لاسوندونه
زموږ د REST API سره ستاسو غوښتنلیکونو ته د TTS.ai ادغام کړئ. د اسانه مهاجرت لپاره د OpenAI-متوافق بڼه.
سرليک
د TTS.ai API د ټولو پلیټ فارم ځانګړتیاو ته د پروګرام لاسرسی چمتو کوي: د متن څخه د وینا ترکیب، د وینا څخه د متن لیږد، د غږ کلونینګ، د آډیو پراختیا، او نور. API د JSON غوښتنې / ځواب بدنونو سره معیاري REST کنوانسیونونه کاروي.
کيلۍ API
خپل API کیلي ترلاسه کړئ ګڼون امستنې. په پرو او انټرپرایز پلانونو کې شتون لري.
بنسټيز URL
https://api.tts.ai/v1/
باوريول
د لېږونکي توکي له لارې Authorization سريز
کرونه
د ټولو API غوښتنو ته اړتيا لري د تصديق له لارې په يوه Bearer توکي Authorization سريز.
Authorization: Bearer sk-tts-your-api-key-here
بنسټيز URL
ټول پای ټکي د دې بنسټ URL نسبت دي. د بېلګې په توګه، د TTS پای ټکی دی:
د کچې حدونه
د API نرخ حدونه د پلان له مخې توپیر لري:
| پلان | غوښتنې/دقيقه | هممهاله | د ليکنې ټولوجګه اوږدوالی |
|---|---|---|---|
| پرو | 60 | 5 | ۵۰۰۰ لوښه |
| انټرپرایز | 300 | 20 | ۵۰۰۰۰ لوښه |
د نرخ د حد سرليکونه په هر ځواب شامل دي: X-RateLimit-Limit, X-RateLimit-Remaining, X-RateLimit-Reset.
کریډیټ لګښتونه
| پالنه | بيه | يوون |
|---|---|---|
| TTS (د وړيا ماډلونه: Piper، VITS، MeloTTS) | ۱ کرېډیټ | هر ۱۰۰۰ لوښه |
| TTS (معيار ماډلونه: Kokoro، CosyVoice 2، او داسې نور) | ۲ کرېډېټونه | هر ۱۰۰۰ لوښه |
| TTS (پریمیوم ماډلونه: Tortoise، Chatterbox، او نور) | ۴ کرېډېټونه | هر ۱۰۰۰ لوښه |
| ليکنې ته وينا | ۲ کرېډېټونه | د غږ په منټه کې |
| غږ نقلول | ۴ کرېډېټونه | هر ۱۰۰۰ لوښه |
| غږ بدلوونکی | ۳ کرېډېټونه | د غږ په منټه کې |
| غږيز زياتول | ۲ کرېډېټونه | د غږ په منټه کې |
| د غږ لرې کول / د غږ جلا کول | 3-4 کریډیټونه | د غږ په منټه کې |
| ژباړه | ۵ کرېډېټونه | د غږ په منټه کې |
| غږيزه بنډار | ۳ کرېډېټونه | په پړاو |
| کيلۍ پلټونی & BPM | وړیا | -- |
| غږيز ونجوونکی | وړیا | -- |
ليکنه وينا ته
. ليکنه غږيزې وينا ته بدلول. غږيزه دوتنه په غوښتل شوي بڼه راګرځوي
د غوښتنې بدن
| پېرامېټر | ډول | اړين | سپړاوی |
|---|---|---|---|
| model | string | هو | بېلګه پېژند (د بېلګې په توګه، <کوډ>kokoroکوډ>، <کوډ>chatterboxکوډ>، <کوډ>piperکوډ>) |
| text | string | هو | متن ته د خبرو بدلولو لپاره (د پرو لپاره 5,000 chars، د انټرپرایز لپاره 50,000) |
| voice | string | هو | غږ پېژند (د شته غږونو د لړ لپاره <کوډ>/v1/voices/کوډ> کارول) |
| format | string | نه | وتۍ بڼه: <کوډ>mp3کوډ> (تلواله)، <کوډ>wavکوډ>، <کوډ>flacکوډ>، <کوډ>oggکوډ> |
| speed | float | نه | تلواله: <کوډ>۱.۰کوډ>. لړ: <کوډ>۰.۵کوډ> ته <کوډ>۲.۰کوډ> |
| language | string | نه | .د ژبې کوډ (د بېلګې په توګه، <کوډ>enکوډ>، <کوډ>esکوډ>). که چېرې پرېښودل شي نو خپلکارې کشفيږي |
| stream | boolean | نه | تلواله: <کوډ>ناسمهکوډ> |
بېلګه غوښتنه
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
ځوابول
غږيزه دوتنه د دوديز اومتوک په توګه د مناسب <کوډ> منځپانګې-ډولکوډ> سرۍ سره (<کوډ>غږيز/mpegکوډ>، <کوډ>غږيز/wavکوډ>، او داسې نور) بېرته لېږل کيږي.
