API dokumentācija
Integrēt TTS.ai jūsu lietotnēs ar mūsu REST API. OpenAI saderīgu formātu vieglai migrācijai.
Pārskats
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 atslēga
Iegūstiet API atslēgu no Konta iestatījumi. Pieejams Pro un Enterprise plānos.
Pamata URL
https://api.tts.ai/v1/
Auth
Pārnēsājams žetons via Authorization galvene
Autentificēšana
Visi API pieprasījumi prasa autentifikāciju, izmantojot Beaker žetonu Authorization galvene.
Authorization: Bearer sk-tts-your-api-key-here
Pamata URL
All endpoints are relative to this base URL. For example, the TTS endpoint is:
Likmju robežvērtības
API rate limits vary by plan:
| Plāns | Pieprasījumi/min | Concurrent | Maks. teksta garums |
|---|---|---|---|
| Pro | 60 | 5 | 5000 rakstzīmju |
| Uzņēmums | 300 | 20 | 50 000 rakstzīmju |
Rādītāju limitu galvenes ir iekļautas katrā atbildē: X-RateLimit-Limit, X-RateLimit-Remaining, X-RateLimit-Reset.
Kredītizmaksas
| Pakalpojums | Izmaksas | Vienība |
|---|---|---|
| TTS (Bezmaksas modeļi: Piper, VITS, MeloTTS) | 1 kredīts | uz 1000 rakstzīmēm |
| TTS (standarta modeļi: Kokoro, CosyVoice 2, utt.) | 2 kredīti | uz 1000 rakstzīmēm |
| TTS (premija modeļi: tortoise, Chatterbox u.c.) | 4 kredīti | uz 1000 rakstzīmēm |
| Uzruna tekstam | 2 kredīti | audio minūtē |
| Balss klonēšana | 4 kredīti | uz 1000 rakstzīmēm |
| Balss mainītājs | 3 kredīti | audio minūtē |
| Audio uzlabojums | 2 kredīti | audio minūtē |
| Voka noņemšana / Stem Sadalīšana | 3–4 kredītpunkti | audio minūtē |
| Valodas tulkojums | 5 kredīti | audio minūtē |
| Balss tērzēšana | 3 kredīti | Režīmā |
| Atslēgu un BPM meklētājs | Bezmaksas | -- |
| Audio pārveidotājs | Bezmaksas | -- |
Teksts uz runu
Konvertēt tekstu uz runu audio. Atgriež audio failu pieprasītajā formātā.
Pieprasījuma iesniedzēja iestāde
| Parametrs | Veids | Vajadzīgs | Apraksts |
|---|---|---|---|
| model | string | Jā | Paraugs ID (piem., |
| text | string | Jā | Teksts pārvērst uz runu (maksimāli 5000 chars Pro, 50,000 Enterprise) |
| voice | string | Jā | Balss ID (izmantojiet |
| format | string | Nē | Izvades formāts: |
| speed | float | Nē | Runa par ātruma reizinātāju. Noklusētais: |
| language | string | Nē | Valodas kods (piem., |
| stream | boolean | Nē | Ieslēgt straumēšanas atbildi. Noklusētais: < code> false code> |
Piemēru pieprasījums
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
Atbildes reakcija
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
Uzruna tekstam
Atzīmēt audio uz tekstu. Atbalsta 99 valodas ar automātisku detektēšanu.
Pieprasījuma iesniedzēja iestāde (multipart/form-data)
| Parametrs | Veids | Vajadzīgs | Apraksts |
|---|---|---|---|
| file | file | Jā | Audio fails (MP3, WAV, FLAC, OGG, M4A, MP4, WebM). Maks. 100MB. |
| model | string | Nē | STT modelis: |
| language | string | Nē | Valodas kods. Auto auto-noklusējuma noteikšanai. |
| timestamps | boolean | Nē | Iekļaut vārda līmeņa zīmogus. Noklusētais: < code> false code> |
| diarize | boolean | Nē | Ieslēgt skaļruni. Noklusētais: < code> false code> |
Atbildes reakcija
{
"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"
}
]
}
Balss klonēšana
Ģenerēt runu klonētā balsī. Ielādējiet atsauces audio un tekstu.
