Ir al contenido

Index TTS 2.0

Integrar

ID del modelo 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"

Hasta $0.06 por ejecución se cobra según el uso real; el resto se reembolsa Ejecutar en esta página

Obtener clave de API
bilibili Texto a voz #text-to-speech

Síntesis de voz a partir de un clip de voz de referencia y texto, con control de emoción mediante audio, prompt o intensidades por emoción

bilibili · Audio

Tu primer resultado aparecerá aquí

Crea una solicitud abajo y ejecútala con tu clave de API. Las salidas se copian en nuestro almacenamiento, donde se conservan para siempre o 7 días gratis.

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan conforme los cambias.

•obligatorio

Prompt para el habla que se generará.

•obligatorio audio_url
Suelta un archivo o

Archivo de audio de origen utilizado para generar voz.

Avanzado emotion_prompt · emotional_audio_url · strength · should_use_prompt_for_emotion · enable_safety_checker · emotional_strengths

Instrucciones de estilo emocional que también requieren usar `should_use_prompt_for_emotion`.

Suelta un archivo o

Archivo de audio de referencia utilizado para extraer el estilo emocional.

predeterminado 1

La influencia emocional aplicada durante la transferencia de estilo aumenta con esta configuración de intensidad.

Valores de intensidad por emoción para un ajuste detallado.

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

Ejecutar esta solicitud

Tu clave permanece en este navegador: solo se envía a la Doitong API y se guarda en localStorage únicamente si marcas Recordar. Obtener una clave de API

Acerca de Index TTS 2.0

Genera voz para el texto en `prompt`, usando la voz del clip de referencia indicado en `audio_url`. El estilo emocional se puede tomar de un segundo clip mediante `emotional_audio_url`, escalado por `strength` (0 a 1), o establecerse con `emotional_strengths`. Como alternativa, activa `should_use_prompt_for_emotion`, opcionalmente con un `emotion_prompt` separado. El audio se devuelve como un objeto base64.

Parámetros

Envía el nombre canónico o el nombre nativo, no ambos. Nombres canónicos

NombreTipo PredeterminadoPermitido Descripción
audio_urlobligatorio audio
Tipourl · audio
Archivo de audio de origen utilizado para generar voz.
promptobligatorio
Tipostring
Prompt para el habla que se generará.
emotional_audio_urlopcional
Tipourl · audio
Archivo de audio de referencia utilizado para extraer el estilo emocional.
strengthopcional
Tiponumber
Predeterminado1
0 – 1
La influencia emocional aplicada durante la transferencia de estilo aumenta con esta configuración de intensidad.
emotional_strengthsopcional
Tipoobject
Valores de intensidad por emoción para un ajuste detallado.
emotional_strengths.happyopcional
Tiponumber
Predeterminado0
0 – 1
Intensidad de la emoción felicidad.
emotional_strengths.angryopcional
Tiponumber
Predeterminado0
0 – 1
Intensidad de la ira.
emotional_strengths.sadopcional
Tiponumber
Predeterminado0
0 – 1
Intensidad de la tristeza.
emotional_strengths.afraidopcional
Tiponumber
Predeterminado0
0 – 1
Intensidad del miedo.
emotional_strengths.disgustedopcional
Tiponumber
Predeterminado0
0 – 1
Intensidad del disgusto.
emotional_strengths.melancholicopcional
Tiponumber
Predeterminado0
0 – 1
Intensidad de la melancolía.
emotional_strengths.surprisedopcional
Tiponumber
Predeterminado0
0 – 1
Intensidad de la sorpresa.
emotional_strengths.calmopcional
Tiponumber
Predeterminado0
0 – 1
Intensidad de la calma.
should_use_prompt_for_emotionopcional
Tipoboolean | null
Predeterminadofalse
El cálculo de emociones basado en el prompt reemplaza `emotional_strengths` explícito cuando está habilitado. El estilo emocional proviene de `emotion_prompt` si se proporciona; de lo contrario, de `prompt`.
emotion_promptopcional
Tipostring | null
Instrucciones de estilo emocional que también requieren usar `should_use_prompt_for_emotion`.
enable_safety_checkeropcional
Tipoboolean
Predeterminadotrue
La moderación puede relajarse estableciendo false, siempre que la persona que llama esté autorizada.
obligatorio Nombre canónico, también aceptado

Los parámetros de archivo aceptan una URL pública https://, un URI data: de hasta 10 MB o el file_url de una carga. Archivos

Salida

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"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: se conserva para siempre (con cobro por GB-mes) o 7 días gratis, según la configuración de tu cuenta o ?storage=.
La misma estructura en todos los modelostype, url, content_type, width, height y duration, tanto para imágenes como para video y audio. output es el objeto de resultado propio del modelo.
Campos de salida
audio
object {url, content_type, file_name, file_size}Audio generado codificado en formato base64.

Para agentes de IA: esta página en Markdown está disponible en https://doitong.com/es-MX/developers/models/index-tts-2/text-to-speech.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt