เอกสาร API

คำพูดเป็นข้อความName

บันทึกเสียงเป็นข้อความ รองรับภาษา 99 ภาษาด้วยการตรวจจับอัตโนมัติ

ตำแหน่งของคำร้อง (multipart/form-data)

การตอบสนอง

{
  "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"
    }
  ]
}

การคัดลอกเสียง

สร้างเสียงพูดในโคลนเสียง อัพโหลดเสียงและข้อความอ้างอิง

ตำแหน่งของคำร้อง (multipart/form-data)

การตอบสนอง

คืนข้อมูลเสียงเป็นข้อมูลแบบบินารี่ เหมือนกับจุดจบของ TTS

ตัวเปลี่ยนเสียงName

แปลงเสียงให้เป็นเสียงที่แตกต่างกัน โหลดเสียงต้นฉบับและเลือกเสียงเป้าหมาย

ตำแหน่งของคำร้อง (multipart/form-data)

คำขอตัวอย่าง

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

การตอบสนอง

คืนค่าแฟ้มเสียงที่แปลงเป็นข้อมูลแบบบินารี่

การแปลภาษาComment

แปลเสียงที่พูดออกมาจากภาษาหนึ่งไปยังอีกภาษาหนึ่ง ใช้การรวมการพูดเข้ากับข้อความ การแปล และข้อความเข้ากับการพูดในโทรศัพท์ครั้งเดียว

ตำแหน่งของคำร้อง (multipart/form-data)

การตอบสนอง

{
  "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
}

พูดเป็นเสียงName

เปลี่ยนสไตล์การพูด อารมณ์ หรือการนำเสนอโดยไม่เปลี่ยนเนื้อหา เหมาะสำหรับปรับแต่งระดับเสียง ความเร็ว และความแสดงออก

ตำแหน่งของคำร้อง (multipart/form-data)

การตอบสนอง

คืนค่าแฟ้มเสียงที่ถูกแปลงเป็นข้อมูลแบบบินารี่

เครื่องมือเสียงName

จุดสิ้นสุดของการประมวลผลเสียงเพื่อเพิ่มประสิทธิภาพ ลบเสียงร้อง แบ่งสเตม และอื่นๆ

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

การสนทนาด้วยเสียงName

ส่งเสียงหรือข้อความ และรับคำตอบจาก AI ด้วยการสังเคราะห์เสียง

ตำแหน่งของคำร้อง (multipart/form-data หรือ JSON)

การตอบสนอง

{
  "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
}

คำสั่ง TTS แบบบั๊ก

ส่งข้อความหลายข้อเพื่อสร้าง TTS แบบคู่กัน หากต้องการ สามารถรับการเรียกกลับของ webhook เมื่องานทั้งหมดเสร็จสมบูรณ์แล้ว

พารามิเตอร์

การตอบสนอง

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

ความคืบหน้าการสำรวจด้วย GET /v1/tts/batch/result/?batch_id=abc123

ฝังเสียง

คำนวณก่อนการฝังเสียงจากข้อมูลเสียงที่อ้างถึง ใช้ embed_ id ที่คืนมาในคำขอคลอนเสียงภายหลังเพื่อสร้างเสียงได้ทันที

พารามิเตอร์

การตอบสนอง

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

ตรวจสอบสภาพ

ตรวจสอบสถานะของเซิร์ฟเวอร์ GPU, โมเดลที่โหลดแล้ว และขนาดของคิว ไม่จำเป็นต้องตรวจสอบสิทธิ์ เก็บไว้ในแคชเป็นเวลา 30 วินาที

การตอบสนอง

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

รายการโมเดล

แสดงรายการของโมเดลที่ใช้ได้ทั้งหมดพร้อมกับความสามารถของมัน

การตอบสนอง

{
  "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
    }
  ]
}

รายการเสียง

แสดงรายการเสียงที่ใช้ได้ทั้งหมด โดยสามารถกรองตามรุ่นหรือภาษาได้

พารามิเตอร์ของคำถาม

การตอบสนอง

{
  "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
}

ชื่อเสียง ใหม่

สร้างคำอธิบายฉบับย่อที่ทำซ้ำกันสำหรับงาน TTS ที่เสร็จสมบูรณ์ ใช้การปรับแต่ง Whisper บนเสียง และส่งผลลัพธ์เป็น SRT หรือ WebVTT ผลลัพธ์จะถูกเก็บไว้ในแคชบนดิสก์ ดังนั้น การเรียกใช้ครั้งที่สองสำหรับ uuid เดียวกัน จะเป็นการอ่านจากดิสก์

พารามิเตอร์ของคำถาม

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

คำอธิบายการออกเสียงName ใหม่

บอกกลไก TTS ว่าต้องออกเสียงคำเฉพาะอย่างไร รายการที่บันทึกไว้จะถูกใช้อัตโนมัติกับคำร้องขอ TTS ทุกครั้งที่คุณทำขึ้น จำกัดจำนวนรายการต่อบัญชี 200 รายการ

ตำแหน่งของคำร้อง (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-..."