Content-Type: audio/mpeg
Content-Length: 48256
X-Credits-Used: 2
X-Credits-Remaining: 498
ليکنې ته وينا
متن ته غږيز نقل کړئ. د اتومات کشف سره 99 ژبې ملاتړ کوي.
د غوښتنې بدن (multipart/form-data)
| پېرامېټر | ډول | اړين | سپړاوی |
|---|---|---|---|
| file | file | هو | د غږ دوتنه (MP3، WAV، FLAC، OGG، M4A، MP4، WebM). Max 100MB. |
| model | string | نه | STT بېلګه: <کوډ>څپاندکوډ> (تلواله)، <کوډ>ګړندی-څپاندکوډ>، <کوډ>سم غږکوډ] |
| language | string | نه | .د ژبې کوډ. د خپلکارې کشف لپاره auto (تلواله) |
| timestamps | boolean | نه | تلواله: <کوډ>ناسمهکوډ> |
| diarize | boolean | نه | تلواله: <کوډ>ناسمهکوډ> |
ځوابول
{
"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"
}
]
}
غږ نقلول
په يوه نقل شوي غږ کې وينا توليد کړئ. يوه مرجع غږيزه او ليکنه پورته کړئ.
د غوښتنې بدن (multipart/form-data)
| پېرامېټر | ډول | اړين | سپړاوی |
|---|---|---|---|
| reference_audio | file | هو | د حوالې غږ غږ (د 10-30 ثانیو سپارښتنه کیږي). |
| text | string | هو | .په کلون شوي غږ کې د ويلو لپاره ليکنه |
| model | string | نه | : <کوډ>چاټربکسکوډ> (تلواله)، <کوډ>کوسيواېس۲کوډ>، <کوډ>ګپټ-سوېټسکوډ> |
| format | string | نه | وتۍ بڼه: <کوډ>mp3کوډ> (تلواله)، <کوډ>wavکوډ>، <کوډ>flacکوډ> |
| language | string | نه | د موخې ژبې کوډ. بايد د ټاکل شوي نمونې لخوا ملاتړ شي. |
ځوابول
غږيزه دوتنه د دوديز اومتوک په توګه راګرځوي، لکه د TTS پای ټکی.
غږ بدلوونکی
غږيز ته د يو بل غږ په څېر غږ بدل کړئ. د سرچينې غږيز او د موخې غږ وټاکئ.
