টেক্সট- থেকে- কথাName AI এজেন্ট সঙ্গীত বক্তৃতা থেকে টেক্সটName ভয়েস ক্লোন ভয়েস ডিজাইন বাজার আরো
বাগ / বৈশিষ্ট্য অনুরোধ প্রতিবেদন করো

API ডকুমেন্টেশন

আমাদের REST API এর সাথে আপনার অ্যাপ্লিকেশনে TTS.ai একীভূত করুন। সহজে মাইগ্রেশনের জন্য OpenAI-সমর্থিত ফরম্যাট।

REST API OpenAI সমর্থিত JSON প্রতিক্রিয়া স্ট্রিমিং সমর্থন

সারসংক্ষেপ

TTS.ai API সকল প্ল্যাটফর্ম বৈশিষ্ট্যসমূহের জন্য প্রোগ্রামিং অ্যাক্সেস প্রদান করে: টেক্সট-টু-স্পীচ সংশ্লেষণ, স্পীচ-টু-টেক্সট ট্রান্সক্রিপশন, ভয়েস ক্লোনিং, অডিও উন্নতি, এবং আরো। API JSON অনুরোধ/প্রতিক্রিয়া দেহের সাথে মানসম্মত REST কনভেনশন ব্যবহার করে।

API কী

এখানে থেকে আপনার API কী প্রাপ্ত করুন অ্যাকাউন্ট সেটিংস. প্রো এবং এন্টারপ্রাইজ প্ল্যানে উপলব্ধ।

ভিত্তি ইউ- আর- এল

https://api.tts.ai/v1/

অনুমোদন

বিয়ারার টোকেন Authorization শীর্ষচরণ

অনুমোদন

মুক্ত স্তর - কোন কী প্রয়োজন নেই। বেনামী পোস্ট /v1/tts/ কোন প্রমাণ ছাড়া কাজ করুন, প্রতি আইপিতে ৫,০০০ অক্ষর/দিন পর্যন্ত, আমাদের যে কোন ফ্রি মডেল ব্যবহার করে (piper, vits, melotts, kokoro). ১৫,০০০ বোনাস চরিত্র এবং প্রিমিয়াম মডেল ব্যবহারের জন্য একটি বিনামূল্যে অ্যাকাউন্টের জন্য নিবন্ধন করুন।

প্রাইম মডেল এবং উচ্চতর হার সীমার জন্য, প্রমাণীকরণ একটি বহনকারী টোকেন সঙ্গে Authorization শীর্ষচরণ.

HTTP হেডার 
Authorization: Bearer sk-tts-your-api-key-here
আপনার API কী গোপন রাখুন। ক্লায়েন্ট-সাইড কোড, পাবলিক রিপোজিটরি অথবা লগ-এ এটি শেয়ার করবেন না। আপনার অ্যাকাউন্টের বৈশিষ্ট্য থেকে নিয়মিতভাবে কী পাল্টান।

এস- ডি- কে

সরকারি SDKs আপনার অ্যাপ্লিকেশনে TTS.ai একীভূত করতে সহজ করে তোলে। উভয়ই উন্মুক্ত উৎস এবং GitHub এ উপলব্ধ।

Python

pip install ttsai
from tts_ai import TTSClient

client = TTSClient(api_key="sk-tts-...")
audio = client.generate(
    text="Hello world!",
    model="kokoro"
)
client.save(audio, "output.wav")
GitHub

JavaScript / Node.js

npm install @ttsainpm/ttsai
const { TTSClient } = require('@ttsainpm/ttsai');

const client = new TTSClient({
  apiKey: 'sk-tts-...'
});
const audio = await client.generate({
  input: 'Hello world!',
  model: 'kokoro'
});
await client.saveToFile(audio, 'output.wav');
GitHub

ভিত্তি ইউ- আর- এল

ভিত্তি ইউ- আর- এল: https://api.tts.ai/v1/

সব এনড- বিন্দু এই মৌলিক ইউ- আর- এল- এর সাথে সম্পর্কিত। উদাহরণস্বরূপ, TTS এনড- বিন্দু হল:

