ਸਮੱਗਰੀ ਵੱਲ ਜਾਓ

Maya1

ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ

ਮਾਡਲ id maya
# 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/maya?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence.",
    "prompt": "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"

ਇਹ ਬੇਨਤੀ: ≈$0.049 49 API ਕ੍ਰੈਡਿਟ · ≈ ₽5.17 ਇਸ ਪੰਨੇ ’ਤੇ ਚਲਾਓ

API ਕੁੰਜੀ ਲਵੋ
Maya Research ਟੈਕਸਟ ਤੋਂ ਬੋਲੀ #text-to-speech#tts

ਵੌਇਸ ਵਰਣਨ ਪ੍ਰੌਂਪਟ ਅਤੇ ਇਨਲਾਈਨ ਭਾਵਨਾ ਟੈਗਾਂ ਵਾਲਾ ਅਭਿਵਿਅੰਜਕ ਟੈਕਸਟ-ਟੂ-ਸਪੀਚ

Maya Research · ਆਡੀਓ

ਤੁਹਾਡਾ ਪਹਿਲਾ ਨਤੀਜਾ ਇੱਥੇ ਹੋਵੇਗਾ

ਹੇਠਾਂ ਬੇਨਤੀ ਬਣਾਓ ਅਤੇ ਆਪਣੀ API ਕੁੰਜੀ ਨਾਲ ਚਲਾਓ। ਆਉਟਪੁੱਟ ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਕਾਪੀ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਹਮੇਸ਼ਾ ਲਈ ਜਾਂ ਮੁਫ਼ਤ ਵਿੱਚ 7 ਦਿਨ ਤੱਕ ਰੱਖੇ ਜਾਂਦੇ ਹਨ।

ਰਿਕਵੈਸਟ ਬਣਾਓ

ਕੰਟਰੋਲ ਮਾਡਲ ਸਕੀਮਾ ਤੋਂ ਤਿਆਰ ਹੁੰਦੇ ਹਨ। ਤੁਸੀਂ ਬਦਲਾਅ ਕਰਦੇ ਹੀ ਕੋਡ ਅਤੇ ਕੀਮਤ ਅੱਪਡੇਟ ਹੋ ਜਾਂਦੇ ਹਨ।

•ਲੋੜੀਂਦਾ 50 / 5000

ਸਪੀਚ-ਸਿੰਥੇਸਿਸ ਪਾਠ, ਜੋ ਕਿਸੇ ਵੀ ਸਥਾਨ 'ਤੇ <emotion_name> ਰੂਪ ਵਿੱਚ ਭਾਵਨਾ ਟੈਗਾਂ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ, ਜਿਵੇਂ 'Hello world! <excited> This is amazing!' ਜਾਂ 'I can't believe this <sigh> happened again.'. ਸਮਰਥਿਤ ਭਾਵਨਾਵਾਂ curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder, ਅਤੇ laugh ਹਨ।

•ਲੋੜੀਂਦਾ 50 / 500

ਵਰਣਨ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਆਵਾਜ਼ ਜਾਂ ਪਾਤਰ ਦੇ ਗੁਣ, ਜਿਵੇਂ ਤੀਬਰਤਾ, ਲਹਿਜ਼ਾ, ਗਤੀ, ਟਿੰਬਰ, ਪਿਚ, ਉਚਾਰਣ ਅਤੇ ਉਮਰ।

ਉੱਨਤ sample_rate · output_format · temperature · top_p · max_tokens · repetition_penalty · enable_safety_checker
sample_rate ਡਿਫ਼ਾਲਟ 48 kHz

ਆਡੀਓ ਸੈਂਪਲ-ਰੇਟ ਦੀ ਚੋਣ: 24 kHz 'ਤੇ ਤੇਜ਼ ਪ੍ਰੋਸੈਸਿੰਗ ਜਾਂ 48 kHz 'ਤੇ ਉੱਚ-ਗੁਣਵੱਤਾ ਆਉਟਪੁੱਟ।

output_format ਡਿਫ਼ਾਲਟ wav

ਸਿੰਥੇਸਾਈਜ਼ ਕੀਤੀ ਸਪੀਚ ਲਈ ਵਰਤਿਆ ਆਡੀਓ ਫ਼ਾਈਲ ਫਾਰਮੈਟ।

ਡਿਫ਼ਾਲਟ 0.4

ਆਡੀਓ ਵਿੱਚ ਵੱਖਰਾਪਣ ਨਿਯੰਤਰਿਤ ਕਰਨ ਵਾਲਾ ਸੈਂਪਲਿੰਗ ਤਾਪਮਾਨ: ਇਸਨੂੰ ਵਧਾਉਣ ਨਾਲ ਵੱਧ ਵਿਭਿੰਨਤਾ ਆਉਂਦੀ ਹੈ, ਜਦੋਂਕਿ 0.2–0.5 ਦੀ ਹੇਠਲੀ ਰੇਂਜ ਸਥਿਰਤਾ ਅਤੇ ਇਕਸਾਰਤਾ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦੀ ਹੈ।

ਡਿਫ਼ਾਲਟ 0.9

ਟੋਕਨ-ਚੋਣ ਦੀ ਵਿਭਿੰਨਤਾ ਨੂੰ ਸਮਾਯੋਜਿਤ ਕਰਨ ਵਾਲੀ ਨਿਊਕਲੀਅਸ ਸੈਂਪਲਿੰਗ ਸੈਟਿੰਗ।

ਡਿਫ਼ਾਲਟ 2000

SNAC ਟੋਕਨ ਬਜਟ, ਜੋ ਆਡੀਓ ਦੀ ਮਿਆਦ ਦੀ ਉੱਚਤਮ ਸੀਮਾ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ; ਹਰ ਫ੍ਰੇਮ ਲਈ 7 ਟੋਕਨਾਂ ਨਾਲ ਗਿਣਿਆ ਜਾਂਦਾ ਹੈ।

ਡਿਫ਼ਾਲਟ 1.1

ਟੋਕਨ ਦੁਹਰਾਅ 'ਤੇ ਲਾਗੂ ਕੀਤੀ ਪੈਨਲਟੀ। ਇਸਨੂੰ ਵਧਾਉਣ ਨਾਲ ਦੁਹਰਾਅ ਵਾਲੀਆਂ ਕਲਾਤਮਕ ਖਾਮੀਆਂ ਘਟਦੀਆਂ ਹਨ।

POST /run/maya?wait=20 ਕੋਟ → $0.049
# 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/maya?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence.",
    "prompt": "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"

ਇਹ ਬੇਨਤੀ ਚਲਾਓ

ਤੁਹਾਡੀ key ਇਸ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਰਹਿੰਦੀ ਹੈ: ਇਹ ਸਿਰਫ਼ Doitong API ਨੂੰ ਭੇਜੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਸਿਰਫ਼ ਤਾਂ ਹੀ (localStorage) ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਹੁੰਦੀ ਹੈ ਜੇ ਤੁਸੀਂ Remember ਚੁਣੋ। API ਕੁੰਜੀ ਪ੍ਰਾਪਤ ਕਰੋ

Maya1 ਬਾਰੇ

5000 ਅੱਖਰਾਂ ਤੱਕ ਦੇ ਟੈਕਸਟ ਨੂੰ ਸਪੀਚ ਵਿੱਚ ਬਦਲਦਾ ਹੈ। 500 ਅੱਖਰਾਂ ਤੱਕ ਦਾ ਲਾਜ਼ਮੀ `prompt` ਵੌਇਸ ਦਾ ਵਰਣਨ ਕਰਦਾ ਹੈ, ਜਿਵੇਂ ਉਮਰ, ਲਹਿਜ਼ਾ ਅਤੇ ਟੋਨ। laugh ਜਾਂ whisper ਵਰਗੇ ਭਾਵਨਾ ਟੈਗ ਟੈਕਸਟ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ। 48 kHz ਜਾਂ 24 kHz ਸੈਂਪਲ ਰੇਟ ਅਤੇ wav ਜਾਂ mp3 ਆਉਟਪੁੱਟ ਚੁਣੋ; `max_tokens` ਆਡੀਓ ਦੀ ਲੰਬਾਈ ਸੀਮਿਤ ਕਰਦਾ ਹੈ।

