Przejdź do treści

Chatterbox · Text to Speech

Integracja

Identyfikator modelu 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"

To żądanie: 0,002 $ 2 kredyty API · ≈ 0,21 ₽ Uruchom na tej stronie

Uzyskaj klucz API
Resemble AI Tekst na mowę #text-to-speech

Synteza mowy z tekstu w języku angielskim, z tagami emocji, kontrolą przesady i opcjonalnym stylem z audio referencyjnego

Resemble AI · Audio

Tutaj pojawi się pierwszy wynik

Zbuduj poniżej żądanie i uruchom je za pomocą klucza API. Wyniki są kopiowane do naszej przestrzeni dyskowej i przechowywane bezterminowo lub 7 dni bezpłatnie.

Zbuduj żądanie

Elementy sterujące są generowane ze schematu modelu. Kod i cena aktualizują się podczas ich zmiany.

•wymagane

Tekst syntezy mowy, który może zawierać tagi emocji: <laugh>, <chuckle>, <sigh>, <cough>, <sniffle>, <groan>, <yawn>, <gasp>. Tekst nie może przekraczać 5000 znaków.

Zaawansowane audio · exaggeration · temperature · cfg · seed
audio_url domyślnie https://storage.googl...
Upuść plik lub

Referencyjny plik audio, którego ton i styl model próbuje odwzorować w wyniku mowy. Podaj adres URL pliku audio, jeśli chcesz użyć tej opcjonalnej referencji.

domyślnie 0.25

Sterowanie przesadą mowy: maksymalna przesada odpowiada wartości 1.0, a wartość 0.0 ją wyłącza.

domyślnie 0.7

Temperatura generowania; jej zwiększenie sprawia, że wyniki są bardziej kreatywne.

domyślnie 0.5

Ziarno generowania audio; wartość 0 wybiera losowe ziarno. Aby zapewnić powtarzalność, użyj stałej wartości i pozostaw wszystkie pozostałe właściwości bez zmian; powinno to odtworzyć plik audio dokładnie.

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

Uruchom to żądanie

Klucz pozostaje w tej przeglądarce: jest wysyłany tylko do Doitong API i zapisywany (localStorage) tylko po zaznaczeniu opcji Zapamiętaj. Uzyskaj klucz API

Informacje o Chatterbox · Text to Speech

Zamienia do 5000 znaków tekstu na mowę. Tekst może zawierać tagi emocji, takie jak <laugh>, <chuckle>, <sigh> i <cough>. Opcjonalny `audio_url` dostarcza nagranie referencyjne, którego styl i ton wynik ma naśladować. Parametry `exaggeration` (od 0 do 1), `temperature`, `cfg` i `seed` sterują sposobem wypowiedzi.

Parametry

Wyślij nazwę kanoniczną albo natywną, nie obie. Nazwy kanoniczne

NazwaTyp DomyślneDozwolone Opis
textwymagane
Typstring
Tekst syntezy mowy, który może zawierać tagi emocji: <laugh>, <chuckle>, <sigh>, <cough>, <sniffle>, <groan>, <yawn>, <gasp>. Tekst nie może przekraczać 5000 znaków.
audio_urlopcjonalne audio
Typurl · audio
Domyślnehttps://storage.googleapis.com/chatterbox-demo-samples/prompts/male_rickmorty.mp3
Referencyjny plik audio, którego ton i styl model próbuje odwzorować w wyniku mowy. Podaj adres URL pliku audio, jeśli chcesz użyć tej opcjonalnej referencji.
exaggerationopcjonalne
Typnumber
Domyślne0.25
0 – 1
Sterowanie przesadą mowy: maksymalna przesada odpowiada wartości 1.0, a wartość 0.0 ją wyłącza.
temperatureopcjonalne
Typnumber
Domyślne0.7
0,05 – 2
Temperatura generowania; jej zwiększenie sprawia, że wyniki są bardziej kreatywne.
cfgopcjonalne
Typnumber
Domyślne0.5
0,1 – 1
seedopcjonalne
Typinteger | null
Ziarno generowania audio; wartość 0 wybiera losowe ziarno. Aby zapewnić powtarzalność, użyj stałej wartości i pozostaw wszystkie pozostałe właściwości bez zmian; powinno to odtworzyć plik audio dokładnie.
wymagane Nazwa kanoniczna, również akceptowana

Parametry plików przyjmują publiczny URL https://, identyfikator URI data: do 10 MB albo file_url przesłanego pliku. Pliki

Wynik

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"
  }
}
Twoje pliki, Twój wybórKażdy outputs[].url to kopia w naszej przestrzeni dyskowej: przechowywana bezterminowo (opłata za GB-miesiąc) lub 7 dni bezpłatnie, zgodnie z ustawieniem konta lub ?storage=.
Taki sam format w każdym modelutype, url, content_type, width, height i duration — tak samo dla obrazów, filmów i dźwięku. output to własny obiekt wyniku modelu.
Pola wyniku
audio
object {url, content_type, file_name, file_size}Audio zawierające zsyntetyzowaną mowę.

Więcej modeli: Tekst na mowę

Dla agentów AI: ta strona w formacie Markdown jest dostępna pod adresem https://doitong.com/pl/developers/models/chatterbox/text-to-speech.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt