API dokumentacija
Integrirajte TTS.ai u svoje aplikacije sa našim REST API. OpenAI-kompatibilni format za jednostavnu migraciju.
Pregled
The TTS.ai API provides programmatic access to all platform features: text-to-speech synthesis, speech-to-text transcription, voice cloning, audio enhancement, and more. The API uses standard REST conventions with JSON request/response bodies.
API ključ
Nabavi svoj API ključ od Postavke računa. Dostupno na Pro i Enterprise planovima.
Osnovni URL
https://api.tts.ai/v1/
Autorizacija
Token nosioca preko Authorization zaglavlje
Autentifikacija
Svi API zahtjevi zahtijevaju autentifikaciju putem nosioca token u Authorization zaglavlje.
Authorization: Bearer sk-tts-your-api-key-here
Osnovni URL
All endpoints are relative to this base URL. For example, the TTS endpoint is:
Limiti brzine
API rate limits vary by plan:
| Plan | Zahtjevi/min | Concurrent | Maksimalna dužina teksta |
|---|---|---|---|
| Pro | 60 | 5 | 5,000 znakova |
| Enterprise | 300 | 20 | 50.000 znakova |
Brzina ograničenja zaglavlja su uključeni u svaki odgovor: X-RateLimit-Limit, X-RateLimit-Remaining, X-RateLimit-Reset.
Troškovi kredita
| Servis | Trošak | jedinica |
|---|---|---|
| TTS (Besplatni modeli: Piper, VITS, MeloTTS) | 1 kredit | na 1.000 znakova |
| TTS (standardni modeli: Kokoro, CosyVoice 2, itd.) | 2 kredita | na 1.000 znakova |
| TTS (Premium modeli: Tortoise, Chatterbox, itd.) | 4 kredita | na 1.000 znakova |
| Pretvori govor u tekst | 2 kredita | po minuti zvuka |
| Kloniranje glasa | 4 kredita | na 1.000 znakova |
| Izmjenjivač glasa | 3 kredita | po minuti zvuka |
| Poboljšanje zvuka | 2 kredita | po minuti zvuka |
| Voice Removal / Stem Splitting | 3-4 kredita | po minuti zvuka |
| Prevođenje govora | 5 kredita | po minuti zvuka |
| Glasovni razgovor | 3 kredita | po potezu |
| Key & BPM Finder | Slobodan | -- |
| Pretvornik zvuka | Slobodan | -- |
Tekst-u-govor
Pretvori tekst u audio govor. Vraća audio datoteku u traženom formatu.
Tijelo zahtjeva
| Parametar | Tip | Obvezno | Opis |
|---|---|---|---|
| model | string | Da. | ID modela (npr. kokoro, chatterbox, piper) |
| text | string | Da. | Tekst koji će se pretvoriti u govor (maksimalno 5.000 znakova za Pro, 50.000 za Enterprise) |
| voice | string | Da. | Glasovni ID (koristite /v1/voices/ za popis raspoloživih glasova) |
| format | string | Ne. | Izlazni format: mp3 (uobičajeno), wav, flac, ogg |
| speed | float | Ne. | Množitelj brzine govora. Uobičajeno: 1.0. Raspon: 0.5 do 2.0 |
| language | string | Ne. | Kod jezika (npr. en, es). Automatski otkriven ako je izostavljen. |
| stream | boolean | Ne. | Omogući stream odgovor. Uobičajeno: false |
Primjer zahtjeva
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
Odgovor
Returns the audio file as binary data with appropriate Content-Type header (audio/mpeg, audio/wav, etc.).
Content-Type: audio/mpeg
Content-Length: 48256
X-Credits-Used: 2
X-Credits-Remaining: 498
Pretvori govor u tekst
Pretvori audio u tekst. Podržava 99 jezika sa automatskim prepoznavanjem.
