Мазмұнға өту

VibeVoice 7B

Интеграциялау

Модель идентификаторы 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"

Осы сұрау: ≈0,04 $ 40 API кредиті · ≈ 4,22 ₽ Осы бетте іске қосу

API кілтін алу
Microsoft Мәтіннен сөйлеуге #text-to-speech#multi-speaker#podcast

30000 таңбаға дейінгі сценарийлері бар, көпсөйлеушілі диалогқа арналған үлкенірек VibeVoice моделі

Microsoft · Аудио

Алғашқы нәтижеңіз осында пайда болады

Төменде сұрау құрып, оны API кілтіңізбен іске қосыңыз. Шығыстар сақтау орнымызға көшіріліп, мәңгі немесе 7 күн тегін сақталады.

Сұрау жасау

Басқару элементтері модель схемасынан жасалады. Оларды өзгерткен сайын код пен баға жаңартылады.

•міндетті 88 / 30000

Сөйлеу кірісінің сценарийі; диалогтағы сөйлеушілерді ажырату үшін қосымша 'Speaker X:' белгілерін қамтуы мүмкін.

•міндетті

Сөйлеушілер сценарий немесе берілген дауыс үлгілері арқылы автоматты түрде анықталады; оларды нақты көрсету үшін тізім беріңіз.

Қосымша cfg_scale · seed · enable_safety_checker
әдепкі 1.3

CFG (Classifier-Free Guidance) күші генерацияның мәтінді қаншалықты дәл ұстанатынын анықтайды; мән жоғарылаған сайын сәйкестік артады.

Генерацияны қайталауға мүмкіндік беретін кездейсоқ seed.

POST /run/vibevoice/7b?wait=20 бағасы → 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"

Осы сұрауды іске қосу

Кілтіңіз осы браузерде қалады: ол тек Doitong API-ге жіберіледі және Remember параметрін белгілеcеңіз ғана localStorage ішінде сақталады. API кілтін алу

VibeVoice 7B туралы

Көлемі 30000 таңбаға дейінгі `script` мәтінін сөйлеуге айналдырады; диалог үшін 'Speaker X:' префикстерін және дауыстар үшін міндетті `speakers` тізімін қабылдайды. `cfg_scale` 1-ден 2-ге дейін, ал `seed` қайталанымды нәтиже береді. Бұл топтың 7B нұсқасы, мәтін шегі 1.5B моделіне қарағанда қысқарақ.

Параметрлер

АтауыТүрі ӘдепкіРұқсат етілген Сипаттама
scriptміндетті
Түріstring
≤ 30 000 таңба
Сөйлеу кірісінің сценарийі; диалогтағы сөйлеушілерді ажырату үшін қосымша 'Speaker X:' белгілерін қамтуы мүмкін.
speakersміндетті
Түріobject[]
Сөйлеушілер сценарий немесе берілген дауыс үлгілері арқылы автоматты түрде анықталады; оларды нақты көрсету үшін тізім беріңіз.
speakers[].presetміндетті емес
Түріenum
ӘдепкіAlice [EN]
Alice [EN]Carter [EN]Frank [EN]Mary [EN] (Background Music)Maya [EN]Anchen [ZH] (Background Music)Bowen [ZH]Xinran [ZH]
`audio_url` көрсетілмеген сөйлеушіге арналған қосалқы дауыс пресеті; аудио үлгісін беру пресеттен басым болады.
speakers[].audio_urlміндетті емес
Түріurl · audio
Дауыс үлгісінің аудио файлының URL мекенжайы; оны беру `preset` мәнін алмастырады.
seedміндетті емес
Түріinteger | null
Генерацияны қайталауға мүмкіндік беретін кездейсоқ seed.
cfg_scaleміндетті емес
Түріnumber
Әдепкі1.3
1 – 2
CFG (Classifier-Free Guidance) күші генерацияның мәтінді қаншалықты дәл ұстанатынын анықтайды; мән жоғарылаған сайын сәйкестік артады.
enable_safety_checkerміндетті емес
Түріboolean
Әдепкіtrue
Шақырушы авторизацияланған болса, false мәнін орнату арқылы тексеруді жеңілдетуге болады.
міндетті

Шығыс

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"
  }
}
Файлдарыңыз — таңдауыңызӘр outputs[].url — сақтау орнымыздағы көшірме: мәңгі (әр GB-ай үшін ақылы) немесе аккаунт параметрі не ?storage= арқылы 7 күн тегін сақталады.
Әр модельдегі пішім бірдейtype, url, content_type, width, height және duration — кескіндерге, бейнеге және аудиоға ортақ. output — модельдің өз нәтижелер нысаны.
Шығыс өрістері
audio
object {url, content_type, file_name, file_size}Синтезделген сөйлеу жазылған аудио файл.
duration
numberСекундпен өлшенетін аудио шығысының ұзақтығы.
sample_rate
integerАудио шығысының іріктеу жиілігі.
generation_time
numberСекундпен өлшенетін аудио генерациясының уақыты.
rtf
numbergeneration_time мәнін audio_duration мәніне бөлу арқылы есептелетін нақты уақыт коэффициенті; кіші мәндер жақсырақ өнімділікті көрсетеді.

Қосымша модельдер: Мәтіннен сөйлеуге

AI агенттеріне: бұл беттің Markdown нұсқасы мына жерде: https://doitong.com/kk/developers/models/vibevoice/7b.md. Барлық модельдер мен нұсқаулықтар: https://doitong.com/developers/llms.txt