د غوښتنې بدن (multipart/form-data)
| پېرامېټر | ډول | اړين | سپړاوی |
|---|---|---|---|
| file | file | هو | سرچينه غږيزه دوتنه (MP3، WAV، FLAC). Max 50MB. |
| target_voice | string | هو | د بدلولو لپاره موخه غږ پېژند (د شته غږونو د لړ لپاره <کوډ>/v1/voices/کوډ> کارول) |
| model | string | نه | د غږ د بدلولو بېلګه: openvoice (تلواله)، knn-vc |
| format | string | نه | وتۍ بڼه: <کوډ>wavکوډ> (تلواله)، <کوډ>mp3کوډ>، <کوډ>flacکوډ> |
بېلګه غوښتنه
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
ځوابول
.اړول شوې غږيزه دوتنه د دوديز اومتوک په توګه بيايي
ژباړه
د يوې ژبې څخه بل ته غږیز غږیز ژباړه. په يوه غږيز غږيز غږيز غږيز غږيز غږيز غږيز غږيز غږيز غږيز غږيز غږيز
د غوښتنې بدن (multipart/form-data)
| پېرامېټر | ډول | اړين | سپړاوی |
|---|---|---|---|
| file | file | هو | سرچينه غږيزه دوتنه په اصلي ژبه. Max 100MB. |
| target_language | string | هو | د موخې ژبې کوډ (د بېلګې په توګه، <کوډ>esکوډ>، <کوډ>frکوډ>، <کوډ>deکوډ>، <کوډ>jaکوډ>) |
| voice | string | نه | .د ژباړل شوې وتۍ غږ. که پرېښودل شي خپلکارې ټاکل شوی |
| preserve_voice | boolean | نه | د اصلي غږوونکي ساتلو هڅه کول |
ځوابول
{
"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
}
وينا ته وينا
د خبرو طرز، احساس، یا تحویل بدل کړئ پداسې حال کې چې مینځپانګه ساتل کیږي. د تودوخې تنظیم کولو لپاره ګټور، پیچلتیا، او څرګندتیا.
د غوښتنې بدن (multipart/form-data)
| پېرامېټر | ډول | اړين | سپړاوی |
|---|---|---|---|
| file | file | هو | د سرچينې د وينا غږيزه دوتنه. Max 50MB. |
| voice | string | هو | د وتۍ وينا لپاره موخه غږ پېژند |
| model | string | نه | بېلګه: openvoice (تلواله)، chatterbox |
| emotion | string | نه | موخه احساس: neutral، happy، sad، angry، excited |
| speed | float | نه | د چټکتيا سمون. تلواله: <کوډ>1.0کوډ>. لړ: <کوډ>0.5کوډ> ته <کوډ>2.0کوډ> |
ځوابول
.بدل شوې غږيزه دوتنه د دوديز اومتوک په توګه بيايي
غږيز توکي
د پراختیا، غږیز لرې کولو، سټیم ویشلو، او نور لپاره د آډیو پروسس پای ټکي.
د غږ د کیفیت ښه: denoise، د روښانتیا، سوپر حل ښه.
| file file | د زياتولو لپاره غږيزه دوتنه |
| denoise boolean | (تلواله: سم) غږ کمول توانول |
| enhance_clarity boolean | (تلواله: سم) د وينا روښانتيا زياتول |
| super_resolution boolean | (تلواله: ناسم) غږيز کیفیت لوړول |
| strength integer | 1-3 (روښانه، منځنۍ، قوي). تلواله: 2 |
د غږونو څخه غږونه جلا کړئ (د غږونو لرې کول) یا په سټیمونو کې ویشل شوي.
| file file | د بېلولو لپاره غږيزه دوتنه |
| model string | demucs (تلواله) يا spleeter |
| stems integer | 2، 4، 5، يا 6 (تلواله: 2): د پاڼو شمېر |
| format string | وتۍ بڼه: <کوډ>wavکوډ>، <کوډ>mp3کوډ>، <کوډ>flacکوډ> |
.د غږيزو ثبتونو نه غږ او غږيز غږ لرې کول
| file file | د بهيرولو لپاره غږيزه دوتنه |
| type string | echo or reverb (default: both) |
| intensity integer | 1-5 (default: 3) |
د کلیدي، BPM، او وخت لاسلیک کشف غږ تحلیل.
| file file | د شننولو لپاره غږيزه دوتنه |
{
"key": "C",
"scale": "Major",
"bpm": 120.0,
"time_signature": "4/4",
"camelot": "8B",
"compatible_keys": ["C Major", "G Major", "F Major", "A Minor"]
}
د بڼو ترمنځ غږيز بدلول.
| file file | د بدلولو لپاره غږيزه دوتنه |
| format string | موخه بڼه: <کوډ>mp3کوډ>، <کوډ>wavکوډ>، <کوډ>flacکوډ>، <کوډ>oggکوډ>، <کوډ>m4aکوډ>، <کوډ>aacکوډ] |
| bitrate integer | 64، 128، 192، 256، 320: په کيلوبېټس کې د وتلو بيټرېټ |
| sample_rate integer | د نمونې نرخ: 22050، 44100، 48000 |
| channels string | mono يا stereo |
غږيزه بنډار
غږیز یا متن واستوئ او د ترکیب شوي وینا سره د AI ځواب ترلاسه کړئ.