Tijelo zahtjeva (multipart/form-data)
| Parametar | Tip | Obvezno | Opis |
|---|---|---|---|
| file | file | Da. | Audio datoteka (MP3, WAV, FLAC, OGG, M4A, MP4, WebM). Maksimalno 100MB. |
| model | string | Ne. | STT model: whisper (uobičajeno), faster-whisper, sensevoice |
| language | string | Ne. | Kod jezika. auto za automatsko otkrivanje (default). |
| timestamps | boolean | Ne. | Uključi vremenske pečate na nivou riječi. Uobičajeno: false |
| diarize | boolean | Ne. | Omogući diarizaciju zvučnika. Uobičajeno: false |
Odgovor
{
"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"
}
]
}
Kloniranje glasa
Generiraj govor u kloniranom glasu. Učitaj referentni audio i tekst.
Tijelo zahtjeva (multipart/form-data)
| Parametar | Tip | Obvezno | Opis |
|---|---|---|---|
| reference_audio | file | Da. | Referentni glasovni audio (preporučeno 10-30 sekundi). Maksimalno 20MB. |
| text | string | Da. | Tekst koji će se izgovoriti kloniranim glasom. |
| model | string | Ne. | Model klona: chatterbox (uobičajeno), cosyvoice2, gpt-sovits |
| format | string | Ne. | Izlazni format: mp3 (uobičajeno), wav, flac |
| language | string | Ne. | Ciljni kod jezika. Mora biti podržan od strane odabranog modela. |
Odgovor
Vraća audio datoteku kao binarne podatke, isto kao TTS krajnja tačka.
Izmjenjivač glasa
Pretvori zvuk da zvuči kao drugi glas. Učitaj izvorni zvuk i izaberi ciljani glas.
Tijelo zahtjeva (multipart/form-data)
| Parametar | Tip | Obvezno | Opis |
|---|---|---|---|
| file | file | Da. | Izvorna audio datoteka (MP3, WAV, FLAC). Maksimalno 50MB. |
| target_voice | string | Da. | Ciljni glasovni ID za pretvorbu u (koristite /v1/voices/ za prikaz raspoloživih glasova) |
| model | string | Ne. | Model pretvorbe glasa: openvoice (uobičajeno), knn-vc |
| format | string | Ne. | Izlazni format: wav (uobičajeno), mp3, flac |
Primjer zahtjeva
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
Odgovor
Vraća konvertiranu audio datoteku kao binarne podatke.
Prevođenje govora
Prevodi izgovoreni zvuk sa jednog jezika na drugi. Kombinira govor-u-tekst, prijevod, i tekst-u-govor u jednom pozivu.
Tijelo zahtjeva (multipart/form-data)
| Parametar | Tip | Obvezno | Opis |
|---|---|---|---|
| file | file | Da. | Izvorna audio datoteka na originalnom jeziku. Maksimalno 100MB. |
| target_language | string | Da. | Kod ciljanog jezika (npr. es, fr, de, ja) |
| voice | string | Ne. | Glas za prevedeni izlaz. Automatski odabran ako se izostavi. |
| preserve_voice | boolean | Ne. | Pokušaj sačuvati originalni zvučnik |
Odgovor
{
"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
}
Govor u govor
Transform speech style, emotion, or delivery while keeping the content. Useful for adjusting tone, pacing, and expressiveness.
Tijelo zahtjeva (multipart/form-data)
| Parametar | Tip | Obvezno | Opis |
|---|---|---|---|
| file | file | Da. | Izvorna audio datoteka govora. Maksimalno 50MB. |
| voice | string | Da. | Ciljni glasovni ID za izlazni govor |
| model | string | Ne. | Model: openvoice (uobičajeno), chatterbox |
| emotion | string | Ne. | Ciljana emocija: neutral, happy, sad, angry, excited |
| speed | float | Ne. | Podešavanje brzine. Uobičajeno: 1.0. Raspon: 0.5 do 2.0 |
Odgovor
Vraća transformiranu audio datoteku kao binarne podatke.
Audio Alati
Audio processing endpoints for enhancement, vocal removal, stem splitting, and more.
