API документација
Интегрирајте го TTS.ai во вашите апликации со нашиот REST API. Компатибилен со OpenAI формат за лесна миграција.
Преглед
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- клуч
Земи си го API клучот од Поставувања за сметката. Достапни за про и Ентерпрајз планови.
Основен URL
https://api.tts.ai/v1/
Авт
Преносувач на знак преку Authorization заглавје
Аутентификација
Сите API барања бараат автентичност преку носител во Authorization заглавје.
Authorization: Bearer sk-tts-your-api-key-here
Основен URL
All endpoints are relative to this base URL. For example, the TTS endpoint is:
Ограничувања на стапката
API rate limits vary by plan:
| План | Барања/мин. | Concurrent | Максимална должина на текстот |
|---|---|---|---|
| Проф. | 60 | 5 | 5.000 обележја |
| Ентерпрајз | 300 | 20 | 50.000 обележја |
Заглавјата на ограничувањето на брзината се вклучени во секој одговор: X-RateLimit-Limit, X-RateLimit-Remaining, X-RateLimit-Reset.
Кредитни трошоци
| Сервис | Цена | Единица |
|---|---|---|
| TTS (Безплатни модели: Piper, VITS, Melotts) | 1 кредит | на 1.000 знаци |
| TTS (Стандардни модели: Kokoro, CosyVoice 2, итн.) | 2 кредити | на 1.000 знаци |
| TTS (Премиумски модели: Тортоаз, чаттербокс итн.) | 4 кредити | на 1.000 знаци |
| Говор кон текст | 2 кредити | во минута на аудио |
| Гласовно клонирање | 4 кредити | на 1.000 знаци |
| Менувач на глас | 3 кредити | во минута на аудио |
| Звучно подобрување | 2 кредити | во минута на аудио |
| Отстранување на гласови / разделување | 3-4 кредити | во минута на аудио |
| Преведување на говор | 5 кредити | во минута на аудио |
| Гласовен разговор | 3 кредити | на свртување |
| Пронаоѓач на клучеви и BPM | Слободен | -- |
| Аудио- претворач | Слободен | -- |
Текст за говор
Конвертирајте го текстот во говорно аудио. Враќа аудио датотека во бараниот формат.
Барај тело
| Параметр | Тип | Неопходно | Опис |
|---|---|---|---|
| model | string | Да. | Ид. на моделот (на пример, kokoro, chatterbox, piper) |
| text | string | Да. | Текст за претворање во говор (максимум 5.000 знакови за Про, 50.000 за Ентерпрајз) |
| voice | string | Да. | Гласовниот ID (користи /v1/voices/ за да ги наведеш достапните гласови) |
| format | string | Не. | Формат на излез: >mp3 (стандардно), wav, flac, |
| speed | float | Не. | Говоречки множител на брзина. Стандардно: 1. 0. Опсег: 0.5 за 2. 0 |
| language | string | Не. | Код на јазикот (на пример, en , es ). Авто- детектирано ако е пропуштено. |
| stream | boolean | Не. | Овозможи одговор на струја. Стандардно: false |
Прашање за пример
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
Одговор
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
Говор кон текст
Препиши звук на текст. Подржува 99 јазици со автоматска детекција.
Барај тело (multipart/form-data)
| Параметр | Тип | Неопходно | Опис |
|---|---|---|---|
| file | file | Да. | Аудио датотека (MP3, WAV, FLAC, OGG, M4A, MP4, WebM). Макс. 100MB. |
| model | string | Не. | Модел на STT: whisper (стандардно), побрз-шап- шап, Sense глас |
| language | string | Не. | Код на јазикот. auto за автоматска детекција (стандардно). |
| timestamps | boolean | Не. | Вклучи временски знаци на ниво на збор. Стандардно: false |
| diarize | boolean | Не. | Овозможи дијализација на звучникот. Стандардно: false |
Одговор
{
"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"
}
]
}
Гласовно клонирање
Генерирај говор со клониран глас. Пратете референтен звук и текст.
Барај тело (multipart/form-data)
| Параметр | Тип | Неопходно | Опис |
|---|---|---|---|
| reference_audio | file | Да. | Референтен глас аудио (10- 30 секунди препорачува). Макс. 20MB. |
| text | string | Да. | Текст за зборување со клонираниот глас. |
| model | string | Не. | Модел на клонирање: chatterbox (стандардно), cosyvoice2, gpt-sovits |
| format | string | Не. | Формат на излез: >mp3 (стандардно), wav, flac |
| language | string | Не. | Кодот за целен јазик. Мора да биде поддржан од избраниот модел. |
Одговор
Ја враќа аудио датотеката како бинарни податоци, исто како и крајната точка на TTS.
Менувач на глас
Конвертирај звук во звук како друг глас. Качи го изворниот звук и одбери целен глас.
Барај тело (multipart/form-data)
| Параметр | Тип | Неопходно | Опис |
|---|---|---|---|
| file | file | Да. | Изворна аудио датотека (MP3, WAV, FLAC). Макс. 50MB. |
| target_voice | string | Да. | Циљна идентификација на гласот во која ќе се конвертираат (користи /v1/voices/ за да набројат достапни гласови) |
| model | string | Не. | Модел на претворање на глас: openvoice (стандардно), knn- vc |
| format | string | Не. | Формат на излез: < code>wav (стандардно), >mp3, flac |
Прашање за пример
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
Одговор
Ја враќа конвертираната аудио датотека како бинарни податоци.
Преведување на говор
Го преведува говорениот аудио од еден јазик на друг. Го комбинира говорот во текст, преводот и текстот во говор во еден повик.