POST https://api.tts.ai/v1/tts/

হারের সীমা

API হার সীমা পরিকল্পনা অনুযায়ী পরিবর্তিত হয়:

প্ল্যান অনুরোধ/মিনিট একই সময়ে টেক্সটের সর্বোচ্চ দৈর্ঘ্য
মুক্ত 10 2 ৫০০ অক্ষর
স্টার্টার 30 3 ১,০০০,০০০ অক্ষর
প্রফেশনাল 60 5 ১,০০০,০০০ অক্ষর
এন্টারপ্রাইজ 300 20 ৫০,০০০ অক্ষর

প্রতিটি উত্তরে রেট লিমিট হেডার অন্তর্ভুক্ত করা হবে: X-RateLimit-Limit, X-RateLimit-Remaining, X-RateLimit-Reset.

ক্রেডিট খরচ

সার্ভিস খরচ একক
TTS (মুক্ত মডেল: পাইপার, VITS, MeloTTS) ১,০০০ অক্ষর প্রতি ১০০০ অক্ষর
TTS (প্রমিত মডেল: Kokoro, CosyVoice ২, ইত্যাদি) ২,০০০ অক্ষর প্রতি ১০০০ অক্ষর
TTS (প্রিমিয়াম মডেল: Tortoise, Chatterbox, ইত্যাদি) ৪,০০০ অক্ষর প্রতি ১০০০ অক্ষর
বক্তৃতা থেকে লেখাName ২,০০০ অক্ষর অডিও
ভয়েস ক্লোন ৪,০০০ অক্ষর প্রতি ১০০০ অক্ষর
শব্দ পরিবর্তকName ৩টি ক্রেডিট অডিও
অডিও উন্নতি ২,০০০ অক্ষর অডিও
ভয়েসেল অপসারণ / স্টেম বিভাজন ৩,০০০-৪,০০০ অক্ষর অডিও
ভাষণ অনুবাদName ৫,০০০ অক্ষর অডিও
ভয়েস আড্ডা ৩টি ক্রেডিট প্রতি পালা
কী (key) BPM অনুসন্ধানকারী মুক্ত --
অডিও রূপান্তরকারী মুক্ত --

টেক্সট- থেকে- কথাName

POST /v1/tts/

টেক্সটকে বক্তৃতার অডিওতে রূপান্তর করে । অনুরোধ করা ফরম্যাটে অডিও ফাইল ফিরিয়ে দেয় ।

অনুরোধের মূল অংশ

প্যারামিটারধরনআবশ্যকবর্ণনা
model string না মডেল আইডি (যেমন, kokoro, chatterbox, piper)। যদি অপ্রয়োজনীয় হয়, তাহলে আমরা স্বয়ংক্রিয়ভাবে একটি মডেল বেছে নেব যা অনুরোধ করা language সমর্থন করে - en/ja/zh/ko/fr/de/it/pt/es/hi/ru-এর জন্য kokoro, অন্যান্য সমর্থিত ভাষার জন্য piper (ar/pl/nl/cs/da/fi/el/hu/tr/uk/vi/etc.)।
text string হ্যাঁ যে টেক্সটটিকে কথায় রূপান্তর করা হবে। প্রতিটি অনুরোধের সর্বোচ্চ সংখ্যা: ৫০০ অক্ষর (অজ্ঞাত), ৫,০০০ (মুক্ত অ্যাকাউন্ট), ১,০০,০০০ (পেইড প্ল্যান)। সার্ভার-পাশে দীর্ঘ ইনপুট স্বয়ংক্রিয়ভাবে টুকরো করা হবে।
voice string হ্যাঁ ভয়েস ID (প্রয়োজনীয় ভয়েস তালিকাভুক্ত করতে /v1/voices/ ব্যবহার করুন)
format string না আউটপুট ফরম্যাট: mp3 (ডিফল্ট), wav, flac, ogg
speed float না কথা বলার গতি বহুগুণক। ডিফল্ট: ১.০। পরিসীমা: ০.৫ থেকে ২.০
language string না ভাষার কোড (যেমন, en, es)। অনুপস্থিত থাকলে স্বয়ংক্রিয়ভাবে সনাক্ত করা হবে।
instructions string না কাজ/প্রদান চিহ্ন (≤৫০০ অক্ষর)। উদাহরণস্বরূপ \
pronunciations object | array না প্রতি-আবেদন উচ্চারণ অগ্রাহ্য করে। অথবা {\
stream boolean না স্ট্রিমিং প্রতিক্রিয়া সক্রিয় করা হবে। ডিফল্ট: false

