API dokumentācija

Autentificēšana

Piemaksu modeļiem un augstākas likmes ierobežojumiem autentificējiet ar Authorization galvene.

Authorization: Bearer sk-tts-your-api-key-here

SDK

Oficiālās SDKs ļauj viegli integrēt TTS.ai jūsu pieteikumā. Abi ir atvērts avots un ir pieejami GitHub.

pip install ttsai

from tts_ai import TTSClient

client = TTSClient(api_key="sk-tts-...")
audio = client.generate(
    text="Hello world!",
    model="kokoro"
)
client.save(audio, "output.wav")

npm install @ttsainpm/ttsai

const { TTSClient } = require('@ttsainpm/ttsai');

const client = new TTSClient({
  apiKey: 'sk-tts-...'
});
const audio = await client.generate({
  input: 'Hello world!',
  model: 'kokoro'
});
await client.saveToFile(audio, 'output.wav');

Pamata URL

Visi mērķa kritēriji ir relatīvi pret šo bāzes URL. Piemēram, TTS mērķa kritērijs ir:

Likmju robežvērtības

API likmes ierobežojumi atšķiras atkarībā no plāna:

Rādītāju limitu galvenes ir iekļautas katrā atbildē: X-RateLimit-Limit, X-RateLimit-Remaining, X-RateLimit-Reset.

Kredītizmaksas

Teksts uz runu

Konvertēt tekstu uz runu audio. Atgriež audio failu pieprasītajā formātā.

Pieprasījuma iesniedzēja iestāde

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

VUML tagi

Aplauzt numurus, datumus, valūtu, tālruņa numurus, un akronīmus

Datuma formāta noklusējumi uz mdy angļu un < code> dmy citur; atslēgšanās ar < code>format=\

{
  "model": "kokoro",
  "voice": "af_bella",
  "text": "Your appointment is on <say-as interpret-as=\"date\">2026-04-26</say-as> at <say-as interpret-as=\"time\">14:30</say-as>. Please call <say-as interpret-as=\"telephone\">+1-555-867-5309</say-as> if you need to reschedule."
}

Atbildes reakcija

The TTS endpoint queues your request and returns a JSON response with a job UUID. You then poll for the result.

Step 1: Submit request

{
  "uuid": "77b71db532874ce98e84a69a2d740d4c",
  "job_id": "f21316bb-aefa-480d-8523-701d1e3184ce",
  "status": "queued",
  "credits_used": 11,
  "credits_remaining": 15000
}

Step 2: Poll for result

Poll this endpoint every 1-2 seconds until status is completed or failed.

{
  "status": "completed",
  "result_url": "https://api.tts.ai/static/downloads/77b71db5.../output.mp3"
}

{
  "status": "processing"
}

Step 3: Download audio

Fetch the result_url from the completed response to download the audio file.

Pilns piemērs

import requests, time

API_KEY = "sk-tts-your-key"
BASE = "https://api.tts.ai"

# 1. Submit TTS request
resp = requests.post(f"{BASE}/v1/tts/", json={
    "model": "kokoro",
    "text": "Hello from TTS.ai!",
    "voice": "af_bella"
}, headers={"Authorization": f"Bearer {API_KEY}"})
data = resp.json()
uuid = data["uuid"]

# 2. Poll for result
while True:
    result = requests.get(f"{BASE}/v1/speech/results/",
        params={"uuid": uuid}).json()
    if result["status"] == "completed":
        # 3. Download audio
        audio = requests.get(result["result_url"])
        with open("output.mp3", "wb") as f:
            f.write(audio.content)
        break
    elif result["status"] == "failed":
        raise Exception(result.get("error", "Generation failed"))
    time.sleep(1.5)

Streaming alternative: For supported models (Kokoro, MeloTTS), use POST /v1/tts/stream/ for real-time Server-Sent Events (SSE) streaming — no polling needed.

Uzruna tekstam

Atzīmēt audio uz tekstu. Atbalsta 99 valodas ar automātisku detektēšanu.

Pieprasījuma iesniedzēja iestāde (multipart/form-data)

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)

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)

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)

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

Pārveidot runas stilu, emocijas, vai piegādes saglabājot saturu. Noderīgs, lai pielāgotu toni, pacing, un izteiksmīgumu.

Pieprasījuma iesniedzēja iestāde (multipart/form-data)

Atbildes reakcija

Atgriež pārveidoto audio failu kā bināros datus.

Audio rīki

Audio apstrādes galamērķi, lai uzlabotu, balss noņemšana, stumbra sadalīšanu, un vairāk.

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

Balss tērzēšana

Sūtīt audio vai tekstu un saņemt AI atbildi ar sintezētu runu.

Pieprasījuma iesniedzēja iestāde (multipart/form-data vai JSON)

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
}

Sērijas TTS

Iesniegt vairākus tekstus paralēlai TTS ģenerēšanai. Pēc izvēles saņemt webhook zvanu atpakaļ, kad visi darbi pabeigti.

Parametri

Atbildes reakcija

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

Aptuvenais progress ar GET /v1/tts/partija/rezultāts/?partch_id=abc123

Balss iegulšana

Priekšapvienot balsi, kas iegulta no atsauces audio. Izmantojiet atgriezto iegult_ id turpmākajos balss klonēšanas pieprasījumos gandrīz iekšējai paaudzei.

Parametri

Atbildes reakcija

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

Veselības pārbaude

Pārbaudiet GPU servera statusu, ielādētos modeļus un rindas izmērus. Autentificēšana nav nepieciešama. Cached uz 30 sekundēm.

Atbildes reakcija

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

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

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
}

Apakšvirsraksti (SRT / VTT) jauni

Ģenerēt sinhronizētus subtitrus jebkuram pabeigtam TTS darbam. Palaist Whisper atbilstību pār audio un atgriezties SRT vai WebVTT. Rezultāts ir kešatmiņā uz diska, tāpēc otrais zvans par to pašu uuid ir diska nolasījums.

Vaicājuma parametri

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

Izrunas vārdnīca jauni

Pastāstiet TTS dzinējam, kā izrunāt konkrētus vārdus. Saglabāti ieraksti automātiski pie katra TTS pieprasījuma. 200- ieraksta uz kontu limits.

Pieprasījuma iesniedzēja iestāde (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-..."

Jūs varat arī iziet pēc pieprasījuma aizvēršanas, nesaglabājot tos — iekļaut < koda> izrunas jebkurā / v1/ tts/ zvans kā objekts vai masīvs (skatīt TTS galapunkta params).

Narators jauni

Nometiet vienu