Zum Inhalt springen

Index TTS 2.0

Integrieren

Modell-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"

Bis zu 0,06 $ pro Ausführung Nach tatsächlicher Nutzung abgerechnet, der Rest wird erstattet Auf dieser Seite ausführen

API-Schlüssel abrufen
bilibili Text zu Sprache #text-to-speech

Sprachsynthese aus Referenzstimme und Text mit Emotionssteuerung per Audio, Prompt oder emotionsspezifischen Stärken

bilibili · Audio

Dein erstes Ergebnis erscheint hier

Erstelle unten eine Anfrage und führe sie mit deinem API-Schlüssel aus. Ausgaben werden in unseren Speicher kopiert und dauerhaft oder 7 Tage kostenlos aufbewahrt.

Anfrage erstellen

Die Steuerelemente werden aus dem Modellschema generiert. Code und Preis werden aktualisiert, während du sie änderst.

•erforderlich

Prompt für die zu generierende Sprache.

•erforderlich audio_url
Datei ablegen oder

Quelldatei mit Audio zur Sprachgenerierung.

Erweitert emotion_prompt · emotional_audio_url · strength · should_use_prompt_for_emotion · enable_safety_checker · emotional_strengths

Anweisungen für den emotionalen Stil, die zusätzlich `should_use_prompt_for_emotion` erfordern.

Datei ablegen oder

Referenzdatei mit Audio zur Extraktion des emotionalen Stils.

Standard 1

Der emotionale Einfluss bei der Stilübertragung nimmt mit diesem Stärkewert zu.

Intensitätswerte pro Emotion zur feingranularen Anpassung.

POST /run/index-tts-2/text-to-speech?wait=20 Preis → 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"

Diese Anfrage ausführen

Dein Schlüssel bleibt in diesem Browser: Er wird nur an die Doitong API gesendet und nur gespeichert (localStorage), wenn du „Merken“ aktivierst. API-Schlüssel abrufen

Über Index TTS 2.0

Erzeugt Sprache für den Text in `prompt` und verwendet die Stimme des Referenzclips unter `audio_url`. Der emotionale Stil kann aus einem zweiten Clip unter `emotional_audio_url` übernommen und mit `strength` (0 bis 1) skaliert oder über `emotional_strengths` festgelegt werden. Alternativ kann `should_use_prompt_for_emotion` aktiviert werden, optional mit einem separaten `emotion_prompt`. Das Audio wird als Base64-Objekt zurückgegeben.

Parameter

Sende entweder den kanonischen Namen oder den nativen Namen, nicht beide. Kanonische Namen

NameTyp StandardZulässig Beschreibung
audio_urlerforderlich audio
Typurl · audio
Quelldatei mit Audio zur Sprachgenerierung.
prompterforderlich
Typstring
Prompt für die zu generierende Sprache.
emotional_audio_urloptional
Typurl · audio
Referenzdatei mit Audio zur Extraktion des emotionalen Stils.
strengthoptional
Typnumber
Standard1
0 – 1
Der emotionale Einfluss bei der Stilübertragung nimmt mit diesem Stärkewert zu.
emotional_strengthsoptional
Typobject
Intensitätswerte pro Emotion zur feingranularen Anpassung.
emotional_strengths.happyoptional
Typnumber
Standard0
0 – 1
Intensität der Emotion Freude.
emotional_strengths.angryoptional
Typnumber
Standard0
0 – 1
Intensität der Wut.
emotional_strengths.sadoptional
Typnumber
Standard0
0 – 1
Intensität der Traurigkeit.
emotional_strengths.afraidoptional
Typnumber
Standard0
0 – 1
Intensität der Angst.
emotional_strengths.disgustedoptional
Typnumber
Standard0
0 – 1
Intensität des Ekels.
emotional_strengths.melancholicoptional
Typnumber
Standard0
0 – 1
Intensität der Melancholie.
emotional_strengths.surprisedoptional
Typnumber
Standard0
0 – 1
Intensität der Überraschung.
emotional_strengths.calmoptional
Typnumber
Standard0
0 – 1
Intensität der Ruhe.
should_use_prompt_for_emotionoptional
Typboolean | null
Standardfalse
Die promptbasierte Emotionsberechnung ersetzt bei Aktivierung `emotional_strengths`. Der emotionale Stil stammt aus `emotion_prompt`, sofern angegeben, andernfalls aus `prompt`.
emotion_promptoptional
Typstring | null
Anweisungen für den emotionalen Stil, die zusätzlich `should_use_prompt_for_emotion` erfordern.
enable_safety_checkeroptional
Typboolean
Standardtrue
Die Prüfung kann durch Setzen auf false gelockert werden, sofern der Aufrufer dazu berechtigt ist.
erforderlich Kanonischer Name, ebenfalls akzeptiert

Dateiparameter akzeptieren eine öffentliche https://-URL, eine data:-URI bis 10 MB oder die file_url eines Uploads. Dateien

Ausgabe

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"
  }
}
Deine Dateien, deine EntscheidungJede outputs[].url ist eine Kopie in unserem Speicher: dauerhaft aufbewahrt (Abrechnung pro GB-Monat) oder 7 Tage kostenlos – je nach Kontoeinstellung oder ?storage=.
Gleiche Struktur bei jedem Modelltype, url, content_type, width, height und duration – für Bilder, Video und Audio gleichermaßen. output ist das Ergebnisobjekt des Modells.
Ausgabefelder
audio
object {url, content_type, file_name, file_size}Generiertes Audio im Base64-Format.

Für KI-Agenten: Diese Seite ist als Markdown verfügbar unter https://doitong.com/de/developers/models/index-tts-2/text-to-speech.md. Alle Modelle und Anleitungen: https://doitong.com/developers/llms.txt