উদাহরণ অনুরোধ

cURL 
curl -X POST https://api.tts.ai/v1/tts/ \
  -H "Authorization: Bearer sk-tts-your-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kokoro",
    "text": "Hello from TTS.ai! This is a test.",
    "voice": "af_bella",
    "format": "mp3"
  }' \
  --output output.mp3

SSML ট্যাগ

ব্যাখ্যা করোইনপুটএই নামে বর্ণনা করা হয়েছে
cardinal1234one thousand two hundred thirty-four
ordinal21twenty-first
date1999-12-31ডিসেম্বর ৩১, ১৯৯৯
time14:30two thirty PM
telephone+1-555-867-5309plus one five five five eight six seven…
currency$1,234.56one thousand two hundred thirty-four dollars and fifty-six cents
spell-outNASAN A S A

তারিখের ফরম্যাট ডিফল্টভাবে mdy ইংরেজি এবং dmy অন্যত্র; format=\ দ্বারা অগ্রাহ্য করা হবে

উদাহরণ 
{
  "model": "kokoro",
  "voice": "af_bella",
  "text": "Your appointment is on <say-as interpret-as=\"date\">2026-04-26</say-as> at <say-as interpret-as=\"time\">14:30</say-as>. Please call <say-as interpret-as=\"telephone\">+1-555-867-5309</say-as> if you need to reschedule."
}

প্রতিক্রিয়া

The TTS endpoint queues your request and returns a JSON response with a job UUID. You then poll for the result.

Step 1: Submit request

Response (JSON) 
{
  "uuid": "77b71db532874ce98e84a69a2d740d4c",
  "job_id": "f21316bb-aefa-480d-8523-701d1e3184ce",
  "status": "queued",
  "credits_used": 11,
  "credits_remaining": 15000
}

Step 2: Poll for result

GET /v1/speech/results/?uuid=<job_uuid>

Poll this endpoint every 1-2 seconds until status is completed or failed.

Polling response (completed) 
{
  "status": "completed",
  "result_url": "https://api.tts.ai/static/downloads/77b71db5.../output.mp3"
}
Polling response (still processing) 
{
  "status": "processing"
}

Step 3: Download audio

Fetch the result_url from the completed response to download the audio file.

পূর্ণ উদাহরণ

Python 
import requests, time

API_KEY = "sk-tts-your-key"
BASE = "https://api.tts.ai"

# 1. Submit TTS request
resp = requests.post(f"{BASE}/v1/tts/", json={
    "model": "kokoro",
    "text": "Hello from TTS.ai!",
    "voice": "af_bella"
}, headers={"Authorization": f"Bearer {API_KEY}"})
data = resp.json()
uuid = data["uuid"]

# 2. Poll for result
while True:
    result = requests.get(f"{BASE}/v1/speech/results/",
        params={"uuid": uuid}).json()
    if result["status"] == "completed":
        # 3. Download audio
        audio = requests.get(result["result_url"])
        with open("output.mp3", "wb") as f:
            f.write(audio.content)
        break
    elif result["status"] == "failed":
        raise Exception(result.get("error", "Generation failed"))
    time.sleep(1.5)

Streaming alternative: For supported models (Kokoro, MeloTTS), use POST /v1/tts/stream/ for real-time Server-Sent Events (SSE) streaming — no polling needed.

