跳转到内容

Index TTS 2.0

集成

模型 id index-tts-2/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/index-tts-2/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"

每次运行最高 $0.06 按实际用量计费,剩余部分退款 在此页面运行

获取 API 密钥
bilibili 文本转语音 #text-to-speech

根据参考音色片段和文本进行语音合成,可通过音频、提示词或逐种情绪强度控制情绪

bilibili · 音频

你的第一个结果将在此显示

在下方构建请求,并使用你的 API 密钥运行。输出会复制到我们的存储中,可永久保存或免费保存 7 天。

构建请求

控件根据模型架构生成。更改控件时,代码和价格会同步更新。

•必填

要生成的语音提示词。

•必填 audio_url
拖放文件,或

用于生成语音的源音频文件。

高级 emotion_prompt · emotional_audio_url · strength · should_use_prompt_for_emotion · enable_safety_checker · emotional_strengths

情感风格指令,也需要使用 `should_use_prompt_for_emotion`。

拖放文件,或

用于提取情感风格的参考音频文件。

默认 1

风格迁移期间应用的情感影响,其强度随此设置增加而增强。

用于精细调整的各情绪强度值。

POST /run/index-tts-2/text-to-speech?wait=20 报价 → $0.06
# 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/index-tts-2/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"

运行此请求

你的密钥会保留在此浏览器中:仅发送到 Doitong API;只有勾选“记住”后才会保存到 localStorage。 获取 API 密钥

关于 Index TTS 2.0

使用 `audio_url` 指定的参考音频片段中的声音,为 `prompt` 中的文本生成语音。可通过 `emotional_audio_url` 从第二个片段借用情绪风格,并使用 `strength`(0 到 1)调整强度,或通过 `emotional_strengths` 设置。也可以启用 `should_use_prompt_for_emotion`,并选择提供单独的 `emotion_prompt`。音频以 base64 对象返回。

参数

发送规范名称或原生名称之一,不要同时发送两者。 规范名称

名称类型 默认值允许值 描述
audio_url必填 audio
类型url · audio
用于生成语音的源音频文件。
prompt必填
类型string
要生成的语音提示词。
emotional_audio_url可选
类型url · audio
用于提取情感风格的参考音频文件。
strength可选
类型number
默认值1
0 – 1
风格迁移期间应用的情感影响,其强度随此设置增加而增强。
emotional_strengths可选
类型object
用于精细调整的各情绪强度值。
emotional_strengths.happy可选
类型number
默认值0
0 – 1
快乐情绪的强度。
emotional_strengths.angry可选
类型number
默认值0
0 – 1
愤怒情绪的强度。
emotional_strengths.sad可选
类型number
默认值0
0 – 1
悲伤情绪的强度。
emotional_strengths.afraid可选
类型number
默认值0
0 – 1
恐惧情绪的强度。
emotional_strengths.disgusted可选
类型number
默认值0
0 – 1
厌恶情绪的强度。
emotional_strengths.melancholic可选
类型number
默认值0
0 – 1
忧郁情绪的强度。
emotional_strengths.surprised可选
类型number
默认值0
0 – 1
惊讶情绪的强度。
emotional_strengths.calm可选
类型number
默认值0
0 – 1
平静情绪的强度。
should_use_prompt_for_emotion可选
类型boolean | null
默认值false
启用后,基于提示词的情绪计算会替代显式的 `emotional_strengths`。如果提供了 `emotion_prompt`,情感风格来自该参数,否则来自 `prompt`。
emotion_prompt可选
类型string | null
情感风格指令,也需要使用 `should_use_prompt_for_emotion`。
enable_safety_checker可选
类型boolean
默认值true
调用方获得授权后,可将其设置为 false 以放宽审核。
必填 规范名称,也可接受

文件参数接受公开的 https:// URL、最大 10 MB 的 data: URI,或上传文件的 file_url。 文件

输出

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "index-tts-2/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": 60,
    "usd": "0.06",
    "charged": 60,
    "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
    }
  },
  "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"
  }
}
你的文件,由你选择每个 outputs[].url 都是存储中的副本:可永久保存(按 GB-月付费),也可免费保存 7 天,由账户设置或 ?storage= 决定。
每个模型的结构相同图像、视频和音频均包含 type、url、content_type、width、height 和 duration。output 是模型自身的结果对象。
输出字段
audio
object {url, content_type, file_name, file_size}以 base64 格式编码的生成音频。

对于 AI 代理:此页面的 Markdown 版本位于 https://doitong.com/zh/developers/models/index-tts-2/text-to-speech.md. 所有模型和指南: https://doitong.com/developers/llms.txt