Τεκμηρίωση API

Ομιλία προς κείμενο

Υποστηρίζει 99 γλώσσες με αυτόματη προστασία.

Αιτούμενος φορέας (multipart/form-data)

Απάντηση

{
  "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"
    }
  ]
}

Κλωνοποίηση φωνής

Δημιουργήστε λόγο σε μια κλωνοποιημένη φωνή. Ανεβάστε έναν ήχο αναφοράς και κείμενο.

Αιτούμενος φορέας (multipart/form-data)

Απάντηση

Επιστρέφει το αρχείο ήχου ως δυαδικά δεδομένα, όπως το τελικό σημείο TTS.

Αλλαγή φωνής

Μετατρέψτε τον ήχο για να ακούγεται σαν μια διαφορετική φωνή. Ανεβάστε τον ήχο πηγή και επιλέξτε μια φωνή στόχο.

Αιτούμενος φορέας (multipart/form-data)

Αίτηση παραδείγματος

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

Απάντηση

Επιστρέφει το μετατρεπόμενο αρχείο ήχου ως δυαδικά δεδομένα.

Μετάφραση λόγου

Συνδυάζει ομιλία-σε-κείμενο, μετάφραση, και κείμενο-σε- ομιλία σε μια ενιαία κλήση.

Αιτούμενος φορέας (multipart/form-data)

Απάντηση

{
  "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
}

Ομιλία προς Λόγο

Χρήσιμο για να προσαρμόσετε τον τόνο, το βηματισμό και την εκφραστικότητα.

Αιτούμενος φορέας (multipart/form-data)

Απάντηση

Επιστρέφει το μεταμορφωμένο αρχείο ήχου ως δυαδικά δεδομένα.

Εργαλεία ήχου

Τελικά σημεία επεξεργασίας ήχου για την ενίσχυση, τη φωνητική αφαίρεση, τον διαχωρισμό των στελεχών, και πολλά άλλα.

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

Φωνητική συνομιλία

Στείλτε ήχο ή κείμενο και λάβετε μια απάντηση AI με συντεταγμένη ομιλία.

Αιτούμενος φορέας (multipart/form-data ή JSON)

Απάντηση

{
  "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
}

Παρτίδα TTS

Υποβάλετε πολλαπλά κείμενα για την παράλληλη γενιά TTS. Προαιρετικά λάβετε μια κλήση webhook όταν όλες οι εργασίες ολοκληρωθεί.

Παράμετροι

Απάντηση

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

Πρόοδος στις δημοσκοπήσεις με το GET /v1/tts/batch/festival/?batch_id=abc123

Ενσωμάτωση φωνής

Προ-compute μια φωνητική ενσωμάτωση από τον ήχο αναφοράς. Χρησιμοποιήστε το returned embed_id σε επόμενες αιτήσεις κλωνοποίησης φωνής για σχεδόν στιγμιαία γενιά.

Παράμετροι

Απάντηση

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

Υγειονομικός έλεγχος

Ελέγξτε την κατάσταση του διακομιστή GPU, τα φορτωμένα μοντέλα και το μέγεθος της ουράς.

Απάντηση

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

Μοντέλα λίστας

Επιστρέφει μια λίστα με όλα τα διαθέσιμα μοντέλα με τις δυνατότητές τους.

Απάντηση

{
  "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
    }
  ]
}

Φωνές λίσταςName

Επιστρέφει μια λίστα με όλες τις διαθέσιμες φωνές, προαιρετικά φιλτραρισμένο από το μοντέλο ή τη γλώσσα.

Παράμετροι ερωτήσεων

Απάντηση

{
  "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
}

Υπότιτλοι (SRT / VTT) νέα

Δημιουργήστε συγχρονισμένους υπότιτλους για οποιαδήποτε ολοκληρωμένη εργασία TTS. Τρέχει Whisper ευθυγράμμιση πάνω από τον ήχο και επιστρέφει SRT ή WebVTT. Αποτέλεσμα είναι cached στο δίσκο έτσι μια δεύτερη κλήση για το ίδιο uuid είναι ένας δίσκος που διαβάζεται.

Παράμετροι ερωτήσεων

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

Λεξικό προφοράς νέα

Πείτε στον κινητήρα TTS πώς να προφέρετε συγκεκριμένες λέξεις. Αποθηκευμένες καταχωρήσεις αυτόματη εφαρμογή σε κάθε αίτημα TTS που κάνετε.

Αιτούμενος φορέας (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-..."

Μπορείτε επίσης να περάσετε τις υπερβάσεις ανά αίτημα χωρίς να τις σώσετε περιλαμβάνουν προφορές σε οποιαδήποτε /v1/tts/ κλήση είτε ως αντικείμενο είτε ως διάταξη (δείτε τις παραστάσεις τελικού σημείου TTS).

Άρθρο Αφηγητής νέα

Πετάξτε ένα single