Hoppa till innehåll

Maya1

Integrera

Modell-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"

Den här begäran: ≈0,049 $ 49 API-krediter · ≈ 5,17 ₽ Kör den på den här sidan

Hämta API-nyckel
Maya Research Text till tal #text-to-speech#tts

Uttrycksfull text-till-tal med en prompt som beskriver rösten och inbäddade känslotaggar

Maya Research · Ljud

Ditt första resultat visas här

Skapa en begäran nedan och kör den med din API-nyckel. Utdata kopieras till vår lagring och sparas för alltid eller 7 dagar kostnadsfritt.

Skapa en begäran

Kontrollerna genereras från modellschemat. Koden och priset uppdateras när du ändrar dem.

•obligatoriskt 50 / 5000

Text för talsyntes som tillåter känslotaggar i formen <emotion_name> på valfri plats, som i 'Hello world! <excited> This is amazing!' eller 'I can't believe this <sigh> happened again.'. Känslorna curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder och laugh stöds.

•obligatoriskt 50 / 500

Röst- eller karaktärsdrag att beskriva, till exempel intensitet, ton, tempo, klang, tonhöjd, accent och ålder.

Avancerat sample_rate · output_format · temperature · top_p · max_tokens · repetition_penalty · enable_safety_checker
sample_rate standard 48 kHz

Val av ljudsamplingsfrekvens mellan snabbare bearbetning vid 24 kHz och utdata av högre kvalitet vid 48 kHz.

output_format standard wav

Ljudfilformat som används för syntetiserat tal.

standard 0.4

Samplingstemperatur som styr ljudvariation: en höjning ger större variation, medan det lägre intervallet 0.2–0.5 främjar stabilitet och konsekvens.

standard 0.9

Inställning för nucleus-sampling som justerar mångfalden vid tokenval.

standard 2000

SNAC-tokenbudget som begränsar ljudets längd, beräknad till 7 token per bildruta.

standard 1.1

Straff som tillämpas på token-upprepning. En höjning dämpar upprepningsartefakter.

POST /run/maya?wait=20 pris → 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"

Kör den här begäran

Din nyckel stannar i den här webbläsaren: den skickas endast till Doitong API och sparas endast i localStorage om du markerar Kom ihåg. Hämta en API-nyckel

Om Maya1

Konverterar text på upp till 5000 tecken till tal. En obligatorisk `prompt` på upp till 500 tecken beskriver rösten, till exempel ålder, accent och tonläge. Känslotaggar som laugh eller whisper kan bäddas in i texten. Välj samplingsfrekvensen 48 kHz eller 24 kHz och wav- eller mp3-utdata; `max_tokens` begränsar ljudets längd.

Parametrar

NamnTyp StandardTillåtna Beskrivning
textobligatoriskt
Typstring
≤ 5 000 tecken
Text för talsyntes som tillåter känslotaggar i formen <emotion_name> på valfri plats, som i 'Hello world! <excited> This is amazing!' eller 'I can't believe this <sigh> happened again.'. Känslorna curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder och laugh stöds.
promptobligatoriskt
Typstring
≤ 500 tecken
Röst- eller karaktärsdrag att beskriva, till exempel intensitet, ton, tempo, klang, tonhöjd, accent och ålder.
temperaturevalfritt
Typnumber
Standard0.4
0 – 2
Samplingstemperatur som styr ljudvariation: en höjning ger större variation, medan det lägre intervallet 0.2–0.5 främjar stabilitet och konsekvens.
top_pvalfritt
Typnumber
Standard0.9
0 – 1
Inställning för nucleus-sampling som justerar mångfalden vid tokenval.
max_tokensvalfritt
Typinteger
Standard2000
28 – 4 000
SNAC-tokenbudget som begränsar ljudets längd, beräknad till 7 token per bildruta.
repetition_penaltyvalfritt
Typnumber
Standard1.1
1 – 2
Straff som tillämpas på token-upprepning. En höjning dämpar upprepningsartefakter.
sample_ratevalfritt
Typenum
Standard48 kHz
48 kHz24 kHz
Val av ljudsamplingsfrekvens mellan snabbare bearbetning vid 24 kHz och utdata av högre kvalitet vid 48 kHz.
output_formatvalfritt
Typenum
Standardwav
wavmp3
Ljudfilformat som används för syntetiserat tal.
enable_safety_checkervalfritt
Typboolean
Standardtrue
Granskningen kan lättas genom att ange false, om anroparen är behörig.
obligatoriskt

Resultat

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"
  }
}
Dina filer, ditt valVarje outputs[].url är en kopia i vår lagring: sparad för alltid (debiteras per GB-månad) eller 7 dagar kostnadsfritt, enligt din kontoinställning eller ?storage=.
Samma struktur för varje modelltype, url, content_type, width, height och duration, för bilder, video och ljud. output är modellens eget resultatobjekt.
Resultatets fält
audio
object {url, content_type, file_name, file_size}Skapad talfil i WAV eller MP3, med monoljud vid 24 kHz eller 48 kHz enligt uppsamplaren.
duration
numberLjudutdatans längd, mätt i sekunder.
sample_rate
stringLjudutdatans samplingsfrekvens.
generation_time
numberTid för ljudgenerering, mätt i sekunder.
rtf
numberRealtidsfaktor beräknad som generation_time dividerat med audio_duration; lägre värden anger bättre prestanda.

Fler modeller: Text till tal

För AI-agenter: den här sidan som Markdown finns på https://doitong.com/sv/developers/models/maya.md. Alla modeller och guider: https://doitong.com/developers/llms.txt