Op den Inhalt sprangen

Chatterbox · Text to Speech

Integréieren

Modell-ID 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"

Dës Ufro: 0,002 $ 2 API-Kreditter · ≈ 0,21 ₽ Op dëser Säit ausféieren

API-Schlëssel kréien
Resemble AI Text zu Sprooch #text-to-speech

Englesch Text-zu-Sprooch mat emotionale Tags, Iwwerdrivungssteierung an optionalem Referenzaudio-Stil

Resemble AI · Audio

Äin éischt Resultat kënnt hei hin

Baut hei drënner eng Ufro a féiert se mat Ärem API-Schlëssel aus. Output gëtt an eis Späicherung kopéiert, fir ëmmer oder 7 Deeg gratis gespäichert.

Eng Ufro erstellen

D'Kontrolle ginn aus dem Modellschema generéiert. De Code an de Präis aktualiséiere sech, wann s du se ännerst.

•obligatoresch

Text fir d'Riedesynthees, deen Emotiounstags enthalen däerf: <laugh>, <chuckle>, <sigh>, <cough>, <sniffle>, <groan>, <yawn>, <gasp>. Den Text däerf net méi wéi 5000 Zeechen enthalen.

Erweidert audio · exaggeration · temperature · cfg · seed
audio_url Standard https://storage.googl...
Fichier erofzéien, oder

Referenzaudio, deem säin Toun a Stil de Modell a sengem geschwatene Output nozemaache probéiert. Gitt eng URL vun enger Audio-Datei un, wann Dir dës optional Referenz benotze wëllt.

Standard 0.25

Kontroll vun der Iwwerdréiung bei der Sprooch: Déi maximal Iwwerdréiung entsprécht 1.0, wärend 0.0 d'Iwwerdréiung ausschalt.

Standard 0.7

Temperatur vun der Generatioun; wann Dir se erhéicht, ginn d'Resultater méi kreativ.

Standard 0.5

Seed fir d'Audio-Generatioun; 0 wielt e zoufällege Seed. Fir reproduzéierbar Resultater, benotzt e feste Wäert a loosst all aner Eegeschafte onverännert; domat soll d'Audio-Datei genee reproduzéiert ginn.

POST /run/chatterbox/text-to-speech?wait=20 Präis → 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"

Dës Ufro ausféieren

Äre Schlëssel bleift an dësem Browser: e gëtt nëmmen un d'Doitong API geschéckt an nëmme gespäichert (localStorage), wann s du „Erënneren“ aktivéiers. En API-Schlëssel kréien

Iwwer Chatterbox · Text to Speech

Convertéiert bis zu 5000 Zeeche Text a Sprooch. Den Text kann emotional Tags wéi <laugh>, <chuckle>, <sigh> an <cough> enthalen. En optionalen `audio_url` liwwert eng Referenz, där hire Stil an Toun d'Ausgab versicht ze entspriechen. `exaggeration` (0 bis 1), `temperature`, `cfg` an `seed` steieren d'Aussprooch.

Parameteren

Schéck entweder den kanoneschen Numm oder den natierlechen Numm, net béid. Kanonesch Nimm

NummTyp StandardErlaabt Beschreiwung
textobligatoresch
Typstring
Text fir d'Riedesynthees, deen Emotiounstags enthalen däerf: <laugh>, <chuckle>, <sigh>, <cough>, <sniffle>, <groan>, <yawn>, <gasp>. Den Text däerf net méi wéi 5000 Zeechen enthalen.
audio_urloptional audio
Typurl · audio
Standardhttps://storage.googleapis.com/chatterbox-demo-samples/prompts/male_rickmorty.mp3
Referenzaudio, deem säin Toun a Stil de Modell a sengem geschwatene Output nozemaache probéiert. Gitt eng URL vun enger Audio-Datei un, wann Dir dës optional Referenz benotze wëllt.
exaggerationoptional
Typnumber
Standard0.25
0 – 1
Kontroll vun der Iwwerdréiung bei der Sprooch: Déi maximal Iwwerdréiung entsprécht 1.0, wärend 0.0 d'Iwwerdréiung ausschalt.
temperatureoptional
Typnumber
Standard0.7
0,05 – 2
Temperatur vun der Generatioun; wann Dir se erhéicht, ginn d'Resultater méi kreativ.
cfgoptional
Typnumber
Standard0.5
0,1 – 1
seedoptional
Typinteger | null
Seed fir d'Audio-Generatioun; 0 wielt e zoufällege Seed. Fir reproduzéierbar Resultater, benotzt e feste Wäert a loosst all aner Eegeschafte onverännert; domat soll d'Audio-Datei genee reproduzéiert ginn.
obligatoresch Kanoneschen Numm, och akzeptéiert

Fichierparameter akzeptéieren eng ëffentlech https:// URL, eng data: URI bis zu 10 MB oder de file_url vun engem Upload. Fichieren

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"
  }
}
Är Fichieren, Är WielAll outputs[].url ass eng Kopie an eiser Späicherung: fir ëmmer gespäichert (bezuelbar pro GB-Mount) oder 7 Deeg gratis, jee no Ärer Kontastellung oder ?storage=.
D'selwecht Struktur bei all Modelltype, url, content_type, width, height an duration, fir Biller, Video an Audio gläichermoossen. output ass dem Modell säin eegent Resultatobjet.
Output-Felder
audio
object {url, content_type, file_name, file_size}Audio mat der synthetiséierter Ried.

Méi Modeller: Text zu Sprooch

Fir AI-Agenten: dës Säit als Markdown ass ënner https://doitong.com/lb/developers/models/chatterbox/text-to-speech.md. All Modeller a Guiden: https://doitong.com/developers/llms.txt