বক্তৃতা থেকে লেখাName

POST /v1/stt/

অডিও থেকে টেক্সট অনুবাদ করুন। স্বয়ংক্রিয় সনাক্তকরণ সহ ৯৯টি ভাষা সমর্থন করে।

অনুরোধের মূল অংশ (multipart/form-data)

প্যারামিটারধরনআবশ্যকবর্ণনা
file file হ্যাঁ অডিও ফাইল (MP3, WAV, FLAC, OGG, M4A, MP4, WebM)। সর্বোচ্চ ১০০ মেগাবাইট।
model string না STT মডেল: whisper (ডিফল্ট), faster-whisper, sensevoice
language string না ভাষার কোড। স্বয়ংক্রিয় সনাক্তকরণের জন্য auto (ডিফল্ট)।
timestamps boolean না শব্দ-স্তরের টাইমস্ট্যাম্প অন্তর্ভুক্ত করা হবে। ডিফল্ট: false
diarize boolean না স্পিকার ডায়ারাইজেশন সক্রিয় করুন। ডিফল্ট: false

প্রতিক্রিয়া

JSON প্রতিক্রিয়া 
{
  "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"
    }
  ]
}

ভয়েস ক্লোন

POST /v1/tts/clone/

ক্লোন করা কন্ঠে বাক্য তৈরি করুন। রেফারেন্স অডিও এবং টেক্সট আপলোড করুন।

অনুরোধের মূল অংশ (multipart/form-data)

প্যারামিটারধরনআবশ্যকবর্ণনা
reference_audio file হ্যাঁ রেফারেন্স ভয়েস অডিও (১০-৩০ সেকেন্ড সুপারিশ করা হয়)। সর্বোচ্চ ২০ মেগাবাইট।
text string হ্যাঁ ক্লোন করা কন্ঠে বলার জন্য টেক্সট।
model string না ক্লোন মডেল: chatterbox (ডিফল্ট), cosyvoice2, gpt-sovits
format string না আউটপুট ফরম্যাট: mp3 (ডিফল্ট), wav, flac
language string না লক্ষ্য ভাষার কোড । নির্বাচিত মডেল দ্বারা সমর্থিত হওয়া আবশ্যক ।

প্রতিক্রিয়া

অডিও ফাইলটি বাইনারি তথ্য হিসেবে ফিরিয়ে আনে, TTS-এর শেষ বিন্দুর মতই।

শব্দ পরিবর্তকName

POST /v1/voice-convert/

অডিওকে অন্য একটি কন্ঠস্বরের মত শোনার জন্য রূপান্তর করুন। উৎস অডিও আপলোড করুন এবং লক্ষ্যস্বর নির্বাচন করুন।

অনুরোধের মূল অংশ (multipart/form-data)

প্যারামিটারধরনআবশ্যকবর্ণনা
file file হ্যাঁ উৎস অডিও ফাইল (MP3, WAV, FLAC)। সর্বাধিক ৫০ মেগাবাইট।
target_voice string হ্যাঁ যে ভয়েস আইডিতে রূপান্তর করা হবে (প্রযোজ্য ভয়েস তালিকাভুক্ত করতে /v1/voices/ ব্যবহার করুন)
model string না শব্দ রূপান্তর মডেল: openvoice (ডিফল্ট), knn-vc
format string না আউটপুট ফরম্যাট: wav (ডিফল্ট), mp3, flac

উদাহরণ অনুরোধ

cURL 
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

প্রতিক্রিয়া

রূপান্তরিত অডিও ফাইলটি বাইনারি তথ্য হিসেবে ফিরিয়ে দেয়।

ভাষণ অনুবাদName

POST /v1/speech-translate/

একটি ভাষা থেকে অন্য ভাষায় অডিও অনুবাদ করুন। একটি কলের মধ্যে বাক্যের-থেকে-লেখ্য, অনুবাদ এবং বাক্যের-থেকে-লেখ্য একত্রিত করে।

