Accéder au contenu

VibeVoice 7B

Intégrer

Identifiant du modèle vibevoice/7b
# 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/vibevoice/7b?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "script": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "speakers": [
      {
        "preset": "Frank [EN]"
      },
      {
        "preset": "Carter [EN]"
      }
    ]
  }'

# 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"

Cette requête: ≈0,04 $ 40 crédits API · ≈ 4,22 ₽ L'exécuter sur cette page

Obtenir une clé API
Microsoft Texte vers parole #text-to-speech#multi-speaker#podcast

Modèle VibeVoice plus grand pour les dialogues multi-locuteurs, avec des scripts de 30000 caractères maximum

Microsoft · Audio

Votre premier résultat apparaîtra ici

Construisez une requête ci-dessous et exécutez-la avec votre clé API. Les sorties sont copiées dans notre stockage, conservées indéfiniment ou 7 jours gratuitement.

Créer une requête

Les contrôles sont générés à partir du schéma du modèle. Le code et le prix se mettent à jour lorsque vous les modifiez.

•obligatoire 88 / 30000

Script d’entrée vocale, avec des libellés facultatifs 'Speaker X:' pour distinguer les locuteurs dans un dialogue.

•obligatoire

Les locuteurs sont déduits automatiquement à partir du script ou des échantillons vocaux fournis ; fournissez une liste pour les spécifier explicitement.

Avancé cfg_scale · seed · enable_safety_checker
par défaut 1.3

La puissance CFG (Classifier-Free Guidance) détermine à quel point la génération suit le texte ; l’adhérence augmente avec des valeurs plus élevées.

Seed aléatoire rendant la génération reproductible.

POST /run/vibevoice/7b?wait=20 devis → 0,04 $
# 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/vibevoice/7b?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "script": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "speakers": [
      {
        "preset": "Frank [EN]"
      },
      {
        "preset": "Carter [EN]"
      }
    ]
  }'

# 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"

Exécuter cette requête

Votre clé reste dans ce navigateur : elle est envoyée uniquement à la Doitong API et enregistrée dans localStorage uniquement si vous cochez Mémoriser. Obtenir une clé API

À propos de VibeVoice 7B

Transforme un `script` de 30000 caractères maximum en parole, avec des préfixes « Speaker X: » pour les dialogues et une liste `speakers` obligatoire pour les voix. `cfg_scale` va de 1 à 2 et `seed` permet d'obtenir une sortie reproductible. Il s'agit de la version 7B de la famille, avec une limite de texte plus courte que le modèle 1.5B.

Paramètres

NomType Par défautAutorisé Description
scriptobligatoire
Typestring
≤ 30 000 caractères
Script d’entrée vocale, avec des libellés facultatifs 'Speaker X:' pour distinguer les locuteurs dans un dialogue.
speakersobligatoire
Typeobject[]
Les locuteurs sont déduits automatiquement à partir du script ou des échantillons vocaux fournis ; fournissez une liste pour les spécifier explicitement.
speakers[].presetfacultatif
Typeenum
Par défautAlice [EN]
Alice [EN]Carter [EN]Frank [EN]Mary [EN] (Background Music)Maya [EN]Anchen [ZH] (Background Music)Bowen [ZH]Xinran [ZH]
Préréglage vocal de secours pour un locuteur sans `audio_url` ; la fourniture de cet échantillon audio est prioritaire sur le préréglage.
speakers[].audio_urlfacultatif
Typeurl · audio
URL du fichier audio d’échantillon vocal ; sa fourniture remplace `preset`.
seedfacultatif
Typeinteger | null
Seed aléatoire rendant la génération reproductible.
cfg_scalefacultatif
Typenumber
Par défaut1.3
1 – 2
La puissance CFG (Classifier-Free Guidance) détermine à quel point la génération suit le texte ; l’adhérence augmente avec des valeurs plus élevées.
enable_safety_checkerfacultatif
Typeboolean
Par défauttrue
Le filtrage peut être assoupli en définissant false, si l'appelant est autorisé.
obligatoire

Sortie

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "vibevoice/7b",
  "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": 40,
    "usd": "0.04",
    "charged": 40,
    "refunded": 0
  },
  "input": {
    "script": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "speakers": [
      {
        "preset": "Frank [EN]"
      },
      {
        "preset": "Carter [EN]"
      }
    ]
  },
  "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": 24000,
    "generation_time": 5.6,
    "rtf": 0.53
  },
  "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"
  }
}
Vos fichiers, votre choixChaque outputs[].url est une copie sur notre stockage : conservée indéfiniment (facturation par Go-mois) ou 7 jours gratuitement, selon le réglage de votre compte ou ?storage=.
Une structure identique pour chaque modèletype, url, content_type, width, height et duration, pour les images, les vidéos et l'audio. output est l'objet de résultat propre au modèle.
Champs de sortie
audio
object {url, content_type, file_name, file_size}Fichier audio contenant la parole synthétisée.
duration
numberDurée de la sortie audio, mesurée en secondes.
sample_rate
integerFréquence d'échantillonnage de la sortie audio.
generation_time
numberTemps de génération audio, mesuré en secondes.
rtf
numberFacteur temps réel calculé comme generation_time divisé par audio_duration ; des valeurs plus faibles indiquent de meilleures performances.

Plus de modèles : Texte vers parole

Pour les agents IA : cette page au format Markdown est disponible à l'adresse https://doitong.com/fr-FR/developers/models/vibevoice/7b.md. Tous les modèles et guides : https://doitong.com/developers/llms.txt