Dokumentacja API

Przemówienie do tekstu

Transscribe audio to text. Obsługuje 99 języków automatycznie wykrywaniem.

Organ wniosku (multipart/form-data)

Odpowiedź

{
  "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"
    }
  ]
}

Klonowanie głosu

Generuj mowy w sklonowanym głosie. Wyślij odnośny dźwięk i tekst.

Organ wniosku (multipart/form-data)

Odpowiedź

Zwraca plik audio jako dane binarne, takie same jak punkt końcowy TTS.

Zmiana głosu

Konwertuj dźwięk na dźwięk jak inny głos. Wyślij dźwięk źródłowy i wybierz głos docelowy.

Organ wniosku (multipart/form-data)

Przykładowy wniosek

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

Odpowiedź

Zwraca konwertowany plik audio jako dane binarne.

Tłumaczenie mowy

Przetłumacz głośny dźwięk z jednego języka do drugiego. Łączy mówka-do-tekstu, tłumaczenie, i tekst-to-speech w jednym połączenia.

Organ wniosku (multipart/form-data)

Odpowiedź

{
  "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
}

Przemówienie do mowy

Przekształcenie stylu mowy, emocji lub dostawy przy zachowaniu treści. Przydatne do dostosowania tonu, kroczenia i ekspresywności.

Organ wniosku (multipart/form-data)

Odpowiedź

Zwraca przekształcony plik audio jako dane binarne.

Narzędzia audio

Przetwarzanie dźwięku punkt końcowy dla poprawy, usuwania wokału, dzielenia ścien i więcej.

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

Rozmowa głosowa

Wyślij dźwięk lub tekst i otrzymaj odpowiedź AI z syntetyczną mową.

Organ wniosku (multipart/form-data lub JSON)

Odpowiedź

{
  "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
}

Nr serii TTS

Przekazywanie wielu tekstów dla równoległego generowania TTS. Opcjonalnie otrzymywanie powrotnego telefonu internetowego po zakończeniu wszystkich zadań.

Parametry

Odpowiedź

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

Analiza postępów z GET / v1/tts/batch/result/?batch_id=abc123

Wbudowanie głosu

Wstępne komputuj wbudowanie głosu z dźwięku referencyjnego. Użyj zwrotnego embed_id w kolejnych żądaniach klonowania głosu dla niemal instant generacji.

Parametry

Odpowiedź

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

Kontrola zdrowia

Sprawdź stan serwera GPU, wczytane modele i rozmiar kolejki. Nie jest wymagane uwierzytelnienie. Cached przez 30 sekund.

Odpowiedź

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

Modele listy

Zwraca listę wszystkich dostępnych modeli z ich możliwościami.

Odpowiedź

{
  "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
    }
  ]
}

Lista głosów

Zwraca listę wszystkich dostępnych głosów, opcjonalnie filtrowanych za pomocą modelu lub języka.

Parametry zapytania

Odpowiedź

{
  "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
}

Napisy (SRT / VTT) nowy

Generuj zsynchronizowane napisy dla dowolnego zakończonego zadania TTS. Uruchomia skojarzenie Whisper nad dźwiękiem i zwraca SRT lub WebVTT. Wynik jest klawiaturowany na dysku, więc drugi wyzwanie dla tego samego uuid jest odczytem dysku.

Parametry zapytania

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

Słownik wymówek nowy

Powiedź silnikowi TTS jak wymówić konkretne słowa. Zapisywane wpisy automatycznie zastosować do każdego TTS wymagania, które uczynisz. 200 wejściowych limitów na rachunek.

Organ wniosku (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-..."

Można również przekazywać zamocowania na żądanie bez ich zapisywania – zawierać wypowiedzi na dowolnym /v1/tts/ call jako obiekt lub tablicę (patrz parametry końcowe TTS).

Artykuł Narrator nowy

Wyrzuć pojedynczy