Sleppa yfir í efni

Maya1

Tengja

Auðkenni líkans maya
# 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/maya?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence.",
    "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"

Þessi beiðni: ≈0,049 $ 49 API-inneignir · ≈ 5,17 ₽ Keyra á þessari síðu

Fá API-lykil
Maya Research Texti í tal #text-to-speech#tts

Tjáningarríkur texti í tal með raddlýsingu og innbyggðum tilfinningamerkjum

Maya Research · Hljóð

Fyrsta niðurstaðan þín birtist hér

Búðu til beiðni hér að neðan og keyrðu hana með API-lyklinum þínum. Úttök eru afrituð í geymsluna okkar og geymd að eilífu eða 7 dagar án kostnaðar.

Búa til beiðni

Stýringar eru búnar til út frá líkanaskemanu. Kóðinn og verðið uppfærast þegar þú breytir þeim.

•áskilið 50 / 5000

Texti fyrir talgervingu sem leyfir tilfinningamerki á forminu <emotion_name> hvar sem er, eins og í 'Hello world! <excited> This is amazing!' eða 'I can't believe this <sigh> happened again.'. Studdar tilfinningar eru curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder og laugh.

•áskilið 50 / 500

Radd- eða persónueiginleikar sem á að lýsa, svo sem styrkur, tónn, hraði, hljómblær, tónhæð, hreimur og aldur.

Ítarlegt sample_rate · output_format · temperature · top_p · max_tokens · repetition_penalty · enable_safety_checker
sample_rate sjálfgefið 48 kHz

Val á úrtakstíðni hljóðs: hraðari úrvinnsla við 24 kHz eða betra úttak við 48 kHz.

output_format sjálfgefið wav

Skráarsnið hljóðs sem notað er fyrir tilbúið tal.

sjálfgefið 0.4

Úrtakshiti sem stýrir fjölbreytni hljóðs: hækkun hans eykur fjölbreytni, en lægra bilið 0.2–0.5 styður stöðugleika og samkvæmni.

sjálfgefið 0.9

Stilling fyrir nucleus-úrtak sem aðlagar fjölbreytni í vali tákna.

sjálfgefið 2000

SNAC-táknahámark sem takmarkar lengd hljóðs, reiknað sem 7 tákn fyrir hvern ramma.

sjálfgefið 1.1

Vítisrefsing sem beitt er við endurtekningu tákna. Hækkun hennar dregur úr endurtekningargripum.

POST /run/maya?wait=20 verðtilboð → 0,049 $
# 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/maya?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence.",
    "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"

Keyra þessa beiðni

Lykillinn þinn er áfram í þessum vafra: hann er aðeins sendur til Doitong API og vistaður í localStorage aðeins ef þú hakar við Muna. Fá API-lykil

Um Maya1

Breytir texta með allt að 5000 stöfum í tal. Nauðsynlegt `prompt` með allt að 500 stöfum lýsir röddinni, til dæmis aldri, hreim og tón. Tilfinningamerki á borð við laugh eða whisper má fella inn í textann. Veldu 48 kHz eða 24 kHz sýnatökutíðni og wav- eða mp3-úttak; `max_tokens` takmarkar lengd hljóðs.

Færibreytur

HeitiGerð SjálfgefiðLeyfilegt Lýsing
textáskilið
Gerðstring
≤ 5.000 stafir
Texti fyrir talgervingu sem leyfir tilfinningamerki á forminu <emotion_name> hvar sem er, eins og í 'Hello world! <excited> This is amazing!' eða 'I can't believe this <sigh> happened again.'. Studdar tilfinningar eru curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder og laugh.
promptáskilið
Gerðstring
≤ 500 stafir
Radd- eða persónueiginleikar sem á að lýsa, svo sem styrkur, tónn, hraði, hljómblær, tónhæð, hreimur og aldur.
temperaturevalfrjálst
Gerðnumber
Sjálfgefið0.4
0 – 2
Úrtakshiti sem stýrir fjölbreytni hljóðs: hækkun hans eykur fjölbreytni, en lægra bilið 0.2–0.5 styður stöðugleika og samkvæmni.
top_pvalfrjálst
Gerðnumber
Sjálfgefið0.9
0 – 1
Stilling fyrir nucleus-úrtak sem aðlagar fjölbreytni í vali tákna.
max_tokensvalfrjálst
Gerðinteger
Sjálfgefið2000
28 – 4.000
SNAC-táknahámark sem takmarkar lengd hljóðs, reiknað sem 7 tákn fyrir hvern ramma.
repetition_penaltyvalfrjálst
Gerðnumber
Sjálfgefið1.1
1 – 2
Vítisrefsing sem beitt er við endurtekningu tákna. Hækkun hennar dregur úr endurtekningargripum.
sample_ratevalfrjálst
Gerðenum
Sjálfgefið48 kHz
48 kHz24 kHz
Val á úrtakstíðni hljóðs: hraðari úrvinnsla við 24 kHz eða betra úttak við 48 kHz.
output_formatvalfrjálst
Gerðenum
Sjálfgefiðwav
wavmp3
Skráarsnið hljóðs sem notað er fyrir tilbúið tal.
enable_safety_checkervalfrjálst
Gerðboolean
Sjálfgefiðtrue
Hægt er að slaka á skimun með því að stilla false, ef beiðandi hefur heimild.
áskilið

Úttak

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "maya",
  "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": 49,
    "usd": "0.049",
    "charged": 49,
    "refunded": 0
  },
  "input": {
    "text": "Hello from Doitong. This is a short test sentence.",
    "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
    },
    "duration": 5,
    "sample_rate": "48 kHz",
    "generation_time": 2.3,
    "rtf": 0.51
  },
  "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"
  }
}
Skrárnar þínar, þitt valHvert outputs[].url er afrit í geymslunni okkar: geymt að eilífu (greitt fyrir hvert GB-mánuðargildi) eða 7 dagar án kostnaðar, eftir stillingu aðgangsins þíns eða ?storage=.
Sama lögun í öllum líkönumtype, url, content_type, width, height og duration, jafnt fyrir myndir, myndbönd og hljóð. output er eigið niðurstöðuhlutur líkansins.
Reitir úttaks
audio
object {url, content_type, file_name, file_size}Mynduð talskrá í WAV eða MP3, með mónóhljóði við 24 kHz eða 48 kHz eftir því sem uppsamplarinn ákvarðar.
duration
numberLengd hljóðúttaksins, mæld í sekúndum.
sample_rate
stringÚrtakstíðni hljóðúttaksins.
generation_time
numberTími hljóðefnisgerðar, mældur í sekúndum.
rtf
numberRauntímaþáttur reiknaður sem generation_time deilt með audio_duration; lægri gildi gefa til kynna betri afköst.

Fleiri líkön: Texti í tal

Fyrir gervigreindarþjóna: þessi síða á Markdown-sniði er á https://doitong.com/is/developers/models/maya.md. Öll líkön og leiðbeiningar: https://doitong.com/developers/llms.txt