API документация

Изказване към текст

Преписване на аудио на текст. Подкрепя 99 езика с автоматично откриване.

Тяло на искане (multipart/form-data)

Отговор

{
  "text": "Hello, this is a transcription test.",
  "language": "en",
  "duration": 3.5,
  "segments": [
    {
      "start": 0.0,
      "end": 1.8,
      "text": "Hello, this is",
      "speaker": "SPEAKER_00"
    },
    {
      "start": 1.8,
      "end": 3.5,
      "text": "a transcription test.",
      "speaker": "SPEAKER_00"
    }
  ]
}

Гласово клониране

Генерирайте реч с клониран глас. Включете референтен звук и текст.

Тяло на искане (multipart/form-data)

Отговор

Връща звуковия файл като бинарни данни, като крайната точка на TTS.

Промяна на глас

Преобразуване на звука в друг глас. Качване на източника аудио и изберете целевия глас.

Тяло на искане (multipart/form-data)

Примерно искане

curl -X POST https://api.tts.ai/v1/voice-convert/ \
  -H "Authorization: Bearer sk-tts-your-key" \
  -F "file=@source_audio.mp3" \
  -F "target_voice=af_bella" \
  -F "model=openvoice" \
  -o converted.wav

Отговор

Връща преобразувания аудио файл като бинарни данни.

Превод на речта

Превежда говорен аудио от един език на друг. Комбинира реч-то-текст, превод, и текст-то-шпик в едно обаждане.

Тяло на искане (multipart/form-data)

Отговор

{
  "original_text": "Hello, how are you?",
  "translated_text": "Hola, como estas?",
  "source_language": "en",
  "target_language": "es",
  "audio_url": "https://api.tts.ai/v1/results/translate_abc123.mp3",
  "credits_used": 5
}

Изказване към речта

Трансформиране на стила на речта, емоции или доставка, като поддържа съдържанието. Полезно за регулиране на тона, пейсинг, и изразителност.

Тяло на искане (multipart/form-data)

Отговор

Връща трансформирания аудио файл като бинарни данни.

Звукови инструменти

Звукова обработка крайни точки за повишаване, отстраняване на глас, разделяне на стволови стебла и други.

{
  "key": "C",
  "scale": "Major",
  "bpm": 120.0,
  "time_signature": "4/4",
  "camelot": "8B",
  "compatible_keys": ["C Major", "G Major", "F Major", "A Minor"]
}

Гласов разговор

Изпращане на звук или текст и получаване на отговор на AI с синтетична реч.

Тяло на искане (multipart/form-data или JSON)

Отговор

{
  "conversation_id": "conv_abc123",
  "user_text": "What is the capital of France?",
  "ai_text": "The capital of France is Paris.",
  "audio_url": "https://api.tts.ai/v1/audio/tmp/resp_xyz.mp3",
  "credits_used": 3
}

Парт. ТТС

Изпращане на няколко текста за паралелното поколение на TTS. Опционално получаване на уеб-хоок повикване, когато всички работни места завършат.

Параметри

Отговор

{
  "batch_id": "abc123",
  "total": 3,
  "completed": 0,
  "status": "processing"
}

Прогрес с GET / v1/tts/batch/result/?batch_id=abc123

Вграждане на глас

Преди компютирайте гласово вграждане от референтен звук. Използвайте върнатия embed_id в последващи гласови заявки за клониране за близкоинстантно поколение.

Параметри

Отговор

{
  "embed_id": "emb_abc123",
  "model": "chatterbox",
  "duration_ms": 450
}

Проверка на здравето

Проверете състоянието на сървъра на GPU, заредените модели и размера на опашката. Няма нужда от автентичност.

Отговор

{
  "status": "online",
  "latency_ms": 45,
  "queue_size": 3,
  "models_loaded": ["kokoro", "chatterbox", "cosyvoice2"]
}

Списък модели

Връща списък на всички налични модели с техните възможности.

Отговор

{
  "models": [
    {
      "id": "kokoro",
      "name": "Kokoro",
      "type": "tts",
      "tier": "standard",
      "languages": ["en", "ja", "ko", "zh", "fr"],
      "supports_cloning": false,
      "supports_streaming": true,
      "credits_per_1k_chars": 2
    },
    {
      "id": "chatterbox",
      "name": "Chatterbox",
      "type": "tts",
      "tier": "premium",
      "languages": ["en"],
      "supports_cloning": true,
      "supports_streaming": true,
      "credits_per_1k_chars": 4
    }
  ]
}

Списък на гласове

Връща списък на всички налични гласове, задължително филтриран по модел или език.

Параметри на запитване

Отговор

{
  "voices": [
    {
      "id": "af_bella",
      "name": "Bella",
      "model": "kokoro",
      "language": "en",
      "gender": "female",
      "preview_url": "https://api.tts.ai/v1/voices/preview/af_bella.mp3"
    }
  ],
  "total": 142
}

Субтитри (SRT / VTT) нов

Генериране на синхронизирани субтитри за всяко завършено TTS задача. Изпълнява шепотене над аудиото и връща SRT или WebVTT. Резултатът е кеширан на диска, така че второто обаждане за същия uuid е четене на диск.

Параметри на запитване

curl "https://api.tts.ai/v1/speech/subtitles/?uuid=$UUID&format=srt&download=1" -o subtitles.srt

Изговорен речник нов

Кажете на двигателя TTS как да произнася конкретни думи. Запазени вписвания автоматично прилагат към всяко TTS искане, което направите. 200-вход на сметка лимит.

Тяло на искане (POST)

# Save an entry
curl -X POST https://tts.ai/api/v1/pronunciations/ \
  -H "Authorization: Bearer sk-tts-..." \
  -H "Content-Type: application/json" \
  -d '{"word": "GIF", "replacement": "jiff"}'

# List your entries
curl https://tts.ai/api/v1/pronunciations/ -H "Authorization: Bearer sk-tts-..."

# Delete entry by id
curl -X DELETE "https://tts.ai/api/v1/pronunciations/?id=42" -H "Authorization: Bearer sk-tts-..."

Можете също така да преминете презаписи на искане, без да ги запазите - включвате изказвания на всеки /v1/tts/ call или обект или масив (вж. точките за крайния край на ТТС).

Член Разказвач нов

Свали един