কনটেন্টে যান

Index TTS 2.0

ইন্টিগ্রেট করুন

মডেল 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"

প্রতি রান সর্বোচ্চ ০.০৬$ পর্যন্ত প্রকৃত ব্যবহার অনুযায়ী চার্জ করা হয়, বাকি অর্থ ফেরত দেওয়া হয় এই পেজে চালান

API কী পান

একটি রেফারেন্স ভয়েস ক্লিপ ও টেক্সট থেকে স্পিচ সংশ্লেষণ, অডিও, প্রম্পট বা প্রতিটি আবেগের শক্তির মাধ্যমে আবেগ নিয়ন্ত্রণসহ

bilibili · অডিও

আপনার প্রথম ফলাফল এখানে আসবে

নিচে একটি রিকোয়েস্ট তৈরি করে আপনার API কী দিয়ে চালান। আউটপুট আমাদের স্টোরেজে কপি করা হয়, চিরকাল বা বিনামূল্যে ৭ দিন পর্যন্ত রাখা হয়।

একটি অনুরোধ তৈরি করুন

মডেল স্কিমা থেকে কন্ট্রোল তৈরি করা হয়। এগুলো পরিবর্তন করলে কোড ও মূল্য আপডেট হয়।

•আবশ্যক

তৈরি করা স্পিচের জন্য প্রম্পট।

•আবশ্যক audio_url
একটি ফাইল ড্রপ করুন, অথবা

স্পিচ তৈরি করতে ব্যবহৃত উৎস অডিও ফাইল।

অ্যাডভান্সড emotion_prompt · emotional_audio_url · strength · should_use_prompt_for_emotion · enable_safety_checker · emotional_strengths

আবেগ-ভিত্তিক স্টাইলের নির্দেশনা, যার জন্য `should_use_prompt_for_emotion`-ও ব্যবহার করা আবশ্যক।

একটি ফাইল ড্রপ করুন, অথবা

আবেগের স্টাইল বের করতে ব্যবহৃত রেফারেন্স অডিও ফাইল।

ডিফল্ট 1

স্টাইল ট্রান্সফারের সময় প্রয়োগ করা আবেগের প্রভাব এই strength সেটিংয়ের সঙ্গে বাড়ে।

সূক্ষ্ম সমন্বয়ের জন্য প্রতিটি আবেগের intensity মান।

POST /run/index-tts-2/text-to-speech?wait=20 মূল্য → ০.০৬$
# 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"

এই অনুরোধ চালান

আপনার key এই ব্রাউজারেই থাকে: এটি শুধু Doitong API-তে পাঠানো হয় এবং Remember টিক দিলে কেবল localStorage-এ সংরক্ষিত হয়। একটি API কী পান

Index TTS 2.0 সম্পর্কে

`prompt`-এর টেক্সটের জন্য `audio_url`-এ দেওয়া রেফারেন্স ক্লিপের ভয়েস ব্যবহার করে স্পিচ জেনারেট করে। `emotional_audio_url` দিয়ে দ্বিতীয় ক্লিপ থেকে আবেগের স্টাইল নেওয়া যায়, যা `strength` (0 থেকে 1) দিয়ে স্কেল করা যায়, অথবা `emotional_strengths`-এর মাধ্যমে সেট করা যায়। বিকল্পভাবে, `should_use_prompt_for_emotion` সক্রিয় করা যায়, প্রয়োজনে আলাদা `emotion_prompt`-সহ। অডিওটি base64 অবজেক্ট হিসেবে ফেরত আসে।

