ข้ามไปยังเนื้อหา

Index TTS 2.0

ผสานการทำงาน

ID โมเดล index-tts-2/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/index-tts-2/text-to-speech?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "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"

สูงสุด $0.06 ต่อการเรียกใช้ คิดค่าบริการตามการใช้งานจริง ส่วนที่เหลือจะคืนเงิน เรียกใช้ในหน้านี้

รับคีย์ API

สังเคราะห์เสียงพูดจากคลิปเสียงอ้างอิงและข้อความ พร้อมควบคุมอารมณ์ผ่านเสียง พรอมต์ หรือค่าความเข้มของแต่ละอารมณ์

bilibili · เสียง

ผลลัพธ์แรกของคุณจะแสดงที่นี่

สร้างคำขอด้านล่างและเรียกใช้ด้วยคีย์ API ของคุณ เอาต์พุตจะถูกคัดลอกไปยังพื้นที่จัดเก็บของเรา และเก็บไว้ตลอดไปหรือฟรี 7 วัน

สร้างคำขอ

ตัวควบคุมสร้างจากสคีมาของโมเดล โค้ดและราคาจะอัปเดตเมื่อคุณเปลี่ยนค่า

•จำเป็น

พรอมต์สำหรับเสียงพูดที่จะสร้าง

•จำเป็น audio_url
วางไฟล์ หรือ

ไฟล์เสียงต้นทางที่ใช้สร้างเสียงพูด

ขั้นสูง emotion_prompt · emotional_audio_url · strength · should_use_prompt_for_emotion · enable_safety_checker · emotional_strengths

คำสั่งสไตล์ทางอารมณ์ที่ต้องใช้ `should_use_prompt_for_emotion` ร่วมด้วย

วางไฟล์ หรือ

ไฟล์เสียงอ้างอิงที่ใช้ดึงสไตล์ทางอารมณ์

ค่าเริ่มต้น 1

อิทธิพลทางอารมณ์ที่ใช้ระหว่างการถ่ายโอนสไตล์จะเพิ่มขึ้นตามการตั้งค่าความแรงนี้

ค่าความเข้มของอารมณ์แต่ละแบบสำหรับการปรับอย่างละเอียด

POST /run/index-tts-2/text-to-speech?wait=20 ใบเสนอราคา → $0.06
# 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/index-tts-2/text-to-speech?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "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"

เรียกใช้คำขอนี้

คีย์ของคุณจะอยู่ในเบราว์เซอร์นี้ โดยส่งไปยัง Doitong API เท่านั้น และจะบันทึกใน localStorage ก็ต่อเมื่อคุณเลือกจดจำ รับคีย์ API

เกี่ยวกับ Index TTS 2.0

สร้างเสียงพูดจากข้อความใน `prompt` โดยใช้เสียงจากคลิปอ้างอิงที่ระบุใน `audio_url` สามารถยืมสไตล์อารมณ์จากคลิปที่สองด้วย `emotional_audio_url` และปรับระดับด้วย `strength` (0 ถึง 1) หรือกำหนดผ่าน `emotional_strengths` ได้ อีกทางเลือกคือเปิดใช้ `should_use_prompt_for_emotion` โดยระบุ `emotion_prompt` แยกต่างหากได้ เสียงจะถูกส่งกลับเป็นออบเจ็กต์ base64

พารามิเตอร์

ส่งชื่อมาตรฐานหรือชื่อดั้งเดิมอย่างใดอย่างหนึ่งเท่านั้น ห้ามส่งทั้งสองชื่อ ชื่อมาตรฐาน

ชื่อประเภท ค่าเริ่มต้นค่าที่อนุญาต คำอธิบาย
audio_urlจำเป็น audio
ประเภทurl · audio
ไฟล์เสียงต้นทางที่ใช้สร้างเสียงพูด
promptจำเป็น
ประเภทstring
พรอมต์สำหรับเสียงพูดที่จะสร้าง
emotional_audio_urlไม่บังคับ
ประเภทurl · audio
ไฟล์เสียงอ้างอิงที่ใช้ดึงสไตล์ทางอารมณ์
strengthไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น1
0 – 1
อิทธิพลทางอารมณ์ที่ใช้ระหว่างการถ่ายโอนสไตล์จะเพิ่มขึ้นตามการตั้งค่าความแรงนี้
emotional_strengthsไม่บังคับ
ประเภทobject
ค่าความเข้มของอารมณ์แต่ละแบบสำหรับการปรับอย่างละเอียด
emotional_strengths.happyไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0
0 – 1
ความเข้มของอารมณ์ความสุข
emotional_strengths.angryไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0
0 – 1
ความเข้มของความโกรธ
emotional_strengths.sadไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0
0 – 1
ความเข้มของความเศร้า
emotional_strengths.afraidไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0
0 – 1
ความเข้มของความกลัว
emotional_strengths.disgustedไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0
0 – 1
ความเข้มของความรังเกียจ
emotional_strengths.melancholicไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0
0 – 1
ความเข้มของความเศร้าหมอง
emotional_strengths.surprisedไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0
0 – 1
ความเข้มของความประหลาดใจ
emotional_strengths.calmไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0
0 – 1
ความเข้มของความสงบ
should_use_prompt_for_emotionไม่บังคับ
ประเภทboolean | null
ค่าเริ่มต้นfalse
เมื่อเปิดใช้ การคำนวณอารมณ์จากพรอมต์จะแทนที่ `emotional_strengths` ที่ระบุโดยตรง สไตล์ทางอารมณ์จะมาจาก `emotion_prompt` หากระบุไว้ มิฉะนั้นจะมาจาก `prompt`
emotion_promptไม่บังคับ
ประเภทstring | null
คำสั่งสไตล์ทางอารมณ์ที่ต้องใช้ `should_use_prompt_for_emotion` ร่วมด้วย
enable_safety_checkerไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นtrue
สามารถผ่อนปรนการคัดกรองได้โดยตั้งค่าเป็น false หากผู้เรียกมีสิทธิ์
จำเป็น ชื่อมาตรฐาน ซึ่งรองรับเช่นกัน

พารามิเตอร์ไฟล์รับ URL https:// สาธารณะ, data: URI ขนาดไม่เกิน 10 MB หรือ file_url ของไฟล์ที่อัปโหลด ไฟล์

เอาต์พุต

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "index-tts-2/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": 60,
    "usd": "0.06",
    "charged": 60,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "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
    }
  },
  "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"
  }
}
ไฟล์ของคุณ คุณเลือกเองทุก outputs[].url คือสำเนาบนพื้นที่จัดเก็บของเรา: เก็บไว้ตลอดไป (คิดค่าบริการต่อ GB-เดือน) หรือฟรี 7 วัน โดยกำหนดได้ในการตั้งค่าบัญชีหรือ ?storage=
รูปแบบเดียวกันในทุกโมเดลtype, url, content_type, width, height และ duration สำหรับภาพ วิดีโอ และเสียงเหมือนกันทั้งหมด ส่วน output คือออบเจ็กต์ผลลัพธ์ของโมเดลเอง
ฟิลด์ของเอาต์พุต
audio
object {url, content_type, file_name, file_size}เสียงที่สร้างขึ้นและเข้ารหัสในรูปแบบ base64

สำหรับเอเจนต์ AI: หน้า Markdown นี้อยู่ที่ https://doitong.com/th/developers/models/index-tts-2/text-to-speech.md. โมเดลและคู่มือทั้งหมด: https://doitong.com/developers/llms.txt