API skjölun
Samþætta TTS.ai í forritum þínum með REST API okkar. OpenAI-samhæft snið fyrir auðveldan flutning.
Yfirlit
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 lykill
Fáðu API lykilinn þinn frá Stillingar reiknings. Í boði á Pro og Enterprise áætlunum.
Grunnslóð
https://api.tts.ai/v1/
Auðkenning
Bearer Token í gegnum Authorization haus
Auðkenning
Allar API beiðnir þurfa staðfestingu í gegnum Bearer tákn í Authorization haus.
Authorization: Bearer sk-tts-your-api-key-here
Grunnslóð
All endpoints are relative to this base URL. For example, the TTS endpoint is:
Hraðatakmörk
API rate limits vary by plan:
| PlanName | Beiðnir / mín | Concurrent | Hámarks textalengd |
|---|---|---|---|
| Fyrir | 60 | 5 | 5.000 stafir |
| Fyrirtæki | 300 | 20 | 50.000 stafir |
Hraðtakmörk hausar eru innifalin í hverju svari: X-RateLimit-Limit, X-RateLimit-Remaining, X-RateLimit-Reset.
Lánskostnaður
| Þjónusta | Kostnaður | Eining |
|---|---|---|
| TTS (Free módel: Piper, VITS, MeloTTS) | 1 stig | á hverja 1.000 stafi |
| TTS (Standard módel: Kokoro, CosyVoice 2, osfrv) | 2 einingar | á hverja 1.000 stafi |
| TTS (Premium módel: Tortoise, Chatterbox osfrv.) | 4 einingar | á hverja 1.000 stafi |
| Tal í texta | 2 einingar | á mínútu hljóðs |
| Raddklónun | 4 einingar | á hverja 1.000 stafi |
| RaddbreytirName | 3 einingar | á mínútu hljóðs |
| Hljóðuppfærsla | 2 einingar | á mínútu hljóðs |
| Vocal Fjarlægja / Stem skipting | 3-4 einingar | á mínútu hljóðs |
| TalþýðingName | 5 stig | á mínútu hljóðs |
| Raddspjall | 3 einingar | á snúning |
| Key & BPM leitarvél | Frjáls | -- |
| Hljóðbreytir | Frjáls | -- |
Texti í talName
Umbreyta texta í talhljóð. Sýnir hljóðskrá á beiðnu sniði.
Beiðni
| Viðföng | Tegund | Nauðsynlegt | Lýsing |
|---|---|---|---|
| model | string | - Já. | Model ID (t.d. kokoro, chatterbox, piper) |
| text | string | - Já. | Texti til að breyta í tal (hámark 5.000 stafir fyrir Pro, 50.000 fyrir Enterprise) |
| voice | string | - Já. | Voice ID (notaðu |
| format | string | Nei. | Úttakssnið: mp3 (sjálfgefið), wav, flac, ogg |
| speed | float | Nei. | Talhraða margfaldari. Sjálfgefið: 1.0. Svið: 0.5 til 2.0 |
| language | string | Nei. | Tungumálakóði (t.d. en, es). Finnst sjálfkrafa ef sleppt er. |
| stream | boolean | Nei. | Virkja straumsvar. Sjálfgefið: false |
Dæmi beiðni
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
Svar
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
Tal í texta
Umrita hljóð í texta. Styður 99 tungumál með sjálfvirkri uppgötvun.
Beiðni (multipart/form-data)
| Viðföng | Tegund | Nauðsynlegt | Lýsing |
|---|---|---|---|
| file | file | - Já. | Hljóðskrá (MP3, WAV, FLAC, OGG, M4A, MP4, WebM). Hámark 100MB. |
| model | string | Nei. | STT líkan: whisper (sjálfgefið), faster-whisper, sensevoice |
| language | string | Nei. | Tungumálakóði. auto fyrir sjálfvirka uppgötvun (sjálfgefið). |
| timestamps | boolean | Nei. | Sjálfgefið: false |
| diarize | boolean | Nei. | Sjálfgefið: false |
Svar
{
"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"
}
]
}
Raddklónun
Búa til ræðu í klónuðu rödd. Hlaða tilvísun hljóð og texta.
