Documentación API

Discurso al texto

Transcribe audio al texto. Soporta 99 idiomas con autodetección.

Organo de solicitud (multipart/form-data)

Respuesta

{
  "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"
    }
  ]
}

Clonación de voz

Generar voz en una voz clonada. Subir un audio de referencia y texto.

Organo de solicitud (multipart/form-data)

Respuesta

Devuelve el archivo de audio como datos binarios, al igual que el endpoint TTS.

Cambiador de voz

Convertir audio a sonido como una voz diferente. Subir audio fuente y elegir una voz de destino.

Organo de solicitud (multipart/form-data)

Ejemplo de solicitud

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

Respuesta

Devuelve el archivo de audio convertido como datos binarios.

Traducción del discurso

Translate audio hablado de un idioma a otro. Combina voz a texto, traducción y texto a voz en una sola llamada.

Organo de solicitud (multipart/form-data)

Respuesta

{
  "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
}

Discurso a discurso

Transformar el estilo de habla, la emoción o la entrega manteniendo el contenido. Útil para ajustar el tono, el ritmo y la expresividad.

Organo de solicitud (multipart/form-data)

Respuesta

Devuelve el archivo de audio transformado como datos binarios.

Herramientas de audio

Endpoints de procesamiento de audio para mejora, eliminación vocal, división de vástago y más.

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

Charla de voz

Enviar audio o texto y recibir una respuesta de IA con voz sintetizada.

Organo de solicitud (multipart/form-data o JSON)

Respuesta

{
  "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
}

Lote TTS

Envíe varios textos para la generación TTS paralela. Opcionalmente, reciba una devolución de llamada cuando todos los trabajos se completen.

Parámetros

Respuesta

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

Progreso de la encuesta con GET /v1/tts/batch/result/?batch_id=abc123

Incorporación de voz

Pre-computar una voz incrustada de audio de referencia. Utilice el incrustado_id devuelto en posteriores solicitudes de clonación de voz para la generación casi instantánea.

Parámetros

Respuesta

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

Chequeo de salud

Compruebe el estado del servidor GPU, los modelos cargados y el tamaño de la cola. No se requiere autenticación. En cacheado durante 30 segundos.

Respuesta

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

Modelos de lista

Devuelve una lista de todos los modelos disponibles con sus capacidades.

Respuesta

{
  "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
    }
  ]
}

Voces de la lista

Devuelve una lista de todas las voces disponibles, filtradas opcionalmente por modelo o idioma.

Parámetros de consulta

Respuesta

{
  "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
}

Subtítulos (SRT / VTT) nuevo

Generar subtítulos sincronizados para cualquier trabajo TTS completado. Ejecuta la alineación de Whisper sobre el audio y devuelve SRT o WebVTT. Resultado se cachea en el disco por lo que una segunda llamada para el mismo uuid es una lectura de disco.

Parámetros de consulta

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

Diccionario de pronunciación nuevo

Dígale al motor TTS cómo pronunciar palabras específicas. Las entradas guardadas se aplican automáticamente a cada solicitud TTS que haga. Límite de 200 entradas por cuenta.

Organo de solicitud (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-..."

También puede pasar las anulaciones por solicitud sin guardarlas — incluir pronunciaciones en cualquier /v1/tts/ llamada como un objeto o un array (consulte los parámetros del punto final de TTS).

Artículo Narrador nuevo

Suelta una sola etiqueta /code> en cualquier página del artículo y los visitantes obtendrán una barra de lectura fija que narra la página al hacer clic. Autodetecta el cuerpo del artículo, soporta voz personalizada / modelo / posición / color de acento.

<script src="https://tts.ai/narrator.js"
    data-pk="pk-tts-your-publishable-key"
    data-voice="af_bella"
    data-model="kokoro"
    data-extract="auto"
    data-position="bottom"
    data-color="#e60000"
    data-locale="en"></script>

Opciones

Fuente en GitHub:

• Python
• JavaScript
• cURL

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')}")

# 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"])

# 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)

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();

// 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);

# 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

# 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"

# 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

# 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

Códigos de error

Todos los errores devuelven una respuesta JSON con una error campo.

{
  "error": {
    "code": "insufficient_credits",
    "message": "You do not have enough characters for this request.",
    "characters_required": 4000,
    "characters_available": 2000
  }
}

Ganchos web

Para tareas de larga duración (división del tallo, TTS por lotes), puede proporcionar un parámetro webhook_url. Cuando la tarea se complete, enviaremos el resultado a su 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"
}