অনুরোধের মূল অংশ (multipart/form-data)

প্যারামিটারধরনআবশ্যকবর্ণনা
file file হ্যাঁ মূল ভাষায় উৎস অডিও ফাইল। সর্বোচ্চ ১০০ মেগাবাইট।
target_language string হ্যাঁ লক্ষ্য ভাষার কোড (যেমন, es, fr, de, ja)
voice string না অনুবাদকৃত আউটপুট-এর জন্য শব্দ। অগ্রাহ্য করা হলে স্বয়ংক্রিয়ভাবে নির্বাচিত হবে।
preserve_voice boolean না মূল স্পিকারের কন্ঠের বৈশিষ্ট্য সংরক্ষণের চেষ্টা করা হবে। ডিফল্ট: false

প্রতিক্রিয়া

JSON প্রতিক্রিয়া
{
  "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
}

বক্তৃতা থেকে বক্তৃতা

POST /v1/speech-to-speech/

বিষয়বস্তু সংরক্ষণ করে কথা বলার ধরন, আবেগ বা উপস্থাপনা পরিবর্তন করুন। টোন, গতি এবং অভিব্যক্তি সংশোধন করার জন্য ব্যবহারযোগ্য।

অনুরোধের মূল অংশ (multipart/form-data)

প্যারামিটারধরনআবশ্যকবর্ণনা
file file হ্যাঁ উৎস বাক্য অডিও ফাইল। সর্বোচ্চ ৫০ মেগাবাইট।
voice string হ্যাঁ আউটপুট বাক্যাংশের জন্য লক্ষ্য ভয়েস আইডি
model string না মডেল: openvoice (ডিফল্ট), chatterbox
emotion string না লক্ষ্য আবেগ: neutral, happy, sad, angry, excited
speed float না গতি সংশোধন। ডিফল্ট: ১.০। পরিধি: ০.৫ থেকে ২.০

প্রতিক্রিয়া

রূপান্তরিত অডিও ফাইলটি বাইনারি তথ্য হিসেবে ফিরিয়ে দেয়।

অডিও টুলName

উন্নতির জন্য অডিও প্রসেসিং এন্ডপয়েন্ট, ভয়েস অপসারণ, স্টেম বিভাজন এবং আরও অনেক কিছু।

POST /v1/audio/enhance/

অডিও গুণমান উন্নত করুন: ঝামেলা দূর করুন, সুস্পষ্টতা উন্নত করুন, সুপার রেজোলিউশন।

file fileউন্নত করার জন্য অডিও ফাইল
denoise booleanনিঃশব্দীকরণ সক্রিয় করো (ডিফল্ট: সত্য)
enhance_clarity booleanবক্তৃতার স্পষ্টতা বাড়াও (ডিফল্ট: সত্য)
super_resolution booleanঅডিও গুণমান উন্নত করুন (ডিফল্ট: মিথ্যা)
strength integer১- ৩ (হালকা, মাঝারি, কঠিন) । ডিফল্ট: ২
POST /v1/audio/separate/

সঙ্গীতের সঙ্গীত থেকে ভয়েস আলাদা করুন (ভয়েস অপসারণ) অথবা স্টেম- এ বিভক্ত করুন।

file fileযে অডিও ফাইলটি আলাদা করা হবে
model stringdemucs (ডিফল্ট) অথবা spleeter
stems integerস্টেম- এর সংখ্যা: ২, ৪, ৫, অথবা ৬ (ডিফল্ট: ২)
format stringআউটপুট ফরম্যাট: wav, mp3, flac
POST /v1/audio/dereverb/

অডিও রেকর্ড থেকে প্রতিধ্বনি এবং প্রতিধ্বনি অপসারণ করুন।

file fileযে অডিও ফাইলটি প্রক্রিয়া করা হবে
type stringecho or reverb (default: both)
intensity integer1-5 (default: 3)
POST /v1/audio/analyze/ মুক্ত

