跳至內容

Tada TTS 1B

整合

模型 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"

此請求: $0.003 3 API 點數 · ≈ ₽0.32 在此頁面執行

取得 API 金鑰
Open model 文字轉語音

根據參考音訊片段進行聲音複製的文字轉語音,1B 版本支援十種語言

Open model · 音訊

您的第一個結果會顯示在這裡

在下方建立請求,並使用您的 API 金鑰執行。輸出會複製到我們的儲存空間,可永久保留或免費保留 7 天。

建立請求

控制項是根據模型結構描述生成的。變更設定時,程式碼和價格會同步更新。

•必填

以文字提供的語音內容;參考說話者提供用於轉換的聲音。

•必填 audio_url
拖放檔案,或

以音訊檔案 URL 提供的語音複製來源,用於識別模型應重現其聲音特徵的說話者。

進階 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 預設 wav

生成音訊的檔案格式。

預設

參考音訊的轉錄文字;對於英語以外語言的錄音必須提供,因為僅支援英語自動轉錄。

預設 en

文字對齊語言代碼;以英語以外的語言生成語音時,必須與合成語言相符。

預設 0

額外的自回歸步數,透過在提供的文字之後繼續語音來增加尾端韻律或靜音。

預設 0.6

文字 Token 取樣溫度:提高此值會增加輸出多樣性,不允許為 0 或更低。

預設 0.9

用於生成文字的 Top-p(nucleus)取樣設定。

預設 1.1

生成輸出時對 Token 重複的懲罰。

預設 1.6

用於生成聲學特徵的無分類器引導強度。

預設 0.9

流匹配擴散期間使用的噪音溫度。

預設 20

透過流匹配生成聲學內容時使用的 ODE solver 步數。

預設 1

語速倍率:低於 1.0 時生成語音會變慢,高於 1.0 時會變快。

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

執行此請求

您的金鑰會保留在此瀏覽器中:只會傳送至 Doitong API,且只有在勾選「記住」時才會儲存至 localStorage。 取得 API 金鑰

關於 Tada TTS 1B

使用 `audio_url` 提供的參考片段聲音朗讀 `prompt` 文字。非英文音訊需要提供參考音訊的 `transcript`。`language` 支援 en、ar、ch、de、es、fr、it、ja、pl 和 pt。可調整 `speed_up_factor`(0.5 到 2)、`temperature`、`top_p` 和 `num_inference_steps`;輸出格式為 wav 或 mp3。

參數

請傳送標準名稱或原生名稱其中之一,不要同時傳送兩者。 標準名稱

名稱類型 預設值允許值 說明
audio_url必填 audio
類型url · audio
以音訊檔案 URL 提供的語音複製來源,用於識別模型應重現其聲音特徵的說話者。
transcript選填
類型string
預設值
參考音訊的轉錄文字;對於英語以外語言的錄音必須提供,因為僅支援英語自動轉錄。
prompt必填
類型string
以文字提供的語音內容;參考說話者提供用於轉換的聲音。
language選填
類型enum
預設值en
enarchdeesfritjaplpt
文字對齊語言代碼;以英語以外的語言生成語音時,必須與合成語言相符。
num_extra_steps選填
類型integer
預設值0
0 – 50
額外的自回歸步數,透過在提供的文字之後繼續語音來增加尾端韻律或靜音。
temperature選填
類型number
預設值0.6
≤ 2> 0
文字 Token 取樣溫度:提高此值會增加輸出多樣性,不允許為 0 或更低。
top_p選填
類型number
預設值0.9
0 – 1
用於生成文字的 Top-p(nucleus)取樣設定。
repetition_penalty選填
類型number
預設值1.1
1 – 2
生成輸出時對 Token 重複的懲罰。
acoustic_cfg_scale選填
類型number
預設值1.6
0 – 10
用於生成聲學特徵的無分類器引導強度。
noise_temperature選填
類型number
預設值0.9
0 – 2
流匹配擴散期間使用的噪音溫度。
num_inference_steps選填
類型integer
預設值20
1 – 50
透過流匹配生成聲學內容時使用的 ODE solver 步數。
speed_up_factor選填
類型number
預設值1
0.5 – 2
語速倍率:低於 1.0 時生成語音會變慢,高於 1.0 時會變快。
output_format選填
類型enum
預設值wav
wavmp3
生成音訊的檔案格式。
enable_safety_checker選填
類型boolean
預設值true
在呼叫端獲得授權的情況下,將此值設為 false 可放寬審核。
必填 標準名稱,也可使用

檔案參數接受公開的 https:// URL、最大 10 MB 的 data: URI,或上傳檔案的 file_url。 檔案

輸出

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"
  }
}
您的檔案,由您選擇每個 outputs[].url 都是儲存空間中的副本:可永久保留(按 GB-月計費),或免費保留 7 天;可透過帳戶設定或 ?storage= 設定。
所有模型使用相同結構圖片、影片和音訊皆包含 type、url、content_type、width、height 和 duration。output 是模型自己的結果物件。
輸出欄位
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}包含合成語音的音訊檔案。

更多模型:文字轉語音

給 AI 代理程式:此頁面的 Markdown 位於 https://doitong.com/zh-TW/developers/models/tada/1b/text-to-speech.md. 所有模型與指南: https://doitong.com/developers/llms.txt