Барај тело (multipart/form-data)
| Параметр | Тип | Неопходно | Опис |
|---|---|---|---|
| file | file | Да. | Изворна аудио датотека на оригиналниот јазик. Макс. 100MB. |
| target_language | string | Да. | Код на целта (на пример, es , fr, de, , |
| voice | string | Не. | Глас за преведување на излезот. Автоматски избрано ако е пропуштено. |
| preserve_voice | boolean | Не. | Обиди се да го зачуваш оригиналниот говорник |
Одговор
{
"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
}
Говор на говор
Transform speech style, emotion, or delivery while keeping the content. Useful for adjusting tone, pacing, and expressiveness.
Барај тело (multipart/form-data)
| Параметр | Тип | Неопходно | Опис |
|---|---|---|---|
| file | file | Да. | Изворна говорна аудио датотека. |
| voice | string | Да. | Идентификатор на глас за излезниот говор |
| model | string | Не. | Модел: openvoice (стандардно), chatterbox |
| emotion | string | Не. | Целете емоции: neutral , happy, sad , angry, excited |
| speed | float | Не. | Прилагодување на брзината. Стандардно: 1. 0. Опсег: 0.5 за 2. 0 |
Одговор
Ја враќа трансформираната аудио датотека како бинарни податоци.
Аудио алатки
Audio processing endpoints for enhancement, vocal removal, stem splitting, and more.
Зајакни го аудио квалитетот: деноизирај, подобруј ја јасноста, супер резолуција.
| file file | Аудио датотека за подобрување |
| denoise boolean | Овозможи денозирање (стандардно: true) |
| enhance_clarity boolean | Зајакни ја чистотата на говорот (стандардно: true) |
| super_resolution boolean | Стандарден аудио квалитет (стандардно: неточен) |
| strength integer | 1-3 (светло, средно, силно). Стандардно: 2 |
Одделете ги гласовите од инструментите (вокалното отстранување) или разделете ги на стебла.
| file file | Аудио датотека за раздвојување |
| model string | demucs (стандардно) или spleeter |
| stems integer | Број на стебла: 2, 4, 5 или 6 (стандардно: 2) |
| format string | Формат на излез: wav, >mp3, flac |
Отстрани го ехото и одбележувањето од аудиоснимките.
| file file | Обработка на аудио датотека |
| type string | echo or reverb (default: both) |
| intensity integer | 1-5 (default: 3) |
Анализирај аудио за да откриеш клуч, BPM и временски потпис.
| 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"]
}
Конвертирај звук меѓу форматите.
| file file | Аудио датотека за конвертирање |
| format string | Target format: mp3, wav, flac, ogg, m4a, aac |
| bitrate integer | Излезна брзина во kbps: 64, 128, 192, 256, 320 |
| sample_rate integer | Брзина на проби: 22050, 44100, 48000 |
| channels string | mono или stereo |
Гласовен разговор
Испрати аудио или текст и прими AI одговор со синтетички говор.
Барај тело (multipart/form-data или JSON)
| Параметр | Тип | Неопходно | Опис |
|---|---|---|---|
| audio | file | Не.* | Неопходен е аудио внесот (или audio или text ) |
| text | string | Не.* | Неопходен текст (или audio или text) |
| voice | string | Не. | Глас за одговорот на AI. Стандардно: af_bella |
| tts_model | string | Не. | Модел на TTS за одговор. Стандардно: kokoro |
| system_prompt | string | Не. | Сопствени барања за АИ |
| conversation_id | string | Не. | Продолжи со постоечкиот разговор |
Одговор
{
"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
}
Модели на листа
Враќа листа на сите достапни модели со нивните способности.
Одговор
{
"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
}
]
}
Листа на гласови
Враќа листа на сите достапни гласови, опционо филтрирани по модел или јазик.
Параметри на пребарување
| Параметр | Тип | Опис |
|---|---|---|
| model | string | Филтрирај по идентитет на моделот (на пример, kokoro) |
| language | string | Филтрирај по јазичен код (на пример, en ) |
| gender | string | Филтрирај по пола: male , ženа, neutral |
Одговор
{
"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
}
Примери за кодирање
Текст за говор
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')}")
Говор кон текст
# 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"])
Гласовно клонирање
# 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)
Текст за говор
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();
Говор кон текст
// 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);
Текст за говор
# 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
Говор кон текст
# 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"
Гласовно клонирање
# 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
Звучно подобрување
# 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
Кодови за грешки
Сите грешки го враќаат JSON одговорот со error Поле.
{
"error": {
"code": "insufficient_credits",
"message": "You do not have enough credits for this request.",
"credits_required": 4,
"credits_available": 2
}
}
| HTTP- статус | Error Code | Опис |
|---|---|---|
| 400 | bad_request |
Невалидни параметри за барање. Проверете ја пораката за грешка за детали. |
| 401 | unauthorized |
Недостасува или невалиден API- клуч. |
| 402 | insufficient_credits |
Недоволно кредити. |
| 403 | forbidden |
API пристапот не е достапен во вашиот план. |
| 404 | not_found |
Не е пронајден модел или глас. |
| 413 | file_too_large |
Внесената датотека ја надминува ограничувањето на големината. |
| 429 | rate_limited |
Премногу барања. Проверете ги ограничувањата на стапката. |
| 500 | internal_error |
Грешка на серверот. Обиди се подоцна. |
| 503 | model_loading |
Моделот се вчитува, повторете за неколку секунди. |
Веб- куќи
За долготрајни задачи (разделување на стем, пакетна TTS), можете да го дадете параметрот webhook_url. Кога задачата ќе заврши, ќе го ставиме резултатот на вашиот 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"
}
Подготвен си за градење?
Земи си го API клучот и почни да ги интегрираш TTS.ai во твоите апликации.