প্যারামিটার

ক্যানোনিকাল নাম অথবা নেটিভ নাম—দুটো একসঙ্গে নয়—পাঠান। ক্যানোনিকাল নামগুলো

নামধরন ডিফল্টঅনুমোদিত বিবরণ
audio_urlআবশ্যক audio
ধরনurl · audio
স্পিচ তৈরি করতে ব্যবহৃত উৎস অডিও ফাইল।
promptআবশ্যক
ধরনstring
তৈরি করা স্পিচের জন্য প্রম্পট।
emotional_audio_urlঐচ্ছিক
ধরনurl · audio
আবেগের স্টাইল বের করতে ব্যবহৃত রেফারেন্স অডিও ফাইল।
strengthঐচ্ছিক
ধরনnumber
ডিফল্ট1
০ – ১
স্টাইল ট্রান্সফারের সময় প্রয়োগ করা আবেগের প্রভাব এই strength সেটিংয়ের সঙ্গে বাড়ে।
emotional_strengthsঐচ্ছিক
ধরনobject
সূক্ষ্ম সমন্বয়ের জন্য প্রতিটি আবেগের intensity মান।
emotional_strengths.happyঐচ্ছিক
ধরনnumber
ডিফল্ট0
০ – ১
সুখের আবেগের intensity।
emotional_strengths.angryঐচ্ছিক
ধরনnumber
ডিফল্ট0
০ – ১
রাগের intensity।
emotional_strengths.sadঐচ্ছিক
ধরনnumber
ডিফল্ট0
০ – ১
দুঃখের intensity।
emotional_strengths.afraidঐচ্ছিক
ধরনnumber
ডিফল্ট0
০ – ১
ভয়ের intensity।
emotional_strengths.disgustedঐচ্ছিক
ধরনnumber
ডিফল্ট0
০ – ১
বিতৃষ্ণার intensity।
emotional_strengths.melancholicঐচ্ছিক
ধরনnumber
ডিফল্ট0
০ – ১
বিষণ্ণতার intensity।
emotional_strengths.surprisedঐচ্ছিক
ধরনnumber
ডিফল্ট0
০ – ১
বিস্ময়ের intensity।
emotional_strengths.calmঐচ্ছিক
ধরনnumber
ডিফল্ট0
০ – ১
শান্তির intensity।
should_use_prompt_for_emotionঐচ্ছিক
ধরনboolean | null
ডিফল্টfalse
সক্রিয় থাকলে প্রম্পট-ভিত্তিক emotion calculation স্পষ্ট `emotional_strengths`-এর পরিবর্তে ব্যবহৃত হয়। `emotion_prompt` দেওয়া থাকলে আবেগের স্টাইল সেখান থেকে, অন্যথায় `prompt` থেকে নেওয়া হয়।
emotion_promptঐচ্ছিক
ধরনstring | null
আবেগ-ভিত্তিক স্টাইলের নির্দেশনা, যার জন্য `should_use_prompt_for_emotion`-ও ব্যবহার করা আবশ্যক।
enable_safety_checkerঐচ্ছিক
ধরনboolean
ডিফল্টtrue
কলকারী অনুমোদিত হলে false সেট করে স্ক্রিনিং শিথিল করা যায়।
আবশ্যক ক্যানোনিকাল নাম, এটিও গ্রহণযোগ্য

ফাইল প্যারামিটার হিসেবে একটি পাবলিক https:// URL, 10 MB পর্যন্ত একটি data: URI, অথবা আপলোডের file_url গ্রহণ করা হয়। ফাইল

আউটপুট

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"
  }
}
আপনার ফাইল, আপনার পছন্দপ্রতিটি outputs[].url আমাদের স্টোরেজে একটি কপি: চিরকাল রাখা হয় (প্রতি GB-মাস অনুযায়ী অর্থপ্রদত্ত) অথবা অ্যাকাউন্ট সেটিংস বা ?storage= অনুযায়ী বিনামূল্যে ৭ দিন পর্যন্ত।
প্রতিটি মডেলে একই গঠনছবি, ভিডিও এবং অডিও—সব ক্ষেত্রেই type, url, content_type, width, height এবং duration। output হলো মডেলের নিজস্ব ফলাফল অবজেক্ট।
আউটপুটের ফিল্ড
audio
object {url, content_type, file_name, file_size}জেনারেট করা অডিও base64 ফরম্যাটে এনকোড করা হয়েছে।

AI এজেন্টদের জন্য: এই পৃষ্ঠাটি Markdown হিসেবে এখানে আছে https://doitong.com/bn/developers/models/index-tts-2/text-to-speech.md. সব মডেল ও গাইড: https://doitong.com/developers/llms.txt