Documentação da API

Discurso ao texto

Transcriba áudio para texto. Apoia 99 idiomas com auto-detecção.

Órgão de Pedido (multipart/form-data)

Resposta

{
  "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"
    }
  ]
}

Clonagem de Voz

Gerar a fala em voz clonada. Envie um áudio de referência e texto.

Órgão de Pedido (multipart/form-data)

Resposta

Devolve o arquivo de áudio como dados binários, como o endpoint TTS.

Mudante de voz

Converte áudio para som como uma voz diferente. Carregue áudio fonte e escolha uma voz de destino.

Órgão de Pedido (multipart/form-data)

Pedido de Exemplo

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

Resposta

Devolve o arquivo de áudio convertido como dados binários.

Tradução da Fonoaudiologia

Traduzir áudio falado de uma língua para outra. Combina a fala-a-texto, a tradução e o texto-a- voz em uma única chamada.

Órgão de Pedido (multipart/form-data)

Resposta

{
  "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
}

Discurso

Transformar o estilo de fala, a emoção ou a entrega mantendo o conteúdo. Útil para ajustar o tom, o ritmo e a expressividade.

Órgão de Pedido (multipart/form-data)

Resposta

Devolve o arquivo de áudio transformado como dados binários.

Ferramentas de Áudio

Endpoints de processamento de áudio para realce, remoção vocal, divisão de tronco, e muito mais.

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

Chat de Voz

Envie áudio ou texto e receba uma resposta IA com fala sintetizada.

Órgão de Pedido (multipart/form-data ou JSON)

Resposta

{
  "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
}

Lote TTS

Enviar múltiplos textos para a geração paralela de TTS. Opcionalmente receber um webhook callback quando todos os trabalhos terminam.

Parâmetros

Resposta

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

Progresso da pesquisa com GET /v1/tts/batch/result/?batch_id=abc123

Incorporação de Voz

Pre-computar uma inserção de voz a partir de áudio de referência. Use o íd devolvido em pedidos subsequentes de clonagem de voz para geração de quase-instante.

Parâmetros

Resposta

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

Verificação da saúde

Verifique o estado do servidor GPU, os modelos carregados e o tamanho da fila. Não é necessária autenticação. Cached por 30 segundos.

Resposta

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

Listar os Modelos

Devolve uma lista de todos os modelos disponíveis com suas capacidades.

Resposta

{
  "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
    }
  ]
}

Listar Vozes

Devolve uma lista de todas as vozes disponíveis, opcionalmente filtradas por modelo ou idioma.

Parâmetros da Consulta

Resposta

{
  "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
}

Subtítulos (SRT / VTT) novo

Gerar legendas sincronizadas para qualquer tarefa TTS completada. Execute o alinhamento do Whisper sobre o áudio e devolve o SRT ou o WebVTT. O resultado é cacheado no disco para que uma segunda chamada para o mesmo uuid seja uma leitura de disco.

Parâmetros da Consulta

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

Dicionário de pronunciação novo

Diga ao motor TTS como pronunciar palavras específicas. Entradas guardadas automaticamente-aplicação a cada pedido TTS que você faz. 200 entradas por limite de conta.

Órgão de Pedido (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-..."

Você também pode passar por pedido sobrescreve sem salvá-los — incluem pronunciações em qualquer /v1/tts/ call como um objeto ou um array (ver os parâmetros do ponto final do TTS).

Artigo Narrador novo

Deixe um único