Dokumen

Prasasti

Transkrip audio dadi teks. Dukung 99 basa kanthi deteksi otomatis.

Badan pitakonan (multipart/form-data)

Balasan

{
  "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"
    }
  ]
}

Kloning swara

Nyiptakaké pidato ing swara kloning. Ngundhuh referensi audio lan teks.

Badan pitakonan (multipart/form-data)

Balasan

Kembalikan berkas audio minangka data biner, padha karo titik pungkasan TTS.

Pengubah SuaraName

Konversi audio dadi swara kang beda. Unggah sumber audio lan pilih swara target.

Badan pitakonan (multipart/form-data)

Conto pitakonan

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

Balasan

Kembalikan berkas audio kang dikonversi dadi data biner.

Terjemah

Nerjemahaké swara kang diucapaké saka siji basa menyang basa liya. Nggabungaké swara-ka-teks, terjemahan, lan teks-ka-swara ing telpon tunggal.

Badan pitakonan (multipart/form-data)

Balasan

{
  "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
}

Speech to Speech

Transformasi gaya pangucapan, emosi, utawa pangiriman nalika tetep isiné. Migunakaké kanggo nyetel ton, pacing, lan ekspresi.

Badan pitakonan (multipart/form-data)

Balasan

Kembalikan berkas audio kang ditransformasi dadi data biner.

Alat Audio

Akèh-akèhé digawé saka bahan-bahan alami, kaya ta sayuran, woh-wohan, lan liya-liyane.

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

Sesambetan

Saliyané iku, dhèwèké uga dadi panulis lan juru basa basa Inggris.

Badan pitakonan (multipart/form-data utawa JSON)

Balasan

{
  "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

Nyedhiyakaké tèks kang akèh kanggo ngasilaké TTS paralel. Opsional nampa callback webhook nalika kabèh tugas rampung.

Paramèter

Balasan

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

Progres Poll karo GET /v1/tts/batch/result/?batch_id=abc123

Penyambungan swara

Pre-kalkulasi swara kang diundhuh saka referensi audio. Migunakaké embed_id kang dikembalikan ing panjaluk kloning swara sabanjuré kanggo ngasilaké langsung.

Paramèter

Balasan

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

Periksa Kaséhatan

Priksa status penjelajah GPU, modél kang diundhuh, lan ukuran gulungan. Ora mbutuhaké otentikasi. Disimpen ing cache kanggo 30 detik.

Balasan

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

Daftar Model

Kembalikan dhaptar sadaya modél ingkang wonten kaliyan kapabilitasipun.

Balasan

{
  "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
    }
  ]
}

Senarai swara

Kembalikan dhaptar saka kabeh swara kang ana, kanthi pilihan disaring miturut modél utawa basa.

Paramèter pitakon

Balasan

{
  "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
}

Subtitles (SRT / VTT) anyar

Ngembangaken subtitle sing disensoré kanggo tugas TTS kang wis rampung. Ngjalanake Whisper alignment ing audio lan mbalekaké SRT utawa WebVTT. Hasilé disimpen ing diska supaya panjaluk kaping kalih kanggo uuid sing padha iku maca diska.

Paramèter pitakon

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

Kamus Panulisan anyar

Nyathet ing mesin TTS cara nyerat tembung-tembung kang ditemtokake. Entri sing disimpan bakal ditrapake kanthi otomatis ing saben panjaluk TTS sing sampeyan lakoni. Batas 200 entri saben akun.

Badan pitakonan (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-..."

Ing basa Inggris, tembung "code" bisa dijupuk saka tembung "code" (kode) lan "code" (kode) utawa saka tembung "code" lan "code" (kode).

Pendhaftaran anyar

Nglewati