কী, BPM এবং সময় চিহ্ন সনাক্ত করার জন্য অডিও বিশ্লেষণ করুন।

file fileবিশ্লেষণের জন্য অডিও ফাইল
প্রতিক্রিয়া
{
  "key": "C",
  "scale": "Major",
  "bpm": 120.0,
  "time_signature": "4/4",
  "camelot": "8B",
  "compatible_keys": ["C Major", "G Major", "F Major", "A Minor"]
}
POST /v1/audio/convert/ মুক্ত

ফরম্যাটের মধ্যে অডিও রূপান্তর করুন।

file fileযে অডিও ফাইল রূপান্তর করা হবে
format stringলক্ষ্য ফরম্যাট: mp3, wav, flac, ogg, m4a, aac
bitrate integerআউটপুট বিটরেট (কেবিপিএস- এ): ৬৪, ১২৮, ১৯২, ২৫৬, ৩২০
sample_rate integerনমুনা হার: 22050, 44100, 48000
channels stringmono অথবা stereo

ভয়েস আড্ডা

POST /v1/voice-chat/

অডিও অথবা টেক্সট পাঠান এবং সংশ্লেষিত বক্তব্যের সাথে একটি AI প্রতিক্রিয়া গ্রহণ করুন।

অনুরোধের মূল অংশ (multipart/form-data অথবা JSON)

প্যারামিটারধরনআবশ্যকবর্ণনা
audio file না* অডিও ইনপুট (audio অথবা text আবশ্যক)
text string না* টেক্সট ইনপুট (audio অথবা text আবশ্যক)
voice string না AI প্রতিক্রিয়ার জন্য শব্দ। ডিফল্ট: af_bella
tts_model string না প্রতিক্রিয়ার জন্য TTS মডেল। ডিফল্ট: kokoro
system_prompt string না AI-র জন্য স্বনির্বাচিত সিস্টেম প্রম্পট
conversation_id string না একটি বিদ্যমান আলাপ চালিয়ে যান

প্রতিক্রিয়া

JSON প্রতিক্রিয়া
{
  "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
}

ব্যাচ TTS

POST /v1/tts/batch/

সমান্তরাল TTS উৎপাদনের জন্য একাধিক টেক্সট জমা দিন। সকল কাজ সম্পন্ন হলে ইচ্ছাকৃতভাবে একটি ওয়েবহুক কলব্যাক গ্রহণ করুন।

পরামিতি

পরামিতিধরনবর্ণনা
textsarrayArray of objects: {text, model, voice}. Max 50 items.
webhook_urlstringব্যাচ সম্পন্ন হলে POST ফলাফল প্রদর্শনের জন্য বৈকল্পিক URL।

প্রতিক্রিয়া

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

GET /v1/tts/batch/result/?batch_id=abc123 এর মাধ্যমে ভোট প্রক্রিয়া

শব্দের অন্তর্ভুক্তকরণ

POST /v1/voice-embed/

রেফারেন্স অডিও থেকে একটি ভয়েস ইম্বেডিং পূর্ব-গণনা করা হবে। পরবর্তী ভয়েস ক্লোন অনুরোধের ক্ষেত্রে প্রায়-অবিলম্বে উৎপাদনের জন্য ফিরিয়ে পাওয়া embed_id ব্যবহার করা হবে।

পরামিতি

পরামিতিধরনবর্ণনা
filefileReference audio file (WAV, MP3, FLAC).
modelstringCloning model (default: chatterbox). Supported: chatterbox, cosyvoice2, openvoice, gpt-sovits, spark, indextts2, qwen3-tts.