Poboljšanje kvaliteta zvuka: uklanjanje buke, poboljšanje jasnoće, super rezolucija.
| file file | Zvučna datoteka za poboljšanje |
| denoise boolean | Omogući uklanjanje šuma (uobičajeno: true) |
| enhance_clarity boolean | Poboljšaj jasnoću govora (uobičajeno: istina) |
| super_resolution boolean | Poboljšaj kvalitet zvuka (uobičajeno: neistinito) |
| strength integer | 1-3 (lak, srednji, jak). Uobičajeno: 2 |
Odvojiti vokale od instrumentala (vokalno uklanjanje) ili podijeliti u stabljike.
| file file | Zvučna datoteka za odvajanje |
| model string | demucs (po defaultu) ili spleeter |
| stems integer | Broj stabljika: 2, 4, 5, ili 6 (uobičajeno: 2) |
| format string | Izlazni format: wav, mp3, flac |
Ukloni eho i reverb iz audio snimaka.
| file file | Audio datoteka za obradu |
| type string | echo or reverb (default: both) |
| intensity integer | 1-5 (default: 3) |
Analiza zvuka za otkrivanje ključa, BPM-a i taktnog znaka.
| file file | Audio datoteka za analizu |
{
"key": "C",
"scale": "Major",
"bpm": 120.0,
"time_signature": "4/4",
"camelot": "8B",
"compatible_keys": ["C Major", "G Major", "F Major", "A Minor"]
}
Pretvori zvuk između formata.
| file file | Audio datoteka za pretvorbu |
| format string | Target format: mp3, wav, flac, ogg, m4a, aac |
| bitrate integer | Izlazni bitrate u kbps: 64, 128, 192, 256, 320 |
| sample_rate integer | Brzina uzorkovanja: 22050, 44100, 48000 |
| channels string | mono ili stereo |
Glasovni razgovor
Pošalji audio ili tekst i primi AI odgovor sa sintetiziranim govorom.
Tijelo zahtjeva (multipart/form-data ili JSON)
| Parametar | Tip | Obvezno | Opis |
|---|---|---|---|
| audio | file | Ne.* | Audio ulaz (potreban je audio ili text) |
| text | string | Ne.* | Unos teksta (potreban je audio ili text) |
| voice | string | Ne. | Glas za AI odgovor. Uobičajeno: af_bella |
| tts_model | string | Ne. | TTS model za odgovor. Uobičajeno: kokoro |
| system_prompt | string | Ne. | Prilagođeni sistemski prompt za AI |
| conversation_id | string | Ne. | Nastavi postojeći razgovor |
Odgovor
{
"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
}
Lista modela
Vraća listu svih dostupnih modela sa njihovim mogućnostima.
Odgovor
{
"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
}
]
}
Lista glasova
Vraća listu svih dostupnih glasova, opcionalno filtriranih po modelu ili jeziku.
Parametri
| Parametar | Tip | Opis |
|---|---|---|
| model | string | Filtriraj po ID-u modela (npr. kokoro) |
| language | string | Filtriraj po kodu jezika (npr. en) |
| gender | string | Filter po spolu: muško, žensko, neutralno |
Odgovor
{
"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
}
Primjeri koda
Tekst-u-govor
import requests
API_KEY = "sk-tts-your-key"
# Text to Speech
response = requests.post(
"https://api.tts.ai/v1/tts/",
headers={"Authorization": f"Bearer {API_KEY}"},
json={
"model": "kokoro",
"text": "Hello from TTS.ai!",
"voice": "af_bella",
"format": "mp3"
}
)
with open("output.mp3", "wb") as f:
f.write(response.content)
print(f"Credits used: {response.headers.get('X-Credits-Used')}")
Pretvori govor u tekst
# Speech to Text
with open("recording.mp3", "rb") as f:
response = requests.post(
"https://api.tts.ai/v1/stt/",
headers={"Authorization": f"Bearer {API_KEY}"},
files={"file": f},
data={"model": "faster-whisper", "timestamps": "true"}
)
result = response.json()
print(result["text"])
Kloniranje glasa
