Μετάβαση στο περιεχόμενο

Index TTS 2.0

Ενσωμάτωση

id μοντέλου 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"

Έως 0,06 $ ανά εκτέλεση χρέωση βάσει της πραγματικής χρήσης, το υπόλοιπο επιστρέφεται Εκτέλεση σε αυτήν τη σελίδα

Λήψη κλειδιού API
bilibili Κείμενο σε ομιλία #text-to-speech

Σύνθεση ομιλίας από ηχητικό απόσπασμα φωνής αναφοράς και κείμενο, με έλεγχο συναισθήματος μέσω ήχου, prompt ή ισχύος ανά συναίσθημα

bilibili · Ήχος

Το πρώτο σας αποτέλεσμα θα εμφανιστεί εδώ

Δημιουργήστε ένα αίτημα παρακάτω και εκτελέστε το με το κλειδί API σας. Οι έξοδοι αντιγράφονται στην αποθήκευσή μας και διατηρούνται για πάντα ή 7 ημέρες δωρεάν.

Δημιουργία αιτήματος

Τα στοιχεία ελέγχου δημιουργούνται από το σχήμα του μοντέλου. Ο κώδικας και η τιμή ενημερώνονται καθώς τα αλλάζετε.

•απαιτείται

Prompt για την ομιλία που θα παραχθεί.

•απαιτείται audio_url
Αποθέστε ένα αρχείο ή

Αρχείο ήχου εισόδου που χρησιμοποιείται για την παραγωγή ομιλίας.

Για προχωρημένους emotion_prompt · emotional_audio_url · strength · should_use_prompt_for_emotion · enable_safety_checker · emotional_strengths

Οδηγίες συναισθηματικού στυλ που απαιτούν επίσης τη χρήση του `should_use_prompt_for_emotion`.

Αποθέστε ένα αρχείο ή

Αρχείο ήχου αναφοράς που χρησιμοποιείται για την εξαγωγή συναισθηματικού στυλ.

προεπιλογή 1

Η συναισθηματική επιρροή που εφαρμόζεται κατά τη μεταφορά στυλ αυξάνεται με αυτήν τη ρύθμιση έντασης.

Τιμές έντασης ανά συναίσθημα για λεπτομερή ρύθμιση.

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

Εκτέλεση αυτού του αιτήματος

Το κλειδί σας παραμένει σε αυτό το πρόγραμμα περιήγησης: αποστέλλεται μόνο στο Doitong API και αποθηκεύεται (localStorage) μόνο αν ενεργοποιήσετε την επιλογή «Να απομνημονεύεται». Λήψη κλειδιού API

Σχετικά με το Index TTS 2.0

Δημιουργεί ομιλία για το κείμενο στο `prompt`, χρησιμοποιώντας τη φωνή από το κλιπ αναφοράς του `audio_url`. Το συναισθηματικό ύφος μπορεί να ληφθεί από δεύτερο κλιπ μέσω `emotional_audio_url`, με κλίμακα `strength` (0 έως 1), ή να οριστεί μέσω `emotional_strengths`. Εναλλακτικά, ενεργοποιήστε το `should_use_prompt_for_emotion`, προαιρετικά με ξεχωριστό `emotion_prompt`. Ο ήχος επιστρέφεται ως αντικείμενο base64.

Παράμετροι

Στείλτε είτε το κανονικό όνομα είτε το εγγενές όνομα, όχι και τα δύο. Κανονικά ονόματα

