API dokumentacija

Integrirajte TTS.ai u vaše aplikacije s našim REST API. OpenAI kompatibilan format za jednostavnu migraciju.

REST API OpenAI kompatibilan Odgovori JSON-a Streaming podrška

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 tipka

Uzmite API ključ od Postavke računa. Dostupno na Pro i Enterprise planovima.

Osnovni URL

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

Auth

Nositeljski znak preko Authorization zaglavlje

Ovjera

Svi API zahtjevi zahtijevaju autentičnost putem Nositelja žetona u Authorization zaglavlje.

HTTP zaglavlje
Authorization: Bearer sk-tts-your-api-key-here
Čuvaj svoj API ključ tajnu. Ne dijelite ga kodom klijenta, javnim repozitorijima ili logovima. Tipke rotirajte redovito iz postavki vašeg računa.

Osnovni URL

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

Svi ishodi su u odnosu na ovaj bazni URL. Na primjer, TTS ishod je:

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

Ograničenja stope

Ograničenja API stope variraju prema planu:

Plan Zahtjevi/min Concurrent Najveća dužina teksta
Profesionalno 60 5 5000 znakova
Poduzeće 300 20 50.000 znakova

Zaglavlja ograničenja brzine su uključena u svaki odgovor: X-RateLimit-Limit, X-RateLimit-Remaining, X-RateLimit-Reset.

Kreditni troškovi

Usluga Troškovi Jedinica
TTS (Besplatni modeli: Piper, VITS, Melotts) 1 kredit po 1000 znakova
TTS (Standardni modeli: Kokoro, CosyVoice 2, itd.) 2 kredita po 1000 znakova
TTS (Premijum modeli: Tortoise, Chatterbox, itd.) 4 kredita po 1000 znakova
Govor prema tekstu 2 kredita po minuti zvuka
Kloniranje glasa 4 kredita po 1000 znakova
Promjena glasa 3 kredita po minuti zvuka
Povećanje zvuka 2 kredita po minuti zvuka
Uklanjanje glasa / razdvajanje 3-4 kredita po minuti zvuka
Prijevod govora 5 kredita po minuti zvuka
Glasovni razgovor 3 kredita po skretanju
Nalaženje ključeva & BPM Slobodno --
Pretvarač zvuka Slobodno --

Tekst za govor

POST /v1/tts/

Pretvori tekst u govorni zvuk. Vraća zvučnu datoteku u zahtjevnom formatu.

Zahtjevno tijelo

ParametriVrstaPotrebnoOpis
model string -Da. -Da. ID modela (npr. kokoro, chatterbox , piper)
text string -Da. -Da. Tekst za pretvaranje u govor (max 5000 znakova za Pro, 50.000 za Enterprise)
voice string -Da. -Da. Glasovni ID (koristi /v1/voices/ za popis dostupnih glasova)
format string Ne. Izlazni format: < kod> mp3 (zadano), < kod>wav, < kod>flac, < kod> ogg
speed float Ne. Množitelj brzine govora. Uobičajeno: < kod>1.0 . Raspon: < kod>0.5 do 2.0
language string Ne. Kod jezika (npr. en , es ). Automatski otkriven ako je izostavljen.
stream boolean Ne. Uključi streaming odgovor. Uobičajeno: false

Zahtjev za primjerom

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

Odgovor

Returns the audio file as binary data with appropriate Content-Type header (audio/mpeg, audio/wav, etc.).

Zaglavlja odgovora
Content-Type: audio/mpeg
Content-Length: 48256
X-Credits-Used: 2
X-Credits-Remaining: 498

Govor prema tekstu

POST /v1/stt/

Transcribe audio na tekst. Podržava 99 jezika s auto-detekcijom.

Zahtjevno tijelo (multipart/form-data)

ParametriVrstaPotrebnoOpis
file file -Da. -Da. Audio datoteka (MP3, WAV, FLAC, OGG, M4A, MP4, WebM). Max 100MB.
model string Ne. STT model: whisper (podrazumijevano), brže-whisper , smysl glas
language string Ne. Šifra jezika. auto za automatsko otkrivanje (uobičajeno).
timestamps boolean Ne. Uključi vremenske oznake na razini riječi. Uobičajeno: false
diarize boolean Ne. Uključi dijarizaciju zvučnika. Uobičajeno: false

Odgovor

Odgovor JSON-a
{
  "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

POST /v1/tts/clone/

Generiši govor kloniranim glasom. Pošalji referentni zvuk i tekst.

