API-Dokumentation
Integriere Speech to Speech AI mit einer einfachen REST API in deine Anwendungen.
Schnellstart
Beginnen Sie mit der Speech to Speech AI API in weniger als 5 Minuten.
Grund-URL
https://api.speechtospeechai.com/v1
1. Job starten
Jedes Tool ist ein POST mit deinem API-Schlüssel. Die Antwort ist eine Job-ID, nicht das Audio.
curl -X POST https://api.speechtospeechai.com/v1/tts/ \
-H "Authorization: Bearer YOUR_API_KEY" \
-F "text=Hello! Welcome to Speech to Speech AI." \
-F "model=kokoro" \
-F "voice_id=af_heart" \
-F "format=mp3"
{"uuid": "3f2c...", "job_id": "...", "status": "queued"}
2. Ergebnis abfragen
Frage den Job alle paar Sekunden ab, bis der Status completed ist, und lade dann result_url herunter.
curl "https://api.speechtospeechai.com/v1/speech/results/?uuid=3f2c..." \
-H "Authorization: Bearer YOUR_API_KEY"
{"status": "completed", "result_url": "https://.../output.mp3"}
Authentifizierung
Alle API-Anfragen erfordern die Authentifizierung über einen API-Schlüssel in der Authorization Kopf.
Authorization: Bearer YOUR_API_KEY
Stimme Klonen
/v1/voice-clone/
Lass einen Text mit der Stimme einer kurzen Referenzaufnahme sprechen.
Antragsstelle (Mehrteil-/Formdaten)
| Parameter | Typ | Erforderlich | Warenbezeichnung |
|---|---|---|---|
reference_audio |
file | Nein | Aufnahme der zu klonenden Stimme (10-30 Sekunden empfohlen, bis zu 60) |
text |
string | Nein | Text, der mit dieser Stimme gesprochen wird |
model |
string | Nein | chatterbox, openvoice, tortoise oder gpt-sovits |
language |
string | Nein | Sprachcode (Standard: en) |
Ansprechen
Eine Job-ID (uuid). Frage GET /v1/speech/results/?uuid= ab, bis status completed ist, und lade result_url herunter.
Text zu Sprache
/v1/tts/
Konverter Text in Sprach-Audio.
Antragsstelle (Mehrteil-/Formdaten)
| Parameter | Typ | Erforderlich | Warenbezeichnung |
|---|---|---|---|
text |
string | Nein | Zu konvertierender Text (maximal 5000 Zeichen) |
model |
string | Nein | kokoro (Standard), piper, vits oder bark |
voice_id |
string | Nein | Stimmen-ID aus GET /v1/speech/voices/?model= |
language |
string | Nein | Sprachcode (Standard: en) |
speed |
float | Nein | Geschwindigkeitsmultiplikator (0.5-2.0, Standard 1.0) |
format |
string | Nein | wav (Standard), mp3, ogg oder flac. SSML-Tags werden vor der Synthese entfernt. |
Ansprechen
Eine Job-ID (uuid). Frage GET /v1/speech/results/?uuid= ab, bis status completed ist, und lade result_url herunter.
Rede zum Text
/v1/transcribe/
Audio mit Zeitstempeln auf Text übertragen.
Antragsstelle (Mehrteil-/Formdaten)
| Parameter | Typ | Erforderlich | Warenbezeichnung |
|---|---|---|---|
file |
file | Nein | Audio/Video-Datei zu transkribieren |
model |
string | Nein | large-v3 (Standard) oder turbo |
language |
string | Nein | Sprachcode oder auto zur automatischen Erkennung (Standard) |
enable_word_timestamps |
bool | Nein | Fügt jedem Wort eine Start- und Endzeit hinzu |
callback_url |
string | Nein | URL, die das Ergebnis per POST erhält, wenn der Job fertig ist |
Ansprechen
Eine Job-ID (uuid). Frage GET /v1/transcribe/results/?uuid= ab, bis status completed ist; die Antwort enthält dann text, language und segments.
Verfügbare Modelle
Text-to-Speech-Modelle
| Modell ID | Warenbezeichnung | Ideal für |
|---|---|---|
kokoro |
Schnell mehrsprachiges TTS | Allgemeiner Gebrauch, geringe Latenz |
piper |
Leichte mehrsprachige TTS (nur für kommerzielle Zwecke lizenzierte Stimmen) | Schnelle Renderungen in 11 Sprachen |
vits |
LJSpeech plus 108 VCKK Englische Sprecher | Englische Akzente |
bark |
Generative TTS, 130 Presets in 13 Sprachen | Abwechslungsreiche, ausdrucksstarke Lieferung (langsam) |
openvoice |
Stimmklonen und optionale Stimