ข้ามไปยังเนื้อหา

Maya · Stream

ผสานการทำงาน

ID โมเดล maya/stream
# 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/stream?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"

คำขอนี้: ≈$0.049 49 เครดิต API · ≈ ₽5.17 เรียกใช้ในหน้านี้

รับคีย์ API
Maya Research ข้อความเป็นเสียงพูด #text-to-speech#tts

Maya รุ่นสตรีมมิงสำหรับแปลงข้อความเดียวเป็นเสียงพูดพร้อมคำอธิบายเสียง

Maya Research · เสียง

ผลลัพธ์แรกของคุณจะแสดงที่นี่

สร้างคำขอด้านล่างและเรียกใช้ด้วยคีย์ API ของคุณ เอาต์พุตจะถูกคัดลอกไปยังพื้นที่จัดเก็บของเรา และเก็บไว้ตลอดไปหรือฟรี 7 วัน

สร้างคำขอ

ตัวควบคุมสร้างจากสคีมาของโมเดล โค้ดและราคาจะอัปเดตเมื่อคุณเปลี่ยนค่า

•จำเป็น 50 / 5000

ข้อความสังเคราะห์เสียงพูดที่รองรับแท็กอารมณ์ในรูปแบบ <emotion_name> ที่ตำแหน่งใดก็ได้ เช่น 'Hello world! <excited> This is amazing!' หรือ 'I can't believe this <sigh> happened again.' อารมณ์ที่รองรับ ได้แก่ curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder และ laugh

•จำเป็น 50 / 500

ลักษณะเสียงหรือตัวละครที่ต้องการอธิบาย เช่น ความเข้ม น้ำเสียง จังหวะ เนื้อเสียง ระดับเสียง สำเนียง และอายุ

ขั้นสูง sample_rate · output_format · temperature · top_p · max_tokens · repetition_penalty · enable_safety_checker
sample_rate ค่าเริ่มต้น 48 kHz

ตัวเลือกอัตราการสุ่มตัวอย่างเสียงระหว่างการประมวลผลที่เร็วขึ้นที่ 24 kHz และเอาต์พุตคุณภาพสูงกว่าที่ 48 kHz

output_format ค่าเริ่มต้น wav

รูปแบบไฟล์เสียงที่ใช้สำหรับเสียงพูดสังเคราะห์

ค่าเริ่มต้น 0.4

อุณหภูมิการสุ่มที่ควบคุมความหลากหลายของเสียง การเพิ่มค่าจะทำให้มีความหลากหลายมากขึ้น ขณะที่ช่วงค่าต่ำ 0.2–0.5 จะเน้นความเสถียรและความสม่ำเสมอ

ค่าเริ่มต้น 0.9

การตั้งค่าการสุ่มแบบนิวเคลียสที่ปรับความหลากหลายในการเลือกโทเค็น

ค่าเริ่มต้น 2000

งบประมาณโทเค็น SNAC ที่จำกัดระยะเวลาของเสียง โดยคำนวณที่ 7 โทเค็นต่อเฟรม

ค่าเริ่มต้น 1.1

ค่าปรับที่ใช้กับการซ้ำโทเค็น การเพิ่มค่าจะลดอาร์ติแฟกต์จากการซ้ำ

POST /run/maya/stream?wait=20 ใบเสนอราคา → $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/stream?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"

เรียกใช้คำขอนี้

คีย์ของคุณจะอยู่ในเบราว์เซอร์นี้ โดยส่งไปยัง Doitong API เท่านั้น และจะบันทึกใน localStorage ก็ต่อเมื่อคุณเลือกจดจำ รับคีย์ API

เกี่ยวกับ Maya · Stream

แปลงข้อความหนึ่งรายการความยาวสูงสุด 5000 อักขระเป็นเสียงพูด โดยต้องมี `prompt` คำอธิบายเสียงความยาวสูงสุด 500 อักขระ และรองรับแท็กอารมณ์แบบฝัง ตัวเลือกประกอบด้วย `temperature`, `top_p`, `repetition_penalty`, อัตราการสุ่มตัวอย่าง 48 หรือ 24 kHz และเอาต์พุต wav หรือ mp3 ส่งคืนเสียงพร้อมระยะเวลาและปัจจัยแบบเรียลไทม์

พารามิเตอร์

ชื่อประเภท ค่าเริ่มต้นค่าที่อนุญาต คำอธิบาย
textจำเป็น
ประเภทstring
≤ 5,000 อักขระ
ข้อความสังเคราะห์เสียงพูดที่รองรับแท็กอารมณ์ในรูปแบบ <emotion_name> ที่ตำแหน่งใดก็ได้ เช่น 'Hello world! <excited> This is amazing!' หรือ 'I can't believe this <sigh> happened again.' อารมณ์ที่รองรับ ได้แก่ curious, sarcastic, giggle, gulp, exhale, snort, sing, scream, cry, whisper, excited, angry, gasp, chuckle, sigh, laugh_harder และ laugh
promptจำเป็น
ประเภทstring
≤ 500 อักขระ
ลักษณะเสียงหรือตัวละครที่ต้องการอธิบาย เช่น ความเข้ม น้ำเสียง จังหวะ เนื้อเสียง ระดับเสียง สำเนียง และอายุ
temperatureไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0.4
0 – 2
อุณหภูมิการสุ่มที่ควบคุมความหลากหลายของเสียง การเพิ่มค่าจะทำให้มีความหลากหลายมากขึ้น ขณะที่ช่วงค่าต่ำ 0.2–0.5 จะเน้นความเสถียรและความสม่ำเสมอ
top_pไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0.9
0 – 1
การตั้งค่าการสุ่มแบบนิวเคลียสที่ปรับความหลากหลายในการเลือกโทเค็น
max_tokensไม่บังคับ
ประเภทinteger
ค่าเริ่มต้น2000
28 – 4,000
งบประมาณโทเค็น SNAC ที่จำกัดระยะเวลาของเสียง โดยคำนวณที่ 7 โทเค็นต่อเฟรม
repetition_penaltyไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น1.1
1 – 2
ค่าปรับที่ใช้กับการซ้ำโทเค็น การเพิ่มค่าจะลดอาร์ติแฟกต์จากการซ้ำ
sample_rateไม่บังคับ
ประเภทenum
ค่าเริ่มต้น48 kHz
48 kHz24 kHz
ตัวเลือกอัตราการสุ่มตัวอย่างเสียงระหว่างการประมวลผลที่เร็วขึ้นที่ 24 kHz และเอาต์พุตคุณภาพสูงกว่าที่ 48 kHz
output_formatไม่บังคับ
ประเภทenum
ค่าเริ่มต้นwav
wavmp3
รูปแบบไฟล์เสียงที่ใช้สำหรับเสียงพูดสังเคราะห์
enable_safety_checkerไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นtrue
สามารถผ่อนปรนการคัดกรองได้โดยตั้งค่าเป็น false หากผู้เรียกมีสิทธิ์
จำเป็น

เอาต์พุต

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "maya/stream",
  "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"
  }
}
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}ไฟล์เสียงพูดที่สร้างในรูปแบบ WAV หรือ MP3 โดยเป็นเสียงโมโนที่ 24 kHz หรือ 48 kHz ตามที่ตัวเพิ่มอัตราการสุ่มตัวอย่างกำหนด
duration
numberความยาวของเอาต์พุตเสียง วัดเป็นวินาที
sample_rate
stringอัตราการสุ่มตัวอย่างของเอาต์พุตเสียง
generation_time
numberเวลาการสร้างเสียง วัดเป็นวินาที
rtf
numberตัวคูณเวลาจริงที่คำนวณจาก generation_time หารด้วย audio_duration ค่าที่น้อยกว่าแสดงถึงประสิทธิภาพที่ดีกว่า

โมเดลเพิ่มเติม: ข้อความเป็นเสียงพูด

สำหรับเอเจนต์ AI: หน้า Markdown นี้อยู่ที่ https://doitong.com/th/developers/models/maya/stream.md. โมเดลและคู่มือทั้งหมด: https://doitong.com/developers/llms.txt