ข้ามไปยังเนื้อหา

Zonos2 Text to Speech

ผสานการทำงาน

ID โมเดล zonos2
# 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/zonos2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "reference_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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 $0.02 ต่อการเรียกใช้ คิดค่าบริการตามการใช้งานจริง ส่วนที่เหลือจะคืนเงิน เรียกใช้ในหน้านี้

รับคีย์ API
Zyphra ข้อความเป็นเสียงพูด อินพุตอ้างอิง #text-to-speech#tts#voice-cloning

TTS โคลนเสียงหลายภาษา พร้อมการควบคุมการสุ่มตัวอย่างและตัวเลือกระหว่างเสียงที่ใกล้เคียงหรือการถ่ายทอดอารมณ์

Zyphra · เสียง

ผลลัพธ์แรกของคุณจะแสดงที่นี่

สร้างคำขอด้านล่างและเรียกใช้ด้วยคีย์ API ของคุณ เอาต์พุตจะถูกคัดลอกไปยังพื้นที่จัดเก็บของเรา และเก็บไว้ตลอดไปหรือฟรี 7 วัน

สร้างคำขอ

ตัวควบคุมสร้างจากสคีมาของโมเดล โค้ดและราคาจะอัปเดตเมื่อคุณเปลี่ยนค่า

•จำเป็น
วางไฟล์ หรือ

เสียงที่ให้เสียงต้นฉบับสำหรับการโคลน

ขั้นสูง language · temperature · top_p · min_p · top_k · max_tokens · seed · accurate_mode · clean_speaker_background · enable_safety_checker
ค่าเริ่มต้น en_us

การเลือกภาษาสำหรับการปรับรูปแบบข้อความให้เป็นมาตรฐาน ซึ่งจะข้ามขั้นตอนนี้เว้นแต่รหัสจะเป็นหนึ่งใน: en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko

ค่าเริ่มต้น 1.15

อุณหภูมิที่ใช้สำหรับการสุ่มตัวอย่าง

ค่าเริ่มต้น 0

ความน่าจะเป็นสำหรับการสุ่มแบบ nucleus ตั้งค่าเป็น 0 เพื่อปิดใช้งาน

ค่าเริ่มต้น 0.18

เกณฑ์ความน่าจะเป็นสำหรับการสุ่มแบบความน่าจะเป็นขั้นต่ำ

ค่าเริ่มต้น 106

ขีดจำกัดสำหรับการสุ่มแบบ top-k ตั้งค่าเป็น 0 เพื่อปิดใช้งาน

ขีดจำกัดการสร้างเฟรมเสียง โดยใช้ขีดจำกัดบริบทของโมเดล เว้นแต่จะระบุค่าสูงสุด

seed ที่ช่วยให้ได้ผลลัพธ์ที่ทำซ้ำได้ หากไม่ระบุจะสุ่มเลือก

POST /run/zonos2?wait=20 ใบเสนอราคา → $0.02
# 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/zonos2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "reference_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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 Zonos2 Text to Speech

โคลนเสียงจาก `reference_audio_url` และอ่านข้อความ โดยส่งกลับเสียง WAV แบบโมโน 44.1kHz พร้อมซีดที่ใช้ `language` กำหนดการปรับรูปแบบข้อความสำหรับ en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn และ ko `accurate_mode` แลกความใกล้เคียงของเสียงกับความสื่ออารมณ์ และปรับการสุ่มตัวอย่างได้ผ่าน `temperature`, `top_p`, `min_p`, `top_k` และ `max_tokens` (สูงสุด 6144)

พารามิเตอร์

ชื่อประเภท ค่าเริ่มต้นค่าที่อนุญาต คำอธิบาย
reference_audio_urlจำเป็น
ประเภทurl · audio
เสียงที่ให้เสียงต้นฉบับสำหรับการโคลน
languageไม่บังคับ
ประเภทstring
ค่าเริ่มต้นen_us
การเลือกภาษาสำหรับการปรับรูปแบบข้อความให้เป็นมาตรฐาน ซึ่งจะข้ามขั้นตอนนี้เว้นแต่รหัสจะเป็นหนึ่งใน: en_us, en_gb, fr_fr, de, es, it, pt_br, ja, cmn, ko
seedไม่บังคับ
ประเภทinteger | null
0 – 2,147,483,647
seed ที่ช่วยให้ได้ผลลัพธ์ที่ทำซ้ำได้ หากไม่ระบุจะสุ่มเลือก
accurate_modeไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นtrue
การจับคู่เสียงเทียบกับความสื่ออารมณ์: True จะเน้นการจับคู่ที่ใกล้เคียงกว่า ส่วน False จะเน้นคำพูดที่สื่ออารมณ์มากกว่า
clean_speaker_backgroundไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นfalse
ระบุว่าเสียงอ้างอิงมีพื้นหลังที่สะอาด
temperatureไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น1.15
0 – 2
อุณหภูมิที่ใช้สำหรับการสุ่มตัวอย่าง
top_pไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0
0 – 1
ความน่าจะเป็นสำหรับการสุ่มแบบ nucleus ตั้งค่าเป็น 0 เพื่อปิดใช้งาน
min_pไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0.18
0 – 1
เกณฑ์ความน่าจะเป็นสำหรับการสุ่มแบบความน่าจะเป็นขั้นต่ำ
top_kไม่บังคับ
ประเภทinteger
ค่าเริ่มต้น106
0 – 2,048
ขีดจำกัดสำหรับการสุ่มแบบ top-k ตั้งค่าเป็น 0 เพื่อปิดใช้งาน
max_tokensไม่บังคับ
ประเภทinteger | null
1 – 6,144
ขีดจำกัดการสร้างเฟรมเสียง โดยใช้ขีดจำกัดบริบทของโมเดล เว้นแต่จะระบุค่าสูงสุด
enable_safety_checkerไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นtrue
สามารถผ่อนปรนการคัดกรองได้โดยตั้งค่าเป็น false หากผู้เรียกมีสิทธิ์
จำเป็น

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": "zonos2",
  "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": 20,
    "usd": "0.02",
    "charged": 20,
    "refunded": 0
  },
  "input": {
    "reference_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "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
    },
    "seed": 42
  },
  "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}เอาต์พุตเสียงในรูปแบบ WAV ที่อัตราการสุ่มตัวอย่าง 44.1kHz และช่องสัญญาณโมโน
seed
integerค่า Seed ที่ใช้ระหว่างการสร้าง

สำหรับเอเจนต์ AI: หน้า Markdown นี้อยู่ที่ https://doitong.com/th/developers/models/zonos2.md. โมเดลและคู่มือทั้งหมด: https://doitong.com/developers/llms.txt