Beiðni (multipart/form-data)
| Viðföng | Tegund | Nauðsynlegt | Lýsing |
|---|---|---|---|
| reference_audio | file | - Já. | Tilvísun rödd hljóð (10-30 sekúndur mælt með). Max 20MB. |
| text | string | - Já. | Texti til að tala í klónuðu rödd. |
| model | string | Nei. | Klóna líkan: chatterbox (sjálfgefið), cosyvoice2, gpt-sovits |
| format | string | Nei. | Úttakssnið: mp3 (sjálfgefið), wav, flac |
| language | string | Nei. | Tungumálakóði. Verður að vera studdur af valið gerð. |
Svar
Sýnir hljóðskrána sem tvíunda gögn, eins og TTS endapunkturinn.
RaddbreytirName
Umbreyta hljóð til að hljóma eins og önnur rödd. Hlaða upp hljóð og velja mark rödd.
Beiðni (multipart/form-data)
| Viðföng | Tegund | Nauðsynlegt | Lýsing |
|---|---|---|---|
| file | file | - Já. | Upprunaleg hljóðskrá (MP3, WAV, FLAC). Hámark 50MB. |
| target_voice | string | - Já. | Tilgreindu raddauðkenni sem á að breyta í (notaðu /v1/voices/ til að skrá tiltækar raddir) |
| model | string | Nei. | Raddbreytingarlíkan: openvoice (sjálfgefið), knn-vc |
| format | string | Nei. | Úttakssnið: wav (sjálfgefið), mp3, flac |
Dæmi beiðni
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
Svar
Returns the converted audio file as binary data.
TalþýðingName
Sameinar tal-til-texta, þýðing, og texti-til-tal í einu símtali.Samþættir tal til texta, þýðing, og texti-til-tal í einu símtali.
Beiðni (multipart/form-data)
| Viðföng | Tegund | Nauðsynlegt | Lýsing |
|---|---|---|---|
| file | file | - Já. | Upprunaleg hljóðskrá á upprunalegu tungumáli. Hámark 100MB. |
| target_language | string | - Já. | Tungumálakóði (t.d. |
| voice | string | Nei. | Rödd fyrir þýtt úttak. Sjálfvirkt valið ef sleppt er. |
| preserve_voice | boolean | Nei. | Reyndu að varðveita upprunalega hátalara |
Svar
{
"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
}
Tal til tals
Transform speech style, emotion, or delivery while keeping the content. Useful for adjusting tone, pacing, and expressiveness.
Beiðni (multipart/form-data)
| Viðföng | Tegund | Nauðsynlegt | Lýsing |
|---|---|---|---|
| file | file | - Já. | Upprunaleg tal hljóðskrá. Hámark 50MB. |
| voice | string | - Já. | Markmið rödd ID fyrir framleiðsla ræðu |
| model | string | Nei. | Model: openvoice (sjálfgefið), chatterbox |
| emotion | string | Nei. | Tilfinningar: |
| speed | float | Nei. | Hraðastilling. Sjálfgefið: 1.0. Svið: 0.5 til 2.0 |
Svar
Returns the transformed audio file as binary data.
HljóðtólName
Audio processing endpoints for enhancement, vocal removal, stem splitting, and more.
Auka hljóðgæði: denoise, bæta skýrleika, frábær upplausn.
| file file | Hljóðskrá til að auka |
| denoise boolean | Virkja hávaðaeyðingu (sjálfgefið: satt) |
| enhance_clarity boolean | Auka talskýringu (sjálfgefið: satt) |
| super_resolution boolean | Uppskala hljóðgæði (sjálfgefið: falskt) |
| strength integer | 1- 3 (létt, miðlungs, sterkt). Sjálfgefið: 2 |
Aðskilja rödd frá hljóðfærum (rödd fjarlægja) eða skipt í stilkar.
| file file | Hljóðskrá sem á að aðskilja |
| model string | demucs (sjálfgefið) eða spleeter |
| stems integer | Fjöldi stilka: 2, 4, 5 eða 6 (sjálfgefið: 2) |
| format string | Úttakssnið: wav, mp3, flac |
Fjarlægðu echo og reverb frá hljóðupptökum.
| file file | Hljóðskrá sem á að vinna |
| type string | echo or reverb (default: both) |
| intensity integer | 1-5 (default: 3) |
Greina hljóð til að greina lykil, BPM og tíma undirskrift.
| file file | Audio file to analyze |
{
"key": "C",
"scale": "Major",
"bpm": 120.0,
"time_signature": "4/4",
"camelot": "8B",
"compatible_keys": ["C Major", "G Major", "F Major", "A Minor"]
}
Umbreyta hljóð á milli snið.
| file file | Hljóðskrá sem á að umbreyta |
| format string | Target format: mp3, wav, flac, ogg, m4a, aac |
| bitrate integer | Úttaksbitahraði í kbps: 64, 128, 192, 256, 320 |
| sample_rate integer | Sýnishraði: 22050, 44100, 48000 |
| channels string | mono eða stereo |
Raddspjall
Senda hljóð eða texta og fáðu AI svar með samsettri ræðu.
Beiðni (multipart/form-data eða JSON)
| Viðföng | Tegund | Nauðsynlegt | Lýsing |
|---|---|---|---|
| audio | file | Nei.* | Hljóðinntak (annaðhvort hljóð eða texti nauðsynlegt) |
| text | string | Nei.* | Texta inntak (annaðhvort audio eða text nauðsynlegt) |
| voice | string | Nei. | Sjálfgefið: af_bella |
| tts_model | string | Nei. | TTS líkan fyrir svar. Sjálfgefið: kokoro |
| system_prompt | string | Nei. | Sérsniðin kerfiskveikja fyrir AI |
| conversation_id | string | Nei. | Halda áfram núverandi samtali |
Svar
{
"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
}
Listi yfir gerðir
Sýnir lista yfir allar tiltækar gerðir með getu þeirra.
Svar
{
"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
}
]
}
Listi yfir raddir
Sýnir lista yfir allar tiltækar raddir, valfrjálst síað eftir gerð eða tungumáli.
Stillingar fyrirspurnar
| Viðföng | Tegund | Lýsing |
|---|---|---|
| model | string | Sía eftir tegundarnúmeri (t.d. kokoro) |
| language | string | Sía eftir tungumálakóða (t.d. |
| gender | string | Sía eftir kyni: karlkyns, kvenkyns, hlutlaust |
Svar
{
"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
}
Dæmi um kóða
Texti í talName
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')}")
Tal í texta
# 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"])
Raddklónun
# 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)
Texti í talName
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();
Tal í texta
// 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);
Texti í talName
# 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
Tal í texta
# 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"
Raddklónun
# 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
Hljóðuppfærsla
# 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
Villukóðar
Allar villur skila JSON svari með error Veldiđ.
{
"error": {
"code": "insufficient_credits",
"message": "You do not have enough credits for this request.",
"credits_required": 4,
"credits_available": 2
}
}
| HTTP staða | Error Code | Lýsing |
|---|---|---|
| 400 | bad_request |
Ógild viðföng beiðni. Athugaðu villuboðin fyrir frekari upplýsingar. |
| 401 | unauthorized |
Vantar eða ógildur API lykill. |
| 402 | insufficient_credits |
Ekki nóg einingar. Kaupa meira á / pricing /. |
| 403 | forbidden |
API aðgangur er ekki í boði á áætlun þinni. |
| 404 | not_found |
Líkan eða rödd fannst ekki. |
| 413 | file_too_large |
Skráin fer yfir stærðartakmörk. |
| 429 | rate_limited |
Of margar beiðnir. Athugaðu hámarkshraðahausa. |
| 500 | internal_error |
Þjónusta villa. Reyndu aftur seinna. |
| 503 | model_loading |
Líkanið er að hlaða. Reyndu aftur eftir nokkrar sekúndur. |
Vefhögg
Fyrir verkefni sem taka langan tíma að ljúka (t.d. að skipta upp stofni, batch TTS) geturðu notað webhook_url breytu. Þegar verkinu er lokið munum við senda niðurstöðuna á slóðina þína.
{
"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"
}
Tilbúinn til að byggja?
Fáðu API lykilinn þinn og byrjaðu að sameina TTS.ai í forritin þín.