Ir al contenido

Zonos2 Text to Speech

Integrar

Id del modelo 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"

Hasta 0,02 $ por ejecución se cobra según el uso real y el resto se reembolsa Ejecutar en esta página

Obtener clave de API
Zyphra Texto a voz Entradas de referencia #text-to-speech#tts#voice-cloning

TTS multilingüe con clonación de voz, controles de muestreo y elección entre una coincidencia cercana o una interpretación expresiva

Zyphra · Audio

Tu primer resultado aparecerá aquí

Crea una solicitud abajo y ejecútala con tu clave de API. Las salidas se copian en nuestro almacenamiento, conservadas 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 al modificarlos.

•obligatorio
Suelta un archivo o

Audio que proporciona la voz de origen para la clonación.

Avanzado language · temperature · top_p · min_p · top_k · max_tokens · seed · accurate_mode · clean_speaker_background · enable_safety_checker
predeterminado en_us

Selección de idioma para la normalización del texto, que se omite a menos que el código sea uno de estos: en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko.

predeterminado 1.15

Temperatura utilizada para el muestreo.

predeterminado 0

Probabilidad para el muestreo de núcleo; establece 0 para desactivarlo.

predeterminado 0.18

Umbral de probabilidad para el muestreo de probabilidad mínima.

predeterminado 106

Límite superior para el muestreo top-k; establece 0 para desactivarlo.

Límite de generación de tramas de audio, que utiliza el límite de contexto del modelo a menos que se proporcione un máximo.

Seed que permite obtener resultados reproducibles; se elige aleatoriamente si se omite.

POST /run/zonos2?wait=20 cotización → 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"

Ejecutar esta solicitud

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

Acerca de Zonos2 Text to Speech

Clona una voz desde `reference_audio_url` y pronuncia el texto, devolviendo audio WAV mono a 44.1kHz junto con la semilla utilizada. `language` establece la normalización del texto para en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn y ko. `accurate_mode` intercambia fidelidad de voz por expresividad, y el muestreo se puede ajustar mediante `temperature`, `top_p`, `min_p`, `top_k` y `max_tokens` (hasta 6144).

Parámetros

NombreTipo PredeterminadoPermitido Descripción
reference_audio_urlobligatorio
Tipourl · audio
Audio que proporciona la voz de origen para la clonación.
languageopcional
Tipostring
Predeterminadoen_us
Selección de idioma para la normalización del texto, que se omite a menos que el código sea uno de estos: en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko.
seedopcional
Tipointeger | null
0 – 2.147.483.647
Seed que permite obtener resultados reproducibles; se elige aleatoriamente si se omite.
accurate_modeopcional
Tipoboolean
Predeterminadotrue
Correspondencia de la voz frente a expresividad: True favorece una correspondencia más precisa, mientras que False favorece un habla más expresiva.
clean_speaker_backgroundopcional
Tipoboolean
Predeterminadofalse
Indica que el audio de referencia tiene un fondo limpio.
temperatureopcional
Tiponumber
Predeterminado1.15
0 – 2
Temperatura utilizada para el muestreo.
top_popcional
Tiponumber
Predeterminado0
0 – 1
Probabilidad para el muestreo de núcleo; establece 0 para desactivarlo.
min_popcional
Tiponumber
Predeterminado0.18
0 – 1
Umbral de probabilidad para el muestreo de probabilidad mínima.
top_kopcional
Tipointeger
Predeterminado106
0 – 2048
Límite superior para el muestreo top-k; establece 0 para desactivarlo.
max_tokensopcional
Tipointeger | null
1 – 6144
Límite de generación de tramas de audio, que utiliza el límite de contexto del modelo a menos que se proporcione un máximo.
enable_safety_checkeropcional
Tipoboolean
Predeterminadotrue
La moderación puede relajarse estableciendo false, siempre que el autor de la llamada esté autorizado.
obligatorio

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": "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"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: conservada para siempre (se cobra 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 vídeo y audio. output es el objeto de resultado propio del modelo.
Campos de salida
audio
object {url, content_type, file_name, file_size}Audio de salida en formato WAV, con una frecuencia de muestreo de 44.1kHz y un canal mono.
seed
integerValor de semilla aplicado durante la generación.

Para agentes de IA: esta página en Markdown está en https://doitong.com/es/developers/models/zonos2.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt