API de síntese de voz para desenvolvedores

import requests

response = requests.post(
    "https://api.tts.ai/v1/tts",
    json={
        "text": "Hello from my app!",
        "model": "kokoro",
        "voice": "af_heart",
        "format": "mp3"
    },
    headers={
        "Authorization": "Bearer sk-tts-xxx"
    }
)

with open("output.mp3", "wb") as f:
    f.write(response.content)

const response = await fetch(
    "https://api.tts.ai/v1/tts",
    {
        method: "POST",
        headers: {
            "Content-Type": "application/json",
            "Authorization": "Bearer sk-tts-xxx"
        },
        body: JSON.stringify({
            text: "Hello from my app!",
            model: "kokoro",
            voice: "af_heart",
            format: "mp3"
        })
    }
);

const audio = await response.blob();

curl -X POST https://api.tts.ai/v1/tts \
  -H "Authorization: Bearer sk-tts-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from my app!",
    "model": "kokoro",
    "voice": "af_heart",
    "format": "mp3"
  }' \
  --output output.mp3

# Works with OpenAI client library
from openai import OpenAI

client = OpenAI(
    api_key="sk-tts-xxx",
    base_url="https://api.tts.ai/v1"
)

response = client.audio.speech.create(
    model="kokoro",
    voice="af_heart",
    input="Hello from my app!"
)

response.stream_to_file("output.mp3")

Asistentes e chatbots de IA

Engada saída de voz ao seu chatbot ou asistente de IA. Envíe as respostas LLM a través de TTS para interfaces activadas por voz. Kokoro ofrece unha latencia de menos dun segundo para conversas en tempo real. Sesame CSM xera fala conversacional con tempo natural.

• Resposta de LLM ao conduto de vozName
• Latencia de subsegundos con Kokoro
• Fala conversacional con Sesame CSM
• Saída de son en fluxo

Aplicativos móbiles e de vozName

Cree aplicacións móbiles con voz activada, ferramentas de accesibilidade, aplicacións de lectura e plataformas de aprendizaxe de linguas. A nosa API REST funciona con calquera estrutura móbil. Descargue ficheiros de son ou transmita directamente ao cliente.

• React Native, Flutter, Swift, Kotlin
• Aplicativos de accesibilidade e lectura
• Plataformas de aprendizaxe de linguas
• Xeración de contido de son

Produtos SaaS

Capacidades de voz de marca branca no seu produto SaaS. Engada TTS, STT, clonación de voz e procesamento de son como características na súa plataforma. Use a nosa API como a súa infraestrutura de voz sen xestionar a infraestrutura da GPU.

• Características de voz de marca branca
• Non se precisa infraestrutura de GPU
• Pago por uso
• Máis de 24 modelos para ofrecer aos seus usuarios

Condutos de automatización

Integre a xeración de voz en canalizacións CI/CD, automatización de contidos e fluxos de traballo de procesamento por lotes. Xere miles de ficheiros de son a partir de datos de follas de cálculo, automatice a produción de podcasts ou cree canalizacións de localización de contidos.

• Procesamento por lotes mediante API
• Condutos de localización de contidos
• Integración CI/CD
• Folla de cálculo para automatización de son