Zahtjevno tijelo (multipart/form-data)

ParametriVrstaPotrebnoOpis
reference_audio file -Da. -Da. Referentni glas audio (10-30 sekundi preporučeno). Max 20MB.
text string -Da. -Da. Tekst za govor u kloniranom glasu.
model string Ne. Klonov model: chatterbox (uobičajeno), cosyvoice2, gpt-sovits
format string Ne. Izlazni format: >mp3 (zadano), wav, flac
language string Ne. Šifra ciljnog jezika. Mora biti podržana odabranim modelom.

Odgovor

Vraća zvučnu datoteku kao binarne podatke, kao i ishod TTS-a.

Promjena glasa

POST /v1/voice-convert/

Pretvori zvuk u zvuk kao drugi glas. Pošalji izvorni zvuk i odaberi ciljani glas.

Zahtjevno tijelo (multipart/form-data)

ParametriVrstaPotrebnoOpis
file file -Da. -Da. Izvorna zvučna datoteka (MP3, WAV, FLAC). Max 50MB.
target_voice string -Da. -Da. Ciljni ID glasa pretvoriti u (koristite /v1/voices/ za popis dostupnih glasova)
model string Ne. Model konverzije glasa: openvoice (uobičajeno), knn-vc
format string Ne. Izlazni format: wav (zadano), >mp3, flac

Zahtjev za primjerom

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

Odgovor

Vraća pretvorenu zvučnu datoteku kao binarne podatke.

Prijevod govora

POST /v1/speech-translate/

Prevodi govorni zvuk s jednog jezika na drugi. Kombinira govor-na-tekst, prijevod, i tekst-na-speech u jednom pozivu.

Zahtjevno tijelo (multipart/form-data)

ParametriVrstaPotrebnoOpis
file file -Da. -Da. Izvorna zvučna datoteka na izvornom jeziku. Max 100MB.
target_language string -Da. -Da. Kod ciljnog jezika (npr. es , fr>/code>, de, , ja
voice string Ne. Glas za prevedeni izlaz. Automatski odabrani ako izostavljen.
preserve_voice boolean Ne. Pokušaj sačuvati izvorni zvučnik

Odgovor

Odgovor JSON-a
{
  "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 govoru

POST /v1/speech-to-speech/

Transformirati stil govora, emocije, ili isporuka istovremeno održavanje sadržaja. Korisno za prilagodbu tona, hodanje, i izražavanje.

Zahtjevno tijelo (multipart/form-data)

ParametriVrstaPotrebnoOpis
file file -Da. -Da. Izvorni govorni zvučni dosije. Max 50MB.
voice string -Da. -Da. Ciljni glasni ID za izlazni govor
model string Ne. Model: openvoice (podrazumijevano), chatterbox
emotion string Ne. Ciljna emocija: neutral , sappy, sad , angry, uzbuđen
speed float Ne. Podešavanje brzine. Uobičajeno: < kod>1.0 . Raspon: < kod>0.5 do 2.0

Odgovor

Vraća transformiranu zvučnu datoteku kao binarne podatke.

Zvučni alat

Ishodi za obradu zvuka za poboljšanje, uklanjanje glasa, dijeljenje stabljika i više.

