Dokumentasyon ng API

Pagsasalita sa Teksto

Isulat ang audio sa teksto. Suporta 99 wika na may auto-detection.

Hugis ng kahilingan (multipart/form-data)

Tugon

{
  "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"
    }
  ]
}

Voice pag-clone

Bumuo ng pagsasalita sa isang cloned boses. I-upload ang isang sanggunian audio at teksto.

Hugis ng kahilingan (multipart/form-data)

Tugon

Bumalik ang audio file bilang binary data, parehong bilang ang TTS endpoint.

Voice Changer

I-convert ang audio upang tunog tulad ng isang iba't ibang boses. I-upload ang source audio at pumili ng isang target na boses.

Hugis ng kahilingan (multipart/form-data)

Halimbawa ng kahilingan

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

Tugon

Bumalik ang convert na audio file bilang binary data.

Pagsasalin ng Pagsasalita

Isalin ang sinasalitang audio mula sa isang wika sa isa pa. Kombinasyon ng pagsasalita-sa-text, pagsasalin, at teksto-sa-pagsasalita sa isang solong tawag.

Hugis ng kahilingan (multipart/form-data)

Tugon

{
  "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
}

Pagsasalita sa Pagsasalita

I-transform ang estilo ng pagsasalita, damdamin, o paghahatid habang pinapanatili ang nilalaman. Kapaki-pakinabang para sa pag-aayos ng tono, pacing, at ekspresyon.

Hugis ng kahilingan (multipart/form-data)

Tugon

Bumalik ang transformed audio file bilang binary data.

Audio mga tool

Audio processing endpoints para sa pagpapabuti, vocal pagtanggal, stem splitting, at higit pa.

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

Chat ng boses

Ipadala ang audio o teksto at tumanggap ng isang AI tugon sa pamamagitan ng synthesized pagsasalita.

Hugis ng kahilingan (multipart/form-data o JSON)

Tugon

{
  "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
}

Bagong TTS

Mag-submit ng maraming mga teksto para sa parallel TTS henerasyon. Mag-opt upang makatanggap ng isang webhook callback kapag ang lahat ng mga trabaho ay kumpleto.

Parameter

Tugon

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

Poll progreso sa GET /v1/tts/batch/result/?batch_id=abc123

Pag-embed ng boses

Pre-compute ng isang boses na naka-embed mula sa reference audio. Gamitin ang ibabalik embed_id sa susunod na boses cloning mga kahilingan para sa malapit-instant henerasyon.

Parameter

Tugon

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

Pag-check ng Kalusugan

Tingnan ang GPU server status, na-load na mga modelo, at laki ng queue. Walang kinakailangang pag-verify ng pagkakakilanlan. Cached para sa 30 segundo.

Tugon

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

Listahan ng mga modelo

Bumalik ng isang listahan ng lahat ng mga magagamit na mga modelo sa kanilang mga kakayahan.

Tugon

{
  "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
    }
  ]
}

Listahan ng mga Tinig

Bumalik ng isang listahan ng lahat ng mga magagamit na boses, opsyonal na na-filter sa pamamagitan ng modelo o wika.

Parameter ng query

Tugon

{
  "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
}

Subtitles (SRT / VTT) bagong

Bumuo ng synchronized subtitles para sa anumang nakumpleto TTS trabaho. Tumatakbo Whisper alinman sa audio at ibabalik SRT o WebVTT. Resulta ay naka-cache sa disk kaya ang isang ikalawang tawag para sa parehong uuid ay isang disk basahin.

Parameter ng query

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

Panlapi Diksyunaryo bagong

Sabihin sa TTS engine kung paano ipahayag ang mga tiyak na salita. I-save ang mga entry auto-apply sa bawat TTS kahilingan na ginawa mo. 200-entry bawat account na limitasyon.

Hugis ng kahilingan (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-..."

Ang mga ito ay maaaring maging mga karaniwang mga simbolong pang-aritmetika (tulad ng "1" o "0") o mga simbolong pang-aritmetika na may mga simbolong pang-aritmetika (tulad ng "1/2" o "1/3").

Artikulo Narrador bagong

Drop ng isang solong