Zum Inhalt springen

Maya1

Integrieren

Modell-ID maya
# 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/maya?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence.",
    "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: ≈0,049 $ 49 API-Credits · ≈ 5,17 ₽ Auf dieser Seite ausführen

API-Schlüssel abrufen
Maya Research Text zu Sprache #text-to-speech#tts

Ausdrucksstarke Sprachsynthese mit einer Prompt-Beschreibung der Stimme und eingebetteten Emotionstags

Maya Research · 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 50 / 5000

Text für die Sprachsynthese mit Unterstützung von Emotion-Tags in der Form <emotion_name> an beliebiger Stelle, etwa in 'Hello world! <excited> This is amazing!' oder 'I can't believe this <sigh> happened again.'. Unterstützte Emotionen sind curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder und laugh.

•erforderlich 50 / 500

Zu beschreibende Stimm- oder Charaktermerkmale, etwa Intensität, Klangfarbe, Sprechtempo, Timbre, Tonhöhe, Akzent und Alter.

Erweitert sample_rate · output_format · temperature · top_p · max_tokens · repetition_penalty · enable_safety_checker
sample_rate Standard 48 kHz

Audio-Samplingrate zur Auswahl zwischen schnellerer Verarbeitung mit 24 kHz und höherer Ausgabequalität mit 48 kHz.

output_format Standard wav

Dateiformat für synthetisierte Sprache.

Standard 0.4

Sampling-Temperatur zur Steuerung der Audiovariation: Eine Erhöhung sorgt für mehr Vielfalt, während der niedrigere Bereich von 0.2–0.5 Stabilität und Konsistenz begünstigt.

Standard 0.9

Nucleus-Sampling-Einstellung zur Anpassung der Vielfalt bei der Token-Auswahl.

Standard 2000

SNAC-Token-Budget zur Begrenzung der Audiodauer, berechnet mit 7 Token pro Frame.

Standard 1.1

Auf die Token-Wiederholung angewendete Strafe. Eine Erhöhung unterdrückt Wiederholungsartefakte.

POST /run/maya?wait=20 Preis → 0,049 $
# 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/maya?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence.",
    "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 Maya1

Wandelt Text mit bis zu 5000 Zeichen in Sprache um. Ein erforderlicher `prompt` mit bis zu 500 Zeichen beschreibt die Stimme, etwa Alter, Akzent und Tonfall. Emotionstags wie laugh oder whisper können in den Text eingebettet werden. Wählen Sie eine Abtastrate von 48 kHz oder 24 kHz sowie die Ausgabe im wav- oder mp3-Format; `max_tokens` begrenzt die Audiolänge.

Parameter

NameTyp StandardZulässig Beschreibung
texterforderlich
Typstring
≤ 5.000 Zeichen
Text für die Sprachsynthese mit Unterstützung von Emotion-Tags in der Form <emotion_name> an beliebiger Stelle, etwa in 'Hello world! <excited> This is amazing!' oder 'I can't believe this <sigh> happened again.'. Unterstützte Emotionen sind curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder und laugh.
prompterforderlich
Typstring
≤ 500 Zeichen
Zu beschreibende Stimm- oder Charaktermerkmale, etwa Intensität, Klangfarbe, Sprechtempo, Timbre, Tonhöhe, Akzent und Alter.
temperatureoptional
Typnumber
Standard0.4
0 – 2
Sampling-Temperatur zur Steuerung der Audiovariation: Eine Erhöhung sorgt für mehr Vielfalt, während der niedrigere Bereich von 0.2–0.5 Stabilität und Konsistenz begünstigt.
top_poptional
Typnumber
Standard0.9
0 – 1
Nucleus-Sampling-Einstellung zur Anpassung der Vielfalt bei der Token-Auswahl.
max_tokensoptional
Typinteger
Standard2000
28 – 4.000
SNAC-Token-Budget zur Begrenzung der Audiodauer, berechnet mit 7 Token pro Frame.
repetition_penaltyoptional
Typnumber
Standard1.1
1 – 2
Auf die Token-Wiederholung angewendete Strafe. Eine Erhöhung unterdrückt Wiederholungsartefakte.
sample_rateoptional
Typenum
Standard48 kHz
48 kHz24 kHz
Audio-Samplingrate zur Auswahl zwischen schnellerer Verarbeitung mit 24 kHz und höherer Ausgabequalität mit 48 kHz.
output_formatoptional
Typenum
Standardwav
wavmp3
Dateiformat für synthetisierte Sprache.
enable_safety_checkeroptional
Typboolean
Standardtrue
Die Prüfung kann durch Setzen auf false gelockert werden, sofern der Aufrufer dazu berechtigt ist.
erforderlich

Ausgabe

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "maya",
  "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": 49,
    "usd": "0.049",
    "charged": 49,
    "refunded": 0
  },
  "input": {
    "text": "Hello from Doitong. This is a short test sentence.",
    "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,
    "sample_rate": "48 kHz",
    "generation_time": 2.3,
    "rtf": 0.51
  },
  "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}Generierte Sprachdatei im WAV- oder MP3-Format mit Mono-Audio bei 24 kHz oder 48 kHz, bestimmt durch den Upsampler.
duration
numberLänge der Audioausgabe, gemessen in Sekunden.
sample_rate
stringSamplingrate der Audioausgabe.
generation_time
numberGenerierungszeit für Audio, gemessen in Sekunden.
rtf
numberEchtzeitfaktor, berechnet als generation_time geteilt durch audio_duration; kleinere Werte weisen auf eine bessere Leistung hin.

Weitere Modelle: Text zu Sprache

Für KI-Agenten: Diese Seite ist als Markdown verfügbar unter https://doitong.com/de/developers/models/maya.md. Alle Modelle und Anleitungen: https://doitong.com/developers/llms.txt