POST /v1/audio/enhance/

Pojačaj kvalitetu zvuka: denoise, poboljšaj jasnoću, super rezoluciju.

file fileZvučna datoteka za poboljšanje
denoise booleanOmogući denoziranje (uobičajeno: postavljeno)
enhance_clarity booleanPovećaj jasnoću govora (uobičajeno: istinito)
super_resolution booleanPovećana kvaliteta zvuka (uobičajeno: netačno)
strength integer1-3 (svjetlost, srednja, jaka). Uobičajeno: 2
POST /v1/audio/separate/

Odvojeni vokali od instrumentala (glasno uklanjanje) ili podijeljeni na stabljike.

file fileZvučna datoteka za odvajanje
model stringdemucs (uobičajeno) ili spleeter
stems integerBroj stabljika: 2, 4, 5 ili 6 (podrazumijevano: 2)
format stringIzlazni format: wav, >mp3, flac
POST /v1/audio/dereverb/

Ukloni odjek i reverb iz zvučnih snimaka.

file fileZvučna datoteka za obradu
type stringecho or reverb (default: both)
intensity integer1-5 (default: 3)
POST /v1/audio/analyze/ Slobodno

Analizirajte zvuk kako biste otkrili ključ, BPM i vremenski potpis.

file fileZvučna datoteka za analizu
Odgovor
{
  "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/ Slobodno

Pretvori zvuk između formata.

file fileZvučna datoteka za pretvaranje
format stringCiljni format: >m3, wav, flac, , m4a, aac
bitrate integerIzlazna bitna brzina u kbps: 64, 128, 192, 256, 320
sample_rate integerBrzina uzorka: 22050, 44100, 48000
channels stringmono ili stereo

Glasovni razgovor

POST /v1/voice-chat/

Pošaljite zvuk ili tekst i primite odgovor AI sintetičkim govorom.

Zahtjevno tijelo (multipart/form-data ili JSON)

ParametriVrstaPotrebnoOpis
audio file Ne.* Unos zvuka (ili audio ili text neophodan)
text string Ne.* Unos teksta (ili audio ili text neophodan)
voice string Ne. Glas za odgovor AI. Uobičajeno: af_bella
tts_model string Ne. Model TTS za odgovor. Uobičajeno: kokoro
system_prompt string Ne. Prilagođeni zahtjev za AI
conversation_id string Ne. Nastavi postojeći razgovor

Odgovor

Odgovor JSON-a
{
  "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
}

Popis modela

GET /v1/models/

Vraća popis svih dostupnih modela s njihovim mogućnostima.

Odgovor

Odgovor JSON-a
{
  "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
    }
  ]
}

Popis glasova

GET /v1/voices/

Vraća popis svih dostupnih glasova, opcionalno filtriranih po modelu ili jeziku.

Parametri upita

ParametriVrstaOpis
model string Filtriraj po ID-u modela (npr. kokoro)
language string Filtriraj po jeziku (npr. en )
gender string Filtriraj po spolu: male , žena , neutralni

Odgovor

Odgovor JSON-a
{
  "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 za govor

Python - requests
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')}")

Govor prema tekstu

Python - requests
# 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

Python - requests
# 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 za govor

JavaScript - fetch
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();

Govor prema tekstu

JavaScript - fetch
// 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 za govor

cURL
# 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

Govor prema tekstu

cURL
# 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

cURL
# 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

Povećanje zvuka

cURL
# 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

Šifre grešaka

Sve greške vraćaju JSON odgovor s error Polje.

Format odgovora na grešku
{
  "error": {
    "code": "insufficient_credits",
    "message": "You do not have enough credits for this request.",
    "credits_required": 4,
    "credits_available": 2
  }
}
HTTP StatusError CodeOpis
400 bad_request Neispravni parametri zahtjeva. Provjerite poruku greške za detalje.
401 unauthorized Nedostaje ili neispravan API ključ.
402 insufficient_credits Nedovoljno 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 Uploadirana datoteka nadmašuje ograničenje veličine.
429 rate_limited Previše zahtjeva. Provjerite ograničenja zaglavlja.
500 internal_error Greška poslužitelja. Pokušajte kasnije.
503 model_loading Model se učitava.Ponovite za nekoliko sekundi.

Webhooks

Za dugotrajne zadatke (podjela stema, serija TTS) možete pružiti webhook_url parametar. Kada zadatak završi, mi ćemo POST rezultat na vaš URL.

Webhook Payload
{
  "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"
}
Webhook rezultati su dostupni za preuzimanje za 24 sata nakon završetka. Pobrinite se da ih odmah preuzmete.

Spreman za izgradnju?

Uzmite API ključ i počnite integrirati TTS.ai u vaše aplikacije.