Μετάβαση στο περιεχόμενο

Zonos2 Text to Speech

Ενσωμάτωση

id μοντέλου zonos2
# 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/zonos2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "reference_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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 0,02 $ ανά εκτέλεση χρέωση βάσει της πραγματικής χρήσης, το υπόλοιπο επιστρέφεται Εκτέλεση σε αυτήν τη σελίδα

Λήψη κλειδιού API
Zyphra Κείμενο σε ομιλία Είσοδοι αναφοράς #text-to-speech#tts#voice-cloning

Πολύγλωσσο TTS κλωνοποίησης φωνής με ελέγχους δειγματοληψίας και επιλογή μεταξύ πιστής ομοιότητας ή εκφραστικής απόδοσης

Zyphra · 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
Αποθέστε ένα αρχείο ή

Ήχος που παρέχει τη φωνή-πηγή για κλωνοποίηση.

Για προχωρημένους language · temperature · top_p · min_p · top_k · max_tokens · seed · accurate_mode · clean_speaker_background · enable_safety_checker
προεπιλογή en_us

Επιλογή γλώσσας για κανονικοποίηση κειμένου, η οποία παραλείπεται εκτός αν ο κωδικός είναι ένας από τους εξής: en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko.

προεπιλογή 1.15

Temperature που χρησιμοποιείται για τη δειγματοληψία.

προεπιλογή 0

Πιθανότητα για nucleus sampling· ορίστε την σε 0 για απενεργοποίηση.

προεπιλογή 0.18

Κατώφλι πιθανότητας για sampling ελάχιστης πιθανότητας.

προεπιλογή 106

Όριο για top-k sampling· ορίστε το σε 0 για απενεργοποίηση.

Όριο παραγωγής καρέ ήχου, με χρήση του ορίου context του μοντέλου εκτός αν παρέχεται μέγιστη τιμή.

Seed που επιτρέπει αναπαραγώγιμα αποτελέσματα· επιλέγεται τυχαία αν παραλειφθεί.

POST /run/zonos2?wait=20 προσφορά → 0,02 $
# 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/zonos2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "reference_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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 Zonos2 Text to Speech

Κλωνοποιεί φωνή από το `reference_audio_url` και εκφωνεί κείμενο, επιστρέφοντας ήχο WAV στα 44.1kHz mono μαζί με τον σπόρο που χρησιμοποιήθηκε. Το `language` ορίζει την κανονικοποίηση κειμένου για en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn και ko. Το `accurate_mode` ανταλλάσσει την ομοιότητα της φωνής με την εκφραστικότητα και η δειγματοληψία ρυθμίζεται μέσω των `temperature`, `top_p`, `min_p`, `top_k` και `max_tokens` (έως 6144).

Παράμετροι

ΌνομαΤύπος ΠροεπιλογήΕπιτρεπόμενο Περιγραφή
reference_audio_urlαπαιτείται
Τύποςurl · audio
Ήχος που παρέχει τη φωνή-πηγή για κλωνοποίηση.
languageπροαιρετικό
Τύποςstring
Προεπιλογήen_us
Επιλογή γλώσσας για κανονικοποίηση κειμένου, η οποία παραλείπεται εκτός αν ο κωδικός είναι ένας από τους εξής: en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko.
seedπροαιρετικό
Τύποςinteger | null
0 – 2.147.483.647
Seed που επιτρέπει αναπαραγώγιμα αποτελέσματα· επιλέγεται τυχαία αν παραλειφθεί.
accurate_modeπροαιρετικό
Τύποςboolean
Προεπιλογήtrue
Αντιστοίχιση φωνής έναντι εκφραστικότητας: το True ευνοεί πιο πιστή αντιστοίχιση, ενώ το False ευνοεί πιο εκφραστική ομιλία.
clean_speaker_backgroundπροαιρετικό
Τύποςboolean
Προεπιλογήfalse
Υποδεικνύει ότι ο ήχος αναφοράς έχει καθαρό υπόβαθρο.
temperatureπροαιρετικό
Τύποςnumber
Προεπιλογή1.15
0 – 2
Temperature που χρησιμοποιείται για τη δειγματοληψία.
top_pπροαιρετικό
Τύποςnumber
Προεπιλογή0
0 – 1
Πιθανότητα για nucleus sampling· ορίστε την σε 0 για απενεργοποίηση.
min_pπροαιρετικό
Τύποςnumber
Προεπιλογή0.18
0 – 1
Κατώφλι πιθανότητας για sampling ελάχιστης πιθανότητας.
top_kπροαιρετικό
Τύποςinteger
Προεπιλογή106
0 – 2.048
Όριο για top-k sampling· ορίστε το σε 0 για απενεργοποίηση.
max_tokensπροαιρετικό
Τύποςinteger | null
1 – 6.144
Όριο παραγωγής καρέ ήχου, με χρήση του ορίου context του μοντέλου εκτός αν παρέχεται μέγιστη τιμή.
enable_safety_checkerπροαιρετικό
Τύποςboolean
Προεπιλογήtrue
Ο έλεγχος μπορεί να χαλαρώσει με τη ρύθμιση false, εφόσον ο καλών είναι εξουσιοδοτημένος.
απαιτείται

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": "zonos2",
  "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": 20,
    "usd": "0.02",
    "charged": 20,
    "refunded": 0
  },
  "input": {
    "reference_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "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
    },
    "seed": 42
  },
  "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}Ήχος εξόδου σε μορφή WAV, με ρυθμό δειγματοληψίας 44.1kHz και μονοφωνικό κανάλι.
seed
integerΤιμή seed που εφαρμόζεται κατά την παραγωγή.

Για πράκτορες AI: αυτή η σελίδα σε Markdown βρίσκεται στη διεύθυνση https://doitong.com/el/developers/models/zonos2.md. Όλα τα μοντέλα και οι οδηγοί: https://doitong.com/developers/llms.txt