Pereiti prie turinio

VibeVoice 1.5B

Integruoti

Modelio id vibevoice
# 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?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"

Ši užklausa: ≈0,02 $ 20 API kreditų · ≈ 2,11 ₽ Paleisti šiame puslapyje

Gauti API raktą
Microsoft Tekstas į kalbą #text-to-speech#multi-speaker#podcast

Daugelio kalbėtojų teksto vertimas į kalbą ilgiems scenarijams, pvz., tinklalaidėms, su atskirais kiekvieno kalbėtojo balsais

Microsoft · Garsas

Čia bus pirmasis jūsų rezultatas

Sukurkite užklausą toliau ir paleiskite ją naudodami savo API raktą. Išvestys nukopijuojamos į mūsų saugyklą ir saugomos neribotą laiką arba 7 dienos nemokamai.

Sukurti užklausą

Valdikliai sugeneruojami pagal modelio schemą. Keisdami juos atnaujinsite kodą ir kainą.

•privaloma 88 / 90000

Kalbos įvesties scenarijus su pasirenkamomis 'Speaker X:' žymomis kalbėtojams dialoge atskirti.

•privaloma

Kalbėtojai nustatomi automatiškai naudojant scenarijų arba pateiktus balso pavyzdžius; pateikite sąrašą, jei norite juos nurodyti aiškiai.

Išplėstiniai cfg_scale · seed · enable_safety_checker
numatytoji 1.3

CFG (Classifier-Free Guidance) stiprumas nustato, kaip tiksliai generavimas seka tekstą; didesnės reikšmės užtikrina stipresnį atitikimą.

Atsitiktinė pradinė reikšmė, užtikrinanti atkuriamą generavimą.

POST /run/vibevoice?wait=20 kaina → 0,02 $
# 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?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"

Vykdyti šią užklausą

Jūsų raktas lieka šioje naršyklėje: jis siunčiamas tik į Doitong API ir išsaugomas (localStorage) tik pažymėjus Prisiminti. Gauti API raktą

Apie VibeVoice 1.5B

Paverčia iki 90000 simbolių `script` į kalbą. Dialoguose galima naudoti „Speaker X:“ prefiksus, o privalomas `speakers` sąrašas apibrėžia balsus. `cfg_scale` reikšmė nuo 1 iki 2 valdo teksto laikymąsi, o `seed` užtikrina pakartojamumą. Grąžinamas garsas, trukmė ir diskretizavimo dažnis.

Parametrai

PavadinimasTipas Numatytoji reikšmėLeidžiama Aprašas
scriptprivaloma
Tipasstring
≤ 90 000 simbolių
Kalbos įvesties scenarijus su pasirenkamomis 'Speaker X:' žymomis kalbėtojams dialoge atskirti.
speakersprivaloma
Tipasobject[]
Kalbėtojai nustatomi automatiškai naudojant scenarijų arba pateiktus balso pavyzdžius; pateikite sąrašą, jei norite juos nurodyti aiškiai.
speakers[].presetneprivalomas
Tipasenum
Numatytoji reikšmėAlice [EN]
Alice [EN]Carter [EN]Frank [EN]Mary [EN] (Background Music)Maya [EN]Anchen [ZH] (Background Music)Bowen [ZH]Xinran [ZH]
Atsarginis balso išankstinis nustatymas kalbėtojui be `audio_url`; pateikus garso pavyzdį, jis turi pirmenybę prieš išankstinį nustatymą.
speakers[].audio_urlneprivalomas
Tipasurl · audio
Balso pavyzdžio garso failo URL; jį pateikus, perrašomas `preset`.
seedneprivalomas
Tipasinteger | null
Atsitiktinė pradinė reikšmė, užtikrinanti atkuriamą generavimą.
cfg_scaleneprivalomas
Tipasnumber
Numatytoji reikšmė1.3
1 – 2
CFG (Classifier-Free Guidance) stiprumas nustato, kaip tiksliai generavimas seka tekstą; didesnės reikšmės užtikrina stipresnį atitikimą.
enable_safety_checkerneprivalomas
Tipasboolean
Numatytoji reikšmėtrue
Patikrą galima sušvelninti nustačius false, jei skambinantysis turi teisę tai daryti.
privaloma

Išvestis

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "vibevoice",
  "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": 20,
    "usd": "0.02",
    "charged": 20,
    "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"
  }
}
Jūsų failai — jūsų pasirinkimasKiekvienas outputs[].url yra kopija mūsų saugykloje: saugoma neribotą laiką (mokama už GB per mėnesį) arba 7 dienos nemokamai, pagal paskyros nustatymą arba ?storage=.
Ta pati struktūra kiekviename modelyjetype, url, content_type, width, height ir duration taikomi vaizdams, vaizdo įrašams ir garsui. output yra paties modelio rezultatų objektas.
Išvesties laukai
audio
object {url, content_type, file_name, file_size}Garso failas su susintetinta kalba.
duration
numberGarso išvesties trukmė sekundėmis.
sample_rate
integerGarso išvesties diskretizavimo dažnis.
generation_time
numberGarso generavimo laikas sekundėmis.
rtf
numberRealiojo laiko koeficientas, apskaičiuojamas generation_time padalijus iš audio_duration; mažesnės reikšmės reiškia geresnį našumą.

Daugiau modelių: Tekstas į kalbą

AI agentams: šis puslapis Markdown formatu pateikiamas adresu https://doitong.com/lt/developers/models/vibevoice.md. Visi modeliai ir vadovai: https://doitong.com/developers/llms.txt