Pieprasījuma iesniedzēja iestāde (multipart/form-data)
| Parametrs | Veids | Vajadzīgs | Apraksts |
|---|---|---|---|
| reference_audio | file | Jā | References balss audio (10-30 sekundes ieteicamas). Maks. 20MB. |
| text | string | Jā | Teksts runāt klonētā balsī. |
| model | string | Nē | Klona modelis: |
| format | string | Nē | Izvades formāts: |
| language | string | Nē | Mērķa valodas kods. Jāatbalsta izvēlētais modelis. |
Atbildes reakcija
Atgriež audio failu kā bināros datus, tāpat kā TTS galapunkts.
Balss mainītājs
Pārveidot audio kā citu balsi. Ielādējiet avota audio un izvēlieties mērķa balsi.
Pieprasījuma iesniedzēja iestāde (multipart/form-data)
| Parametrs | Veids | Vajadzīgs | Apraksts |
|---|---|---|---|
| file | file | Jā | Avots audio fails (MP3, WAV, FLAC). Max 50MB. |
| target_voice | string | Jā | Mērķa balss ID konvertēt uz (izmantot |
| model | string | Nē | Balss konvertēšanas modelis: |
| format | string | Nē | Izvades formāts: |
Piemēru pieprasījums
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
Atbildes reakcija
Atgriež konvertēto audio failu kā bināros datus.
Valodas tulkojums
Tulkot runā audio no vienas valodas uz citu. Apvieno runas uz tekstu, tulkojums, un teksts-to-speech vienā uzaicinājumā.
Pieprasījuma iesniedzēja iestāde (multipart/form-data)
| Parametrs | Veids | Vajadzīgs | Apraksts |
|---|---|---|---|
| file | file | Jā | Avots audio fails oriģinālvalodā. Max 100MB. |
| target_language | string | Jā | Mērķa valodas kods (piem., |
| voice | string | Nē | Balss iztulkotai izvadei. Atlasīts automātiski, ja izlaists. |
| preserve_voice | boolean | Nē | Mēģinājums saglabāt sākotnējo runātāju |
Atbildes reakcija
{
"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
}
Uzruna runā
Transform speech style, emotion, or delivery while keeping the content. Useful for adjusting tone, pacing, and expressiveness.
Pieprasījuma iesniedzēja iestāde (multipart/form-data)
| Parametrs | Veids | Vajadzīgs | Apraksts |
|---|---|---|---|
| file | file | Jā | Avots runas audio fails. Max 50MB. |
| voice | string | Jā | Mērķa balss ID izvades runai |
| model | string | Nē | Modelis: |
| emotion | string | Nē | Mērķa emocijas: |
| speed | float | Nē | Ātruma regulēšana. Noklusētais: |
Atbildes reakcija
Atgriež pārveidoto audio failu kā bināros datus.
Audio rīki
Audio processing endpoints for enhancement, vocal removal, stem splitting, and more.
Uzlabot audio kvalitāti: denoise, uzlabot skaidrību, super izšķirtspēju.
| file file | Audio fails, ko uzlabot |
| denoise boolean | Ieslēgt denoizāciju (noklusētā: true) |
| enhance_clarity boolean | Palielināt runas skaidrību (noklusētais: patiess) |
| super_resolution boolean | Audio kvalitātes celšana (noklusētā: viltus) |
| strength integer | 1-3 (viegls, vidējs, spēcīgs). Noklusētais: 2 |
Atsevišķi vokāli no instrumentiem (voda noņemšana) vai sadalīt kātiem.
| file file | Audio fails, lai atdalītu |
| model string | demucs (noklusētais) vai spleeter |
| stems integer | Kātu skaits: 2, 4, 5 vai 6 (noklusējums: 2) |
| format string | Izvades formāts: |
Noņemiet atbalsi un atgriezieties no audio ierakstiem.