প্রতিক্রিয়া

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

স্বাস্থ্য পরীক্ষা

GET /v1/health/

GPU সার্ভারের অবস্থা, লোডকৃত মডেল এবং লাইন আকার পরীক্ষা করুন। অনুমোদনের প্রয়োজন নেই। ৩০ সেকেন্ডের জন্য ক্যাশ করা হয়েছে।

প্রতিক্রিয়া

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

মডেলের তালিকা

GET /v1/models/

সমস্ত উপলব্ধ মডেল এবং তাদের বৈশিষ্ট্যের একটি তালিকা প্রদান করে ।

প্রতিক্রিয়া

JSON প্রতিক্রিয়া
{
  "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
    }
  ]
}

শব্দের তালিকা

GET /v1/voices/

সমস্ত উপলব্ধ শব্দের একটি তালিকা প্রদান করে, ইচ্ছাকৃতভাবে মডেল অথবা ভাষা অনুসারে পরিশোধিত ।

পরামিতি

প্যারামিটারধরনবর্ণনা
model string মডেল ID অনুযায়ী পরিশোধক (যেমন, kokoro)
language string ভাষা কোড অনুযায়ী পরিশোধক (যেমন, en)
gender string লিঙ্গ অনুযায়ী পরিশোধক: পুরুষ, মহিলা, নিরপেক্ষ

প্রতিক্রিয়া

JSON প্রতিক্রিয়া
{
  "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
}

সাবটাইটেল (SRT / VTT) নতুন

GET /v1/speech/subtitles/?uuid=<job_uuid>&format=srt|vtt&download=1

যেকোন সম্পন্ন TTS কাজের জন্য সমন্বিত সাবটাইটেল তৈরি করুন। অডিওতে Whisper alignment চালিয়ে SRT অথবা WebVTT ফিরিয়ে দিন। ফলাফল ডিস্কে ক্যাশ করা হয় যাতে একই uuid-এর জন্য দ্বিতীয় কলটি ডিস্ক পড়ার মতো হয়।

পরামিতি

প্যারামিটারআবশ্যকবর্ণনা
uuidহ্যাঁ/v1/tts/ অথবা /v1/voice-clone/ দ্বারা প্রদত্ত কাজের UUID।
formatনাsrt (ডিফল্ট) অথবা vtt।
downloadনা1 Content-Disposition: attachment প্রেরণ করতে, যাতে প্রদর্শনের পরিবর্তে ব্রাউজারের দ্বারা সংরক্ষণ করা হয়।
languageনাসংযোগ মডেলের জন্য ইঙ্গিত (অবহেলা করলে স্বয়ংক্রিয়ভাবে সনাক্ত করা হবে)।
cURL
curl "https://api.tts.ai/v1/speech/subtitles/?uuid=$UUID&format=srt&download=1" -o subtitles.srt

উচ্চারণ অভিধান নতুন

GET POST DELETE /api/v1/pronunciations/

TTS ইঞ্জিনকে নির্দিষ্ট শব্দের উচ্চারণ সম্পর্কে জানান। সংরক্ষিত এন্ট্রিগুলি স্বয়ংক্রিয়ভাবে আপনার প্রতিটি TTS অনুরোধের ক্ষেত্রে প্রয়োগ করা হবে। প্রতি অ্যাকাউন্টে ২০০ এন্ট্রির সীমা।

অনুরোধের মূল অংশ (POST)

প্যারামিটারধরনবর্ণনা
wordstringঅগ্রাহ্য করার জন্য শব্দ (যেমন GIF, Anthropic)। শব্দের সীমানা মিলেছে।
replacementstringমডেলের জন্য এটি কীভাবে বানান হবে (যেমন jiff, ann THROP ick)।
languagestringবৈকল্পিক আই. এস. ও. কোড । ফাঁকা = সব ভাষায় প্রযোজ্য ।
case_sensitivebooleanডিফল্ট false। true হলে অক্ষরের বড়-ছোট আকার সঠিকভাবে মেলে।
cURL
# 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-..."

আপনি প্রতি-আবেদনে অগ্রাহ্য করতে পারেন তাদের সংরক্ষণ না করে — অন্তর্ভুক্ত করুন pronunciations যেকোন /v1/tts/ কল একটি বস্তু বা একটি এরে হিসাবে (TTS শেষ বিন্দু পরামিতি দেখুন)।

বার্তা বর্ণনাকারী নতুন

যে কোন প্রবন্ধ পৃষ্ঠায় একটি