Preskoči na vsebino

VibeVoice 7B

Integracija

ID modela vibevoice/7b
# 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/7b?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"

Ta zahteva: ≈0,04 $ 40 API kreditov · ≈ 4,22 ₽ Zaženi na tej strani

Pridobi ključ API
Microsoft Besedilo v govor #text-to-speech#multi-speaker#podcast

Večji model VibeVoice za dialog z več govorci in skripte z največ 30000 znaki

Microsoft · Zvok

Tukaj bo vaš prvi rezultat

Spodaj sestavite zahtevo in jo zaženite s svojim ključem API. Izhodi se kopirajo v našo shrambo, kjer se hranijo za vedno ali 7 dni brezplačno.

Ustvari zahtevo

Kontrolniki se ustvarijo iz sheme modela. Koda in cena se posodobita, ko ju spreminjate.

•obvezno 88 / 30000

Skript govora z izbirnimi oznakami 'Speaker X:' za razlikovanje govorcev v dialogu.

•obvezno

Govorci so samodejno določeni s skriptom ali priloženimi vzorci glasu; navedite seznam, da jih določite izrecno.

Napredno cfg_scale · seed · enable_safety_checker
privzeto 1.3

Moč CFG (Classifier-Free Guidance) določa, kako natančno generiranje sledi besedilu; pri višjih nastavitvah je upoštevanje navodil močnejše.

Naključni seed, ki omogoča ponovljivo generiranje.

POST /run/vibevoice/7b?wait=20 cena → 0,04 $
# 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/7b?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"

Zaženi to zahtevo

Vaš ključ ostane v tem brskalniku: pošlje se samo v Doitong API in shrani v localStorage samo, če označite možnost Zapomni si. Pridobi ključ API

O modelu VibeVoice 7B

Skript `script` z največ 30000 znaki pretvori v govor, pri čemer dialog uporablja predpone 'Speaker X:', obvezni seznam `speakers` pa določa glasove. `cfg_scale` sega od 1 do 2, `seed` pa omogoča ponovljiv izhod. To je različica 7B te družine z krajšo omejitvijo besedila kot model 1.5B.

Parametri

ImeVrsta PrivzetoDovoljeno Opis
scriptobvezno
Vrstastring
≤ 30.000 znakov
Skript govora z izbirnimi oznakami 'Speaker X:' za razlikovanje govorcev v dialogu.
speakersobvezno
Vrstaobject[]
Govorci so samodejno določeni s skriptom ali priloženimi vzorci glasu; navedite seznam, da jih določite izrecno.
speakers[].presetneobvezno
Vrstaenum
PrivzetoAlice [EN]
Alice [EN]Carter [EN]Frank [EN]Mary [EN] (Background Music)Maya [EN]Anchen [ZH] (Background Music)Bowen [ZH]Xinran [ZH]
Nadomestna prednastavitev glasu za govorca brez `audio_url`; priloženi zvočni vzorec ima prednost pred nastavitvijo.
speakers[].audio_urlneobvezno
Vrstaurl · audio
URL datoteke z zvočnim vzorcem glasu; če ga navedete, prepiše `preset`.
seedneobvezno
Vrstainteger | null
Naključni seed, ki omogoča ponovljivo generiranje.
cfg_scaleneobvezno
Vrstanumber
Privzeto1.3
1 – 2
Moč CFG (Classifier-Free Guidance) določa, kako natančno generiranje sledi besedilu; pri višjih nastavitvah je upoštevanje navodil močnejše.
enable_safety_checkerneobvezno
Vrstaboolean
Privzetotrue
Preverjanje je mogoče omiliti z nastavitvijo false, če je klicatelj pooblaščen.
obvezno

Izhod

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "vibevoice/7b",
  "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": 40,
    "usd": "0.04",
    "charged": 40,
    "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"
  }
}
Vaše datoteke, vaša izbiraVsak outputs[].url je kopija v naši shrambi: hrani se za vedno (plačilo na GB-mesec) ali 7 dni brezplačno, glede na nastavitev računa ali ?storage=.
Enaka struktura pri vsakem modelutype, url, content_type, width, height in duration za slike, videoposnetke in zvok. output je lasten objekt rezultata modela.
Polja izhoda
audio
object {url, content_type, file_name, file_size}Zvočna datoteka s sintetiziranim govorom.
duration
numberDolžina izhoda zvoka, merjena v sekundah.
sample_rate
integerFrekvenca vzorčenja izhoda zvoka.
generation_time
numberČas generiranja zvoka, merjen v sekundah.
rtf
numberFaktor v realnem času, izračunan kot generation_time, deljen z audio_duration; manjše vrednosti pomenijo boljšo zmogljivost.

Več modelov: Besedilo v govor

Za agente AI: ta stran je v obliki Markdown na voljo na https://doitong.com/sl/developers/models/vibevoice/7b.md. Vsi modeli in vodniki: https://doitong.com/developers/llms.txt