| file file | Audio fails, ko apstrādāt |
| type string | echo or reverb (default: both) |
| intensity integer | 1-5 (default: 3) |
Analizēt audio, lai atklātu atslēgu, BPM, un laika parakstu.
| 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"]
}
Konvertēt audio starp formātiem.
| file file | Konvertējamais audio fails |
| format string | Target format: mp3, wav, flac, ogg, m4a, aac |
| bitrate integer | Izejas bitātrums kbps: 64, 128, 192, 256, 320 |
| sample_rate integer | Paraugu ņemšanas ātrums: 22050, 44100, 48000 |
| channels string | mono vai stereo |
Balss tērzēšana
Sūtīt audio vai tekstu un saņemt AI atbildi ar sintezētu runu.
Pieprasījuma iesniedzēja iestāde (multipart/form-data vai JSON)
| Parametrs | Veids | Vajadzīgs | Apraksts |
|---|---|---|---|
| audio | file | Nē* | Audio ievade (vajadzīga vai nu |
| text | string | Nē* | Teksta ievade (nepieciešams |
| voice | string | Nē | Balss AI atbildei. Noklusētais: |
| tts_model | string | Nē | TTS modelis atbildei. Noklusētais: kokoro code> |
| system_prompt | string | Nē | Pielāgota sistēma, kas paredzēta AI |
| conversation_id | string | Nē | Turpināt esošo sarunu |
Atbildes reakcija
{
"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
}
Sarakstēt modeļus
Atgriež sarakstu ar visiem pieejamajiem modeļiem ar savām iespējām.
Atbildes reakcija
{
"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
}
]
}
Rādīt balsis
Atgriež visu pieejamo balsu sarakstu, pēc izvēles filtrējot pēc parauga vai valodas.
Vaicājuma parametri
| Parametrs | Veids | Apraksts |
|---|---|---|
| model | string | Filtrs pēc modeļa ID (piem., |
| language | string | Filtrēt pēc valodas koda (piem., |
| gender | string | Filtrēt pēc dzimuma: |
Atbildes reakcija
{
"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
}
Koda piemēri
Teksts uz runu
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')}")
Uzruna tekstam
# 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"])
Balss klonēšana
# 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)
Teksts uz runu
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();
Uzruna tekstam
// 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);
Teksts uz runu
# 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
Uzruna tekstam
# 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"
Balss klonēšana
# 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 uzlabojums
# 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
Kļūdu kodi
Visas kļūdas atgriež JSON atbildi ar error lauks.
{
"error": {
"code": "insufficient_credits",
"message": "You do not have enough credits for this request.",
"credits_required": 4,
"credits_available": 2
}
}
| HTTP statuss | Error Code | Apraksts |
|---|---|---|
| 400 | bad_request |
Nederīgi pieprasījuma parametri. Pārbaudiet kļūdas ziņojumu. |
| 401 | unauthorized |
Trūkst API atslēgas vai tās nav derīgas. |
| 402 | insufficient_credits |
Nepietiek kredītu. Iegādāties vairāk par /pricing/. |
| 403 | forbidden |
API piekļuve nav pieejama jūsu plānā. |
| 404 | not_found |
Modelis vai balss nav atrasta. |
| 413 | file_too_large |
Augšupielādētais fails pārsniedz izmēru limitu. |
| 429 | rate_limited |
Pārāk daudz pieprasījumu. Check rate limit headers. |
| 500 | internal_error |
Servera kļūda. Mēģiniet vēlāk vēlreiz. |
| 503 | model_loading |
Modelis ielādē. Pamēģini pēc dažām sekundēm. |
Webhooks
Ilgas darbības uzdevumiem (stūres sadalīšana, partija TTS), jūs varat sniegt webhook_url parametru. Kad uzdevums būs pabeigts, mēs pārcelsim rezultātu uz jūsu 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"
}
Gatavs celtniecībai?
Iegūstiet API atslēgu un sāciet TTS.ai integrēšanu savās programmās.