API dokumentazioa

Hitzetik testura

Transkribatu audioa testura. 99 hizkuntza onartzen ditu autodetekzioarekin.

Eskaeraren gorputza (multipart/form-data)

Erantzuna

{
  "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"
    }
  ]
}

Ahots klonaketa

Sortu hizketa ahots klonatu batean. Kargatu erreferentziako audioa eta testua.

Eskaeraren gorputza (multipart/form-data)

Erantzuna

Audio-fitxategia datu binario gisa itzultzen du, TTS amaierako puntuaren berdina.

Ahots aldatzailea

Bihurtu audioa beste ahots baten antzera sortzeko. Kargatu iturburuko audioa eta hautatu helburuko ahotsa.

Eskaeraren gorputza (multipart/form-data)

Adibideko eskaera

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

Erantzuna

Bihurtutako audio-fitxategia datu binario gisa itzultzen du.

Hitz itzulpena

Itzul itzazu ahozko audioak hizkuntza batetik bestera. Hitzetik testura, itzulpenetik testura eta testutik hitzera konbinatzen ditu dei bakar batean.

Eskaeraren gorputza (multipart/form-data)

Erantzuna

{
  "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
}

Hitzetik hitzera

Eraldatu hizketa-estiloa, emozioa edo ematea edukiari eutsiz. Erabilgarria tonua, abiadura eta adierazkortasuna doitzeko.

Eskaeraren gorputza (multipart/form-data)

Erantzuna

Bihurtutako audio-fitxategia datu binario gisa itzultzen du.

Audio-tresnak

Audioa prozesatzeko amaiera-puntuak, hobekuntza, ahots-ezabapena, zuhaitz-zatiketa eta gehiagorako.

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

Ahots-berriketa

Bidali audioa edo testua eta jaso AI erantzuna hizketa sintetizatuarekin.

Eskaeraren gorputza (multipart/form-data edo JSON)

Erantzuna

{
  "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
}

Batch TTS

Bidali testu anitz TTS sorkuntza paralelorako. Aukerazkoa da webhook atzera-dei bat jasotzea lan guztiak amaitzen direnean.

Parametroak

Erantzuna

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

Galdeketaren aurrerapena GET /v1/tts/batch/result/?batch_id=abc123 erabiliz

Ahotsa txertatzea

Aurre-kalkulatu ahots-kapsulazio bat erreferentziako audiotik. Erabili itzulitako embed_id hurrengo ahots-klonazio-eskaeretan ia berehalako sorkuntzarako.

Parametroak

Erantzuna

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

Egoeraren egiaztapena

Egiaztatu GPU zerbitzariaren egoera, kargatutako modeloak eta ilararen tamaina. Ez da autentifikaziorik behar. 30 segundoz cachean.

Erantzuna

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

Zerrendatu modeloak

Erabilgarri dauden modelo guztien zerrenda itzultzen du, haien gaitasunekin batera.

Erantzuna

{
  "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
    }
  ]
}

Zerrendatu ahotsak

Ahots erabilgarri guztien zerrenda itzultzen du, aukeran, modeloaren edo hizkuntzaren arabera iragazita.

Kontsultaren parametroak

Erantzuna

{
  "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
}

Azpitituluak (SRT / VTT) berria

Sortu azpititulu sinkronizatuak edozein TTS lan osatutakoan. Whisper lerrokatzea audioan exekutatzen du eta SRT edo WebVTT itzultzen du. Emaitza diskoan cache-an gordetzen da, beraz, uuid bererako bigarren dei bat diskoan irakurtzea izango da.

Kontsultaren parametroak

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

Ahoskera hiztegia berria

Esan TTS motorrari hitz jakin batzuk nola ahoskatu. Gordetako sarrerak automatikoki aplikatuko dira egiten duzun TTS eskaera bakoitzean. Kontu bakoitzeko 200 sarrerako muga.

Eskaeraren gorputza (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-..."

Eskaera bakoitzeko gainidatziak ere pasa ditzakezu gorde gabe — sartu pronunciations edozein /v1/tts/ deietan objektu edo array gisa (ikus TTS amaierako puntuaren parametroak).

Artikuluaren narratzailea berria

Edozein artikulu-orrialdetan