצאָלט פּער GB־חודש) אָדער 7 טעג אומזיסט, לויט אײַער חשבון־באַשטעטיקונג אָדער ?storage=.
דער זעלבער פֿאָרעם בײַ יעדן מאָדעלtype, url, content_type, width, height און duration, סײַ פֿאַר בילדער, ווידעאָ און אַודיאָ. output איז דער אייגענער רעזולטאַט־אָביעקט פֿון מאָדעל.
פֿעלדער פֿון דער אויסגאַבע
audio
anyאַודיאָ־פֿײַל געשאַפֿן דורך גענערירונג.

מער מאָדעלן: טעקסט צו רעדע

פֿאַר AI־אַגענטן: דער בלאַט ווי Markdown געפֿינט זיך בײַ https://doitong.com/yi/developers/models/resemble-ai/chatterboxhd/text-to-speech.md. אַלע מאָדעלן און גוידעס: https://doitong.com/developers/llms.txt