Vai al contenuto

Chatterbox · Text to Speech

Integra

ID del modello chatterbox/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/chatterbox/text-to-speech?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "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"

Questa richiesta: 0,002 $ 2 crediti API · ≈ 0,21 ₽ Esegui in questa pagina

Ottieni la chiave API
Resemble AI Da testo a voce #text-to-speech

Sintesi vocale in inglese con tag espressivi, controllo dell'enfasi e stile audio di riferimento opzionale

Resemble AI · Audio

Il tuo primo risultato apparirà qui

Crea una richiesta qui sotto ed eseguila con la tua chiave API. Gli output vengono copiati nella nostra archiviazione, conservati per sempre oppure 7 giorni gratuitamente.

Crea una richiesta

I controlli vengono generati dallo schema del modello. Il codice e il prezzo si aggiornano mentre li modifichi.

•obbligatorio

Testo per la sintesi vocale, che può includere tag emotivi: <laugh>, <chuckle>, <sigh>, <cough>, <sniffle>, <groan>, <yawn>, <gasp>. Il testo non deve superare 5000 caratteri.

Avanzate audio · exaggeration · temperature · cfg · seed
audio_url predefinito https://storage.googl...
Trascina un file oppure

Audio di riferimento del cui tono e stile il modello cerca di imitare l'output vocale. Fornisci l'URL di un file audio se vuoi usare questo riferimento opzionale.

predefinito 0.25

Controllo dell'enfasi vocale: l'enfasi massima corrisponde a 1.0, mentre 0.0 disattiva l'enfasi.

predefinito 0.7

Temperatura della generazione; aumentandola, i risultati diventano più creativi.

predefinito 0.5

Seed della generazione audio; 0 seleziona un seed casuale. Per la riproducibilità, usa un valore fisso e lascia invariate tutte le altre proprietà; in questo modo il file audio dovrebbe essere riprodotto esattamente.

POST /run/chatterbox/text-to-speech?wait=20 preventivo → 0,002 $
# 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/chatterbox/text-to-speech?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "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"

Esegui questa richiesta

La tua chiave rimane in questo browser: viene inviata solo al Doitong API e salvata in localStorage solo se selezioni Ricorda. Ottieni una chiave API

Informazioni su Chatterbox · Text to Speech

Converte in parlato fino a 5000 caratteri di testo. Il testo può includere tag espressivi come <laugh>, <chuckle>, <sigh> e <cough>. Un `audio_url` opzionale fornisce un riferimento di cui l'output cerca di riprodurre stile e tono. `exaggeration` (da 0 a 1), `temperature`, `cfg` e `seed` regolano l'interpretazione.

Parametri

Invia il nome canonico oppure il nome nativo, non entrambi. Nomi canonici

NomeTipo PredefinitoConsentiti Descrizione
textobbligatorio
Tipostring
Testo per la sintesi vocale, che può includere tag emotivi: <laugh>, <chuckle>, <sigh>, <cough>, <sniffle>, <groan>, <yawn>, <gasp>. Il testo non deve superare 5000 caratteri.
audio_urlfacoltativo audio
Tipourl · audio
Predefinitohttps://storage.googleapis.com/chatterbox-demo-samples/prompts/male_rickmorty.mp3
Audio di riferimento del cui tono e stile il modello cerca di imitare l'output vocale. Fornisci l'URL di un file audio se vuoi usare questo riferimento opzionale.
exaggerationfacoltativo
Tiponumber
Predefinito0.25
0 – 1
Controllo dell'enfasi vocale: l'enfasi massima corrisponde a 1.0, mentre 0.0 disattiva l'enfasi.
temperaturefacoltativo
Tiponumber
Predefinito0.7
0,05 – 2
Temperatura della generazione; aumentandola, i risultati diventano più creativi.
cfgfacoltativo
Tiponumber
Predefinito0.5
0,1 – 1
seedfacoltativo
Tipointeger | null
Seed della generazione audio; 0 seleziona un seed casuale. Per la riproducibilità, usa un valore fisso e lascia invariate tutte le altre proprietà; in questo modo il file audio dovrebbe essere riprodotto esattamente.
obbligatorio Nome canonico, accettato anche

I parametri file accettano un URL pubblico https://, un URI data: fino a 10 MB oppure il file_url di un caricamento. File

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "chatterbox/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": 2,
    "usd": "0.002",
    "charged": 2,
    "refunded": 0
  },
  "input": {
    "text": "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"
  }
}
I tuoi file, la tua sceltaOgni outputs[].url è una copia nella nostra archiviazione: conservata per sempre (a pagamento per GB-mese) oppure 7 giorni gratuitamente, in base all'impostazione dell'account o a ?storage=.
Stessa struttura per ogni modellotype, url, content_type, width, height e duration, per immagini, video e audio. output è l'oggetto risultato del modello.
Campi dell'output
audio
object {url, content_type, file_name, file_size}Audio contenente il parlato sintetizzato.

Altri modelli: Da testo a voce

Per gli agenti AI: questa pagina in Markdown è disponibile all'indirizzo https://doitong.com/it/developers/models/chatterbox/text-to-speech.md. Tutti i modelli e le guide: https://doitong.com/developers/llms.txt