Aqbeż għall-kontenut

Zonos2 Text to Speech

Integra

Id tal-mudell zonos2
# 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/zonos2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "reference_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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"

Sa $0.02 għal kull eżekuzzjoni titħallas skont l-użu attwali, il-bqija tiġi rifuża Ħaddmu f’din il-paġna

Ikseb ċavetta API
Zyphra Test għal diskors Inputs ta’ referenza #text-to-speech#tts#voice-cloning

TTS multilingwi bil-klonazzjoni tal-vuċi, b’kontrolli tat-teħid tal-kampjuni u għażla bejn tqabbil mill-qrib jew interpretazzjoni espressiva

Zyphra · Awdjo

L-ewwel riżultat tiegħek jidher hawn

Ibni talba hawn taħt u ħaddimha biċ-ċavetta API tiegħek. L-outputs jiġu kkupjati fil-ħażna tagħna, miżmuma għal dejjem jew 7 ijiem b’xejn.

Ibni talba

Il-kontrolli jiġu ġġenerati mill-iskema tal-mudell. Il-kodiċi u l-prezz jaġġornaw hekk kif tibdilhom.

•meħtieġ
Waqqa’ fajl, jew

Awdjo li jipprovdi l-vuċi sors għall-klonazzjoni.

Avvanzat language · temperature · top_p · min_p · top_k · max_tokens · seed · accurate_mode · clean_speaker_background · enable_safety_checker
prestabbilit en_us

Għażla tal-lingwa għan-normalizzazzjoni tat-test, li tinqabeż sakemm il-kodiċi ma jkunx wieħed minn: en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko.

prestabbilit 1.15

Temperatura użata għat-teħid tal-kampjuni.

prestabbilit 0

Probabbiltà għat-teħid ta' kampjuni tan-nukleu; issettjaha għal 0 biex tiddiżattivaha.

prestabbilit 0.18

Limitu tal-probabbiltà għat-teħid ta' kampjuni ta' probabbiltà minima.

prestabbilit 106

Limitu għat-teħid ta' kampjuni top-k; issettjah għal 0 biex tiddiżattivah.

Limitu massimu għall-ġenerazzjoni ta’ frejms tal-awdjo, li juża l-limitu tal-kuntest tal-mudell sakemm ma jiġix ipprovdut massimu.

Żerriegħa li tippermetti riżultati riproduċibbli; tintgħażel b’mod każwali jekk titħalla barra.

POST /run/zonos2?wait=20 kwotazzjoni → $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/zonos2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "reference_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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"

Ħaddem din it-talba

Iċ-ċavetta tiegħek tibqa’ f’dan il-browser: tintbagħat biss lid-Doitong API u tiġi ssejvjata (localStorage) biss jekk timmarka Ftakar. Ikseb ċavetta API

Dwar Zonos2 Text to Speech

Jikklona vuċi minn `reference_audio_url` u jaqra test, filwaqt li jirritorna awdjo WAV f’44.1kHz mono flimkien mas-seed użat. `language` jistabbilixxi n-normalizzazzjoni tat-test għal en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn u ko. `accurate_mode` jissostitwixxi l-qrubija tal-vuċi b’espressività, u t-teħid tal-kampjuni jista’ jiġi rfinat permezz ta’ `temperature`, `top_p`, `min_p`, `top_k` u `max_tokens` (sa 6144).

Parametri

IsemTip PrestabbilitPermess Deskrizzjoni
reference_audio_urlmeħtieġ
Tipurl · audio
Awdjo li jipprovdi l-vuċi sors għall-klonazzjoni.
languagemhux obbligatorju
Tipstring
Prestabbiliten_us
Għażla tal-lingwa għan-normalizzazzjoni tat-test, li tinqabeż sakemm il-kodiċi ma jkunx wieħed minn: en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko.
seedmhux obbligatorju
Tipinteger | null
0 – 2,147,483,647
Żerriegħa li tippermetti riżultati riproduċibbli; tintgħażel b’mod każwali jekk titħalla barra.
accurate_modemhux obbligatorju
Tipboolean
Prestabbilittrue
Tqabbil tal-vuċi kontra l-espressività: True jippreferi tqabbil eqreb, filwaqt li False jippreferi diskors aktar espressiv.
clean_speaker_backgroundmhux obbligatorju
Tipboolean
Prestabbilitfalse
Jindika li l-awdjo ta' referenza għandu sfond nadif.
temperaturemhux obbligatorju
Tipnumber
Prestabbilit1.15
0 – 2
Temperatura użata għat-teħid tal-kampjuni.
top_pmhux obbligatorju
Tipnumber
Prestabbilit0
0 – 1
Probabbiltà għat-teħid ta' kampjuni tan-nukleu; issettjaha għal 0 biex tiddiżattivaha.
min_pmhux obbligatorju
Tipnumber
Prestabbilit0.18
0 – 1
Limitu tal-probabbiltà għat-teħid ta' kampjuni ta' probabbiltà minima.
top_kmhux obbligatorju
Tipinteger
Prestabbilit106
0 – 2,048
Limitu għat-teħid ta' kampjuni top-k; issettjah għal 0 biex tiddiżattivah.
max_tokensmhux obbligatorju
Tipinteger | null
1 – 6,144
Limitu massimu għall-ġenerazzjoni ta’ frejms tal-awdjo, li juża l-limitu tal-kuntest tal-mudell sakemm ma jiġix ipprovdut massimu.
enable_safety_checkermhux obbligatorju
Tipboolean
Prestabbilittrue
L-iskrinjar jista’ jiġi rilassat billi jiġi ssettjat għal false, sakemm min jagħmel it-talba jkun awtorizzat.
meħtieġ

Il-parametri tal-fajls jaċċettaw URL pubbliku https://, URI data: sa 10 MB, jew file_url ta’ upload. Fajls

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "zonos2",
  "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": {
    "reference_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "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
    },
    "seed": 42
  },
  "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"
  }
}
Il-fajls tiegħek, l-għażla tiegħekKull outputs[].url huwa kopja fil-ħażna tagħna: miżmuma għal dejjem (imħallsa għal kull GB-xahar) jew 7 ijiem b’xejn, skont l-issettjar tal-kont tiegħek jew ?storage=.
L-istess struttura fuq kull mudelltype, url, content_type, width, height u duration, kemm għall-immaġnijiet kif ukoll għall-vidjo u l-awdjo. output huwa l-oġġett tar-riżultat tal-mudell innifsu.
Oqsma tal-output
audio
object {url, content_type, file_name, file_size}Output tal-awdjo f'format WAV, b'rata ta' kampjunar ta' 44.1kHz u kanal mono.
seed
integerValur ta’ seed applikat waqt il-ġenerazzjoni.

Għall-aġenti tal-AI: din il-paġna bħala Markdown tinsab fuq https://doitong.com/mt/developers/models/zonos2.md. Il-mudelli u l-gwidi kollha: https://doitong.com/developers/llms.txt