ਪੈਰਾਮੀਟਰ

ਨਾਮਕਿਸਮ ਡਿਫ਼ਾਲਟਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵੇਰਵਾ
textਲੋੜੀਂਦਾ
ਕਿਸਮstring
≤ 5,000 ਅੱਖਰ
ਸਪੀਚ-ਸਿੰਥੇਸਿਸ ਪਾਠ, ਜੋ ਕਿਸੇ ਵੀ ਸਥਾਨ 'ਤੇ <emotion_name> ਰੂਪ ਵਿੱਚ ਭਾਵਨਾ ਟੈਗਾਂ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ, ਜਿਵੇਂ 'Hello world! <excited> This is amazing!' ਜਾਂ 'I can't believe this <sigh> happened again.'. ਸਮਰਥਿਤ ਭਾਵਨਾਵਾਂ curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder, ਅਤੇ laugh ਹਨ।
promptਲੋੜੀਂਦਾ
ਕਿਸਮstring
≤ 500 ਅੱਖਰ
ਵਰਣਨ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਆਵਾਜ਼ ਜਾਂ ਪਾਤਰ ਦੇ ਗੁਣ, ਜਿਵੇਂ ਤੀਬਰਤਾ, ਲਹਿਜ਼ਾ, ਗਤੀ, ਟਿੰਬਰ, ਪਿਚ, ਉਚਾਰਣ ਅਤੇ ਉਮਰ।
temperatureਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ0.4
0 – 2
ਆਡੀਓ ਵਿੱਚ ਵੱਖਰਾਪਣ ਨਿਯੰਤਰਿਤ ਕਰਨ ਵਾਲਾ ਸੈਂਪਲਿੰਗ ਤਾਪਮਾਨ: ਇਸਨੂੰ ਵਧਾਉਣ ਨਾਲ ਵੱਧ ਵਿਭਿੰਨਤਾ ਆਉਂਦੀ ਹੈ, ਜਦੋਂਕਿ 0.2–0.5 ਦੀ ਹੇਠਲੀ ਰੇਂਜ ਸਥਿਰਤਾ ਅਤੇ ਇਕਸਾਰਤਾ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦੀ ਹੈ।
top_pਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ0.9
0 – 1
ਟੋਕਨ-ਚੋਣ ਦੀ ਵਿਭਿੰਨਤਾ ਨੂੰ ਸਮਾਯੋਜਿਤ ਕਰਨ ਵਾਲੀ ਨਿਊਕਲੀਅਸ ਸੈਂਪਲਿੰਗ ਸੈਟਿੰਗ।
max_tokensਵਿਕਲਪਿਕ
ਕਿਸਮinteger
ਡਿਫ਼ਾਲਟ2000
28 – 4,000
SNAC ਟੋਕਨ ਬਜਟ, ਜੋ ਆਡੀਓ ਦੀ ਮਿਆਦ ਦੀ ਉੱਚਤਮ ਸੀਮਾ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ; ਹਰ ਫ੍ਰੇਮ ਲਈ 7 ਟੋਕਨਾਂ ਨਾਲ ਗਿਣਿਆ ਜਾਂਦਾ ਹੈ।
repetition_penaltyਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ1.1
1 – 2
ਟੋਕਨ ਦੁਹਰਾਅ 'ਤੇ ਲਾਗੂ ਕੀਤੀ ਪੈਨਲਟੀ। ਇਸਨੂੰ ਵਧਾਉਣ ਨਾਲ ਦੁਹਰਾਅ ਵਾਲੀਆਂ ਕਲਾਤਮਕ ਖਾਮੀਆਂ ਘਟਦੀਆਂ ਹਨ।
sample_rateਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟ48 kHz
48 kHz24 kHz
ਆਡੀਓ ਸੈਂਪਲ-ਰੇਟ ਦੀ ਚੋਣ: 24 kHz 'ਤੇ ਤੇਜ਼ ਪ੍ਰੋਸੈਸਿੰਗ ਜਾਂ 48 kHz 'ਤੇ ਉੱਚ-ਗੁਣਵੱਤਾ ਆਉਟਪੁੱਟ।
output_formatਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟwav
wavmp3
ਸਿੰਥੇਸਾਈਜ਼ ਕੀਤੀ ਸਪੀਚ ਲਈ ਵਰਤਿਆ ਆਡੀਓ ਫ਼ਾਈਲ ਫਾਰਮੈਟ।
enable_safety_checkerਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟtrue
false ਸੈੱਟ ਕਰਕੇ ਸਕ੍ਰੀਨਿੰਗ ਨੂੰ ਢਿੱਲਾ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਜੇ ਕਾਲਰ ਅਧਿਕਾਰਤ ਹੋਵੇ।
ਲੋੜੀਂਦਾ