คุณยังสามารถส่งการเปลี่ยนแปลงตามคำร้องขอโดยไม่ต้องบันทึกมันได้อีกด้วย - ประกอบด้วย pronunciations บนการเรียก /v1/tts/ ใด ๆ เช่น ตัวอย่างหรือแถบ (ดูที่ พารามิเตอร์จุดจบของ TTS)

ตัวบอกเล่าบทความ ใหม่

ทิ้งแท็ก < code>< script ลงบนหน้าบทความใด ๆ และผู้เข้าชมจะได้รับแถบผู้อ่านที่กำหนดเองซึ่งจะบอกเล่าเรื่องที่เกิดขึ้นบนหน้าเมื่อคลิกที่มัน ตรวจจับเนื้อหาบทความอัตโนมัติ สนับสนุนเสียง/ โมเดล/ ตำแหน่ง/ สีที่เน้น

<script src="https://tts.ai/narrator.js"
    data-pk="pk-tts-your-publishable-key"
    data-voice="af_bella"
    data-model="kokoro"
    data-extract="auto"
    data-position="bottom"
    data-color="#e60000"
    data-locale="en"></script>

ตัวเลือก

ต้นฉบับบน GitHub:

วิดเจ็ตปุ่มฟัง

แบบปุ่มฝังในบรรทัด แสดงผลอยู่ด้านข้างแท็ก < code>< script และเล่นสแนปสักระยะที่ถูกกระตุ้นด้วยปุ่ม รูปร่างแตกต่างจากตัวบอกเล่าบทความด้านบน (ซึ่งจะแทรกแถบที่กว้างกว่าหน้าเว็บและบอกเล่าบทความทั้งหมด)

<script src="https://tts.ai/widget.js"
    data-voice="af_bella"
    data-model="kokoro"
    data-style="full"
    data-theme="light"></script>

เสียงที่บันทึกไว้ (โคลนที่ยั่งยืน)

โหลดข้อมูลเสียงที่อ้างถึงครั้งเดียว, เรียกคืน voice_id ที่คงอยู่, จากนั้นอ้างถึง id นั้นในคำขอ TTS แทนที่จะอัพโหลดเสียงใหม่ทุกครั้งที่โทร เหมาะสำหรับการรวมเสียงที่มีปริมาณสูง

โหลดเสียง

POST https://tts.ai/api/v1/user-voices/ ต้องการการตรวจสอบสิทธิ์

แบบฟอร์มหลายส่วน ช่อง: แฟ้ม (จำเป็น, 5-30s เสียง), ชื่อ (จำเป็น), ภาษา (เลือกได้, ปริยาย en), โมเดล (เลือกได้ — เลือก cosyvoice2 สำหรับ zh/ ja/ ko ถ้าไม่ openvoice), consent_confirmed (จำเป็น, ค่า true ใดๆก็ได้)

curl -X POST https://tts.ai/api/v1/user-voices/ \
  -H "Authorization: Bearer sk-tts-your-key" \
  -F "file=@reference.wav" \
  -F "name=My Narrator" \
  -F "language=en" \
  -F "consent_confirmed=true"

# Response:
{
  "public_id": "uv_a1b2c3d4e5f6",
  "id": 42,
  "name": "My Narrator",
  "model_name": "openvoice",
  "language": "en",
  "reference_audio_url": "https://tts.ai/media/user-voices/....wav",
  "storage_status": "active",
  "created_at": "2026-04-17T03:45:00+00:00"
}

ใช้เสียงที่บันทึกไว้ใน TTS

POST ไปที่ /api/v1/tts/ (ข้อควรระวัง: เวบ VPS ไม่ใช่ api.tts.ai) ด้วย user_voice_id เราจะโหลดเสียงที่เก็บไว้ และนำไปสู่การคลาวด์

curl -X POST https://tts.ai/api/v1/tts/ \
  -H "Authorization: Bearer sk-tts-your-key" \
  -H "Content-Type: application/json" \
  -d '{"text":"Hello from my saved voice","user_voice_id":"uv_a1b2c3d4e5f6"}'

# Returns a queued job — poll /v1/speech/results/?uuid=... for the audio URL.

รายการ / ลบ

GET    https://tts.ai/api/v1/user-voices/           # list your saved voices + quota info
DELETE https://tts.ai/api/v1/user-voices/?public_id=uv_a1b2c3d4e5f6

แฟ้มสำรองข้อมูล / เรียกใช้ใหม่ (ฟรี)

เสียงที่เก็บไว้ในแฟ้มสำรองข้อมูลจะยังคงอยู่ในบัญชีของคุณ แต่จะไม่สามารถใช้ใน TTS ได้ เหมาะสำหรับผู้ใช้ที่ไม่ได้ใช้งาน ดังนั้น รายการของคุณจะยังคงสะอาด

POST https://tts.ai/api/v1/user-voices/uv_a1b2c3d4e5f6/archive/
POST https://tts.ai/api/v1/user-voices/uv_a1b2c3d4e5f6/reactivate/

ตัวอย่างโค้ด

• Python
• JavaScript
• cURL

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')}")

# 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"])

# 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)

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();

// 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);

# 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

# 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"

# 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

# 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

รหัสข้อผิดพลาด

ข้อผิดพลาดทั้งหมดจะส่งผลลัพธ์เป็น JSON ด้วย error สนาม

{
  "error": {
    "code": "insufficient_credits",
    "message": "You do not have enough characters for this request.",
    "characters_required": 4000,
    "characters_available": 2000
  }
}

เวบฮูก

สำหรับทาสก์ที่ใช้เวลาทำงานนาน (การแยกสายพันธุ์, TTS แบบแบต), คุณสามารถให้พารามิเตอร์ webhook_url เมื่อทาสก์เสร็จสมบูรณ์ เราจะส่งผลลัพธ์ไปยังที่อยู่ URL ของคุณ

{
  "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"
}