ΌνομαΤύπος ΠροεπιλογήΕπιτρεπόμενο Περιγραφή
audio_urlαπαιτείται audio
Τύποςurl · audio
Αρχείο ήχου εισόδου που χρησιμοποιείται για την παραγωγή ομιλίας.
promptαπαιτείται
Τύποςstring
Prompt για την ομιλία που θα παραχθεί.
emotional_audio_urlπροαιρετικό
Τύποςurl · audio
Αρχείο ήχου αναφοράς που χρησιμοποιείται για την εξαγωγή συναισθηματικού στυλ.
strengthπροαιρετικό
Τύποςnumber
Προεπιλογή1
0 – 1
Η συναισθηματική επιρροή που εφαρμόζεται κατά τη μεταφορά στυλ αυξάνεται με αυτήν τη ρύθμιση έντασης.
emotional_strengthsπροαιρετικό
Τύποςobject
Τιμές έντασης ανά συναίσθημα για λεπτομερή ρύθμιση.
emotional_strengths.happyπροαιρετικό
Τύποςnumber
Προεπιλογή0
0 – 1
Ένταση του συναισθήματος της χαράς.
emotional_strengths.angryπροαιρετικό
Τύποςnumber
Προεπιλογή0
0 – 1
Ένταση του θυμού.
emotional_strengths.sadπροαιρετικό
Τύποςnumber
Προεπιλογή0
0 – 1
Ένταση της λύπης.
emotional_strengths.afraidπροαιρετικό
Τύποςnumber
Προεπιλογή0
0 – 1
Ένταση του φόβου.
emotional_strengths.disgustedπροαιρετικό
Τύποςnumber
Προεπιλογή0
0 – 1
Ένταση της αηδίας.
emotional_strengths.melancholicπροαιρετικό
Τύποςnumber
Προεπιλογή0
0 – 1
Ένταση της μελαγχολίας.
emotional_strengths.surprisedπροαιρετικό
Τύποςnumber
Προεπιλογή0
0 – 1
Ένταση της έκπληξης.
emotional_strengths.calmπροαιρετικό
Τύποςnumber
Προεπιλογή0
0 – 1
Ένταση της ηρεμίας.
should_use_prompt_for_emotionπροαιρετικό
Τύποςboolean | null
Προεπιλογήfalse
Ο υπολογισμός συναισθήματος βάσει prompt αντικαθιστά τα explicit `emotional_strengths` όταν είναι ενεργοποιημένος. Το συναισθηματικό στυλ προέρχεται από το `emotion_prompt` αν παρέχεται, διαφορετικά από το `prompt`.
emotion_promptπροαιρετικό
Τύποςstring | null
Οδηγίες συναισθηματικού στυλ που απαιτούν επίσης τη χρήση του `should_use_prompt_for_emotion`.
enable_safety_checkerπροαιρετικό
Τύποςboolean
Προεπιλογήtrue
Ο έλεγχος μπορεί να χαλαρώσει με τη ρύθμιση false, εφόσον ο καλών είναι εξουσιοδοτημένος.
απαιτείται Κανονικό όνομα, επίσης αποδεκτό

Οι παράμετροι αρχείων δέχονται ένα δημόσιο URL https://, ένα URI data: έως 10 MB ή το file_url μιας μεταφόρτωσης. Αρχεία

Έξοδος

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"
  }
}
Τα αρχεία σας, η επιλογή σαςΚάθε outputs[].url είναι ένα αντίγραφο στην αποθήκευσή μας: διατηρείται για πάντα (χρέωση ανά GB-μήνα) ή 7 ημέρες δωρεάν, σύμφωνα με τη ρύθμιση του λογαριασμού σας ή ?storage=.
Ίδια μορφή σε κάθε μοντέλοtype, url, content_type, width, height και duration, τόσο για εικόνες όσο και για βίντεο και ήχο. Το output είναι το αντικείμενο αποτελέσματος του ίδιου του μοντέλου.
Πεδία εξόδου
audio
object {url, content_type, file_name, file_size}Παραγόμενος ήχος κωδικοποιημένος σε μορφή base64.

Για πράκτορες AI: αυτή η σελίδα σε Markdown βρίσκεται στη διεύθυνση https://doitong.com/el/developers/models/index-tts-2/text-to-speech.md. Όλα τα μοντέλα και οι οδηγοί: https://doitong.com/developers/llms.txt