ਆਉਟਪੁੱਟ

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "maya",
  "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": 49,
    "usd": "0.049",
    "charged": 49,
    "refunded": 0
  },
  "input": {
    "text": "Hello from Doitong. This is a short test sentence.",
    "prompt": "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
    },
    "duration": 5,
    "sample_rate": "48 kHz",
    "generation_time": 2.3,
    "rtf": 0.51
  },
  "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"
  }
}
ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ, ਤੁਹਾਡੀ ਚੋਣਹਰ outputs[].url ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਇੱਕ ਕਾਪੀ ਹੈ: ਹਮੇਸ਼ਾ ਲਈ ਰੱਖੀ ਜਾਂਦੀ ਹੈ (ਪ੍ਰਤੀ GB-ਮਹੀਨਾ ਭੁਗਤਾਨ) ਜਾਂ 7 ਦਿਨ ਤੱਕ ਮੁਫ਼ਤ, ਤੁਹਾਡੀ ਖਾਤਾ ਸੈਟਿੰਗ ਜਾਂ ?storage= ਅਨੁਸਾਰ।
ਹਰ ਮਾਡਲ ’ਤੇ ਇੱਕੋ ਜਿਹਾ ਰੂਪਤਸਵੀਰਾਂ, ਵੀਡੀਓ ਅਤੇ ਆਡੀਓ ਸਭ ਲਈ type, url, content_type, width, height ਅਤੇ duration। output ਮਾਡਲ ਦਾ ਆਪਣਾ ਨਤੀਜਾ ਆਬਜੈਕਟ ਹੈ।
ਆਉਟਪੁੱਟ ਦੇ ਫ਼ੀਲਡ
audio
object {url, content_type, file_name, file_size}WAV ਜਾਂ MP3 ਵਿੱਚ ਤਿਆਰ ਕੀਤੀ ਸਪੀਚ ਫ਼ਾਈਲ, ਜਿਸ ਵਿੱਚ upsampler ਦੁਆਰਾ ਨਿਰਧਾਰਤ 24 kHz ਜਾਂ 48 kHz 'ਤੇ ਮੋਨੋ ਆਡੀਓ ਹੁੰਦੀ ਹੈ।
duration
numberਆਡੀਓ ਆਉਟਪੁੱਟ ਦੀ ਲੰਬਾਈ, ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਾਪੀ ਗਈ।
sample_rate
stringਆਡੀਓ ਆਉਟਪੁੱਟ ਦੀ ਸੈਂਪਲਿੰਗ ਦਰ।
generation_time
numberਆਡੀਓ ਸਿਰਜਣਾ ਦਾ ਸਮਾਂ, ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਾਪਿਆ ਗਿਆ।
rtf
numbergeneration_time ਨੂੰ audio_duration ਨਾਲ ਭਾਗ ਦੇ ਕੇ ਗਿਣਿਆ ਰੀਅਲ-ਟਾਈਮ ਫੈਕਟਰ; ਛੋਟੇ ਮੁੱਲ ਵਧੀਆ ਕਾਰਗੁਜ਼ਾਰੀ ਦਰਸਾਉਂਦੇ ਹਨ।

ਹੋਰ ਮਾਡਲ: ਟੈਕਸਟ ਤੋਂ ਬੋਲੀ

AI ਏਜੰਟਾਂ ਲਈ: ਇਹ ਪੰਨਾ Markdown ਵਜੋਂ ਇੱਥੇ ਹੈ https://doitong.com/pa/developers/models/maya.md. ਸਾਰੇ ਮਾਡਲ ਅਤੇ ਗਾਈਡ: https://doitong.com/developers/llms.txt