د غوښتنې بدن (multipart/form-data يا JSON)
| پېرامېټر | ډول | اړين | سپړاوی |
|---|---|---|---|
| audio | file | نه* | غږيز ننوت (يا <کوډ>غږيزکوډ> يا <کوډ> ليکنهکوډ> اړين دی) |
| text | string | نه* | ليکنې ننوت (يا <کوډ>غږيزکوډ> يا <کوډ> ليکنهکوډ> اړين دی) |
| voice | string | نه | د AI ځواب لپاره غږ. تلواله: <کوډ>af_bellaکوډ> |
| tts_model | string | نه | د ځواب لپاره بېلګه TTS. تلواله: <کوډ>kokoroکوډ> |
| system_prompt | string | نه | د AI لپاره د دوديز غونډال خبرتيا |
| conversation_id | string | نه | اوسنۍ ګپ شپ دوام ورکول |
ځوابول
{
"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
}
بېلګه لړ
د ټولو شته ماډلونو سره د هغوی د وړتیاوو يو لړ بېرته.
ځوابول
{
"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
}
]
}
غږونه لړ
.د ټولو شته غږونو لړ راګرځوي، چې په بېلګه يا ژبه چاڼ شوي وي
پوښتنې پېرامېټرونه
| پېرامېټر | ډول | سپړاوی |
|---|---|---|
| model | string | چاڼ په بېلګه پېژند (د بېلګې په توګه، <کوډ>کوډکوډ>) |
| language | string | چاڼ په ژبې کوډ (د بېلګې په توګه، <کوډ>enکوډ>) |
| gender | string | چاڼ پر جنس: <کوډ>نرکوډ>، <کوډ>ښځهکوډ>، <کوډ>بې طرفهکوډ> |
ځوابول
{
"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
}
کوډ بېلګه
ليکنه وينا ته
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')}")
ليکنې ته وينا
# 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"])
غږ نقلول
# 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)
ليکنه وينا ته
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();
ليکنې ته وينا
// 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);
ليکنه وينا ته
# 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
ليکنې ته وينا
# 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"
غږ نقلول
# 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
غږيز زياتول
# 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
تېروتنه کوډونه
ټولې تېروتنې سره د يو JSON ځواب بېرته error ډګر.
{
"error": {
"code": "insufficient_credits",
"message": "You do not have enough credits for this request.",
"credits_required": 4,
"credits_available": 2
}
}
| انکړ HTTP | تېروتنه کوډ | سپړاوی |
|---|---|---|
| 400 | bad_request |
ناسم غوښتنه پېرامې. د جزياتو لپاره د تېروتنې استوزه وګورﺉ. |
| 401 | unauthorized |
.ناشته يا ناسمه کيلۍ API |
| 402 | insufficient_credits |
نه کافي کریډیټونه. په / pricing / کې نور وپیرئ. |
| 403 | forbidden |
د API لاسرسي ستاسو په پلان کې شتون نلري. |
| 404 | not_found |
.ډول يا غږ ونه موندل شو |
| 413 | file_too_large |
.ولېښل شوې دوتنه د کچ له حد څخه زياته ده |
| 429 | rate_limited |
ډېرې غوښتنې. د کچې د حد سرۍ وګورﺉ. |
| 500 | internal_error |
پالنګر تېروتنه. وروسته بيا هڅه وکړﺉ. |
| 503 | model_loading |
.ډول لېښل کيږي. په څو سېکېنډو کې بيا هڅه وکړﺉ |
وېب هوکسونه
د اوږدې مودې لپاره د کارونو لپاره (سټیم ویش، ګروپ TTS)، تاسو کولی شئ webhook_url پارامتر چمتو کړئ. کله چې دنده بشپړه شي، موږ به ستاسو URL ته پایله پوسټ کړو.
{
"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"
}
د جوړولو لپاره چمتو ياست؟
خپل API کیلي ترلاسه کړئ او خپل غوښتنلیکونو ته د TTS.ai ادغام پیل کړئ.