உள்ளடக்கத்திற்குச் செல்க

Maya1

ஒருங்கிணை

மாடல் 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"

இந்தக் கோரிக்கை: ≈$0.049 49 API கிரெடிட்கள் · ≈ ₽5.17 இந்தப் பக்கத்தில் இயக்குங்கள்

API விசையைப் பெறுக

குரல் விளக்கப் ப்ராம்ப்ட் மற்றும் வரியிலேயே சேர்க்கக்கூடிய உணர்ச்சி குறிச்சொற்களுடன் கூடிய வெளிப்பாட்டுத் திறன் மிக்க உரையிலிருந்து பேச்சு

Maya Research · ஆடியோ

உங்கள் முதல் முடிவு இங்கே வரும்

கீழே ஒரு கோரிக்கையை உருவாக்கி, உங்கள் API விசையுடன் இயக்குங்கள். வெளியீடுகள் எங்கள் சேமிப்பகத்தில் நகலெடுக்கப்பட்டு, நிரந்தரமாக அல்லது இலவசமாக 7 நாட்கள் வைக்கப்படும்.

கோரிக்கையை உருவாக்கு

மாடல் ஸ்கீமாவிலிருந்து கட்டுப்பாடுகள் உருவாக்கப்படுகின்றன. அவற்றை மாற்றும்போது குறியீடும் விலையும் புதுப்பிக்கப்படும்.

•தேவை 50 / 5000

எந்த நிலையிலும் <emotion_name> வடிவிலான உணர்ச்சி tags-ஐ அனுமதிக்கும் பேச்சுத் தொகுப்பு உரை; 'Hello world! <excited> This is amazing!' அல்லது 'I can't believe this <sigh> happened again.' போன்றது. ஆதரிக்கப்படும் உணர்ச்சிகள் curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder மற்றும் laugh.

•தேவை 50 / 500

விவரிக்க வேண்டிய குரல் அல்லது கதாபாத்திரப் பண்புகள்; intensity, tone, pacing, timbre, pitch, accent மற்றும் age போன்றவை.

மேம்பட்டவை sample_rate · output_format · temperature · top_p · max_tokens · repetition_penalty · enable_safety_checker
sample_rate இயல்புநிலை 48 kHz

24 kHz-ல் வேகமான செயலாக்கத்துக்கும் 48 kHz-ல் உயர் தர வெளியீட்டுக்கும் இடையிலான ஆடியோ sample-rate தேர்வு.

output_format இயல்புநிலை wav

தொகுக்கப்பட்ட பேச்சுக்குப் பயன்படுத்தப்படும் ஆடியோ கோப்பு வடிவம்.

இயல்புநிலை 0.4

ஆடியோ மாறுபாட்டைக் கட்டுப்படுத்தும் sampling temperature: இதை அதிகரிப்பது அதிக வகைமையை உருவாக்கும்; அதேவேளை 0.2–0.5 என்ற குறைந்த வரம்பு நிலைத்தன்மை மற்றும் ஒருமைப்பாட்டுக்கு ஏற்றது.

இயல்புநிலை 0.9

டோக்கன் தேர்வு வகைமையைச் சரிசெய்யும் nucleus sampling அமைப்பு.

இயல்புநிலை 2000

ஆடியோ நீளத்துக்கு உச்சவரம்பு விதிக்கும் SNAC டோக்கன் பட்ஜெட்; ஒவ்வொரு ஃப்ரேமுக்கும் 7 டோக்கன்களாகக் கணக்கிடப்படுகிறது.

இயல்புநிலை 1.1

டோக்கன் மீளுருவாக்கத்துக்குப் பயன்படுத்தப்படும் தண்டனை. இதை அதிகரிப்பது மீளுருவாக்கக் குறைபாடுகளை அடக்குகிறது.

POST /run/maya?wait=20 விலை → $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"

இந்தக் கோரிக்கையை இயக்கு

உங்கள் key இந்த உலாவியில் மட்டுமே இருக்கும்: அது Doitong API-க்கு மட்டும் அனுப்பப்படும்; Remember-ஐத் தேர்ந்தெடுத்தால் மட்டுமே (localStorage)-ல் சேமிக்கப்படும். API விசையைப் பெறுங்கள்

Maya1 பற்றி

அதிகபட்சம் 5000 எழுத்துகளிலான உரையைப் பேச்சாக மாற்றுகிறது. வயது, உச்சரிப்பு மற்றும் தொனி போன்ற குரல் பண்புகளை அதிகபட்சம் 500 எழுத்துகளிலான தேவையான `prompt` விவரிக்கிறது. laugh அல்லது whisper போன்ற உணர்ச்சி குறிச்சொற்களை உரையில் உட்பொதிக்கலாம். 48 kHz அல்லது 24 kHz மாதிரி வீதத்தையும் wav அல்லது mp3 வெளியீட்டையும் தேர்வு செய்யலாம்; `max_tokens` ஆடியோ நீளத்தைக் கட்டுப்படுத்துகிறது.

அளவுருக்கள்

பெயர்வகை இயல்புநிலைஅனுமதிக்கப்பட்டது விளக்கம்
textதேவை
வகைstring
≤ 5,000 எழுத்துகள்
எந்த நிலையிலும் <emotion_name> வடிவிலான உணர்ச்சி tags-ஐ அனுமதிக்கும் பேச்சுத் தொகுப்பு உரை; 'Hello world! <excited> This is amazing!' அல்லது 'I can't believe this <sigh> happened again.' போன்றது. ஆதரிக்கப்படும் உணர்ச்சிகள் curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder மற்றும் laugh.
promptதேவை
வகைstring
≤ 500 எழுத்துகள்
விவரிக்க வேண்டிய குரல் அல்லது கதாபாத்திரப் பண்புகள்; intensity, tone, pacing, timbre, pitch, accent மற்றும் age போன்றவை.
temperatureவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை0.4
0 – 2
ஆடியோ மாறுபாட்டைக் கட்டுப்படுத்தும் sampling temperature: இதை அதிகரிப்பது அதிக வகைமையை உருவாக்கும்; அதேவேளை 0.2–0.5 என்ற குறைந்த வரம்பு நிலைத்தன்மை மற்றும் ஒருமைப்பாட்டுக்கு ஏற்றது.
top_pவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை0.9
0 – 1
டோக்கன் தேர்வு வகைமையைச் சரிசெய்யும் nucleus sampling அமைப்பு.
max_tokensவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை2000
28 – 4,000
ஆடியோ நீளத்துக்கு உச்சவரம்பு விதிக்கும் SNAC டோக்கன் பட்ஜெட்; ஒவ்வொரு ஃப்ரேமுக்கும் 7 டோக்கன்களாகக் கணக்கிடப்படுகிறது.
repetition_penaltyவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை1.1
1 – 2
டோக்கன் மீளுருவாக்கத்துக்குப் பயன்படுத்தப்படும் தண்டனை. இதை அதிகரிப்பது மீளுருவாக்கக் குறைபாடுகளை அடக்குகிறது.
sample_rateவிருப்பத்தேர்வு
வகைenum
இயல்புநிலை48 kHz
48 kHz24 kHz
24 kHz-ல் வேகமான செயலாக்கத்துக்கும் 48 kHz-ல் உயர் தர வெளியீட்டுக்கும் இடையிலான ஆடியோ sample-rate தேர்வு.
output_formatவிருப்பத்தேர்வு
வகைenum
இயல்புநிலைwav
wavmp3
தொகுக்கப்பட்ட பேச்சுக்குப் பயன்படுத்தப்படும் ஆடியோ கோப்பு வடிவம்.
enable_safety_checkerவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைtrue
அழைப்பாளர் அங்கீகரிக்கப்பட்டிருந்தால், false என அமைப்பதன் மூலம் திரையிடலைத் தளர்த்தலாம்.
தேவை

வெளியீடு

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"
  }
}
உங்கள் கோப்புகள், உங்கள் தேர்வுஒவ்வொரு outputs[].url-ம் எங்கள் சேமிப்பகத்தில் உள்ள ஒரு நகல்: நிரந்தரமாக (GB-மாதத்திற்கு கட்டணம்) அல்லது உங்கள் கணக்கு அமைப்பு அல்லது ?storage= மூலம் இலவசமாக 7 நாட்கள் வைக்கப்படும்.
ஒவ்வொரு மாடலிலும் ஒரே வடிவம்படங்கள், வீடியோ மற்றும் ஆடியோ ஆகிய அனைத்திற்குமான type, url, content_type, width, height மற்றும் duration. output என்பது மாதிரியின் சொந்த முடிவு பொருளாகும்.
வெளியீட்டின் புலங்கள்
audio
object {url, content_type, file_name, file_size}VAE encoder தீர்மானிக்கும் வகையில் 24 kHz அல்லது 48 kHz mono ஆடியோவுடன் WAV அல்லது MP3 வடிவிலான உருவாக்கப்பட்ட பேச்சுக் கோப்பு.
duration
numberவினாடிகளில் அளவிடப்படும் ஆடியோ வெளியீட்டின் நீளம்.
sample_rate
stringஆடியோ வெளியீட்டின் sampling rate.
generation_time
numberவினாடிகளில் அளவிடப்படும் ஆடியோ உருவாக்க நேரம்.
rtf
numbergeneration_time-ஐ audio_duration-ஆல் வகுத்துக் கணக்கிடப்படும் நிகழ்நேரக் காரணி; குறைந்த மதிப்புகள் சிறந்த செயல்திறனைக் குறிக்கின்றன.

மேலும் மாதிரிகள்: உரையிலிருந்து பேச்சிற்கு

AI ஏஜெண்டுகளுக்கு: இந்தப் பக்கம் Markdown வடிவில் இங்கே உள்ளது https://doitong.com/ta/developers/models/maya.md. அனைத்து மாடல்களும் வழிகாட்டிகளும்: https://doitong.com/developers/llms.txt