# Voice Cloning
with open("reference.wav", "rb") as ref:
response = requests.post(
"https://api.tts.ai/v1/tts/clone/",
headers={"Authorization": f"Bearer {API_KEY}"},
files={"reference_audio": ref},
data={
"text": "This speech uses a cloned voice.",
"model": "chatterbox"
}
)
with open("cloned_output.mp3", "wb") as f:
f.write(response.content)
Tekst-u-govor
const API_KEY = 'sk-tts-your-key';
// Text to Speech
const response = await fetch('https://api.tts.ai/v1/tts/', {
method: 'POST',
headers: {
'Authorization': `Bearer ${API_KEY}`,
'Content-Type': 'application/json'
},
body: JSON.stringify({
model: 'kokoro',
text: 'Hello from TTS.ai!',
voice: 'af_bella',
format: 'mp3'
})
});
const audioBlob = await response.blob();
const audioUrl = URL.createObjectURL(audioBlob);
const audio = new Audio(audioUrl);
audio.play();
Pretvori govor u tekst
// Speech to Text
const formData = new FormData();
formData.append('file', audioFile);
formData.append('model', 'faster-whisper');
const response = await fetch('https://api.tts.ai/v1/stt/', {
method: 'POST',
headers: { 'Authorization': `Bearer ${API_KEY}` },
body: formData
});
const result = await response.json();
console.log(result.text);
Tekst-u-govor
# Text to Speech
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!","voice":"af_bella","format":"mp3"}' \
-o output.mp3
Pretvori govor u tekst
# Speech to Text
curl -X POST https://api.tts.ai/v1/stt/ \
-H "Authorization: Bearer sk-tts-your-key" \
-F "file=@recording.mp3" \
-F "model=faster-whisper" \
-F "timestamps=true"
Kloniranje glasa
# Voice Cloning
curl -X POST https://api.tts.ai/v1/tts/clone/ \
-H "Authorization: Bearer sk-tts-your-key" \
-F "reference_audio=@reference.wav" \
-F "text=This uses a cloned voice." \
-F "model=chatterbox" \
-o cloned.mp3
Poboljšanje zvuka
# Audio Enhancement
curl -X POST https://api.tts.ai/v1/audio/enhance/ \
-H "Authorization: Bearer sk-tts-your-key" \
-F "file=@noisy_audio.mp3" \
-F "denoise=true" \
-F "enhance_clarity=true" \
-o enhanced.mp3
Kodovi grešaka
Sve greške vraćaju JSON odgovor sa error Polje.
{
"error": {
"code": "insufficient_credits",
"message": "You do not have enough credits for this request.",
"credits_required": 4,
"credits_available": 2
}
}
| HTTP status | Error Code | Opis |
|---|---|---|
| 400 | bad_request |
Nevažeći zahtjevni parametri. Provjerite poruku o grešci za detalje. |
| 401 | unauthorized |
Nedostaje ili nije valjan API ključ. |
| 402 | insufficient_credits |
Nema dovoljno kredita. Kupite više na /pricing/. |
| 403 | forbidden |
API pristup nije dostupan na vašem planu. |
| 404 | not_found |
Model ili glas nije pronađen. |
| 413 | file_too_large |
Učitana datoteka prelazi ograničenje veličine. |
| 429 | rate_limited |
Previše zahtjeva. Provjerite zaglavlja ograničenja brzine. |
| 500 | internal_error |
Greška servera. Pokušajte ponovo kasnije. |
| 503 | model_loading |
Model se učitava. Pokušajte ponovo za nekoliko sekundi. |
Webhooks
Za dugotrajnije zadatke (podjelu stabla, batch TTS), možete navesti parametar webhook_url. Kada je zadatak završen, mi ćemo poslati rezultat na vaš URL.
{
"event": "task.completed",
"task_id": "task_abc123",
"status": "success",
"result_url": "https://api.tts.ai/v1/results/task_abc123",
"credits_used": 12,
"created_at": "2025-01-15T10:30:00Z",
"completed_at": "2025-01-15T10:30:45Z"
}
Spreman za izgradnju?
Get your API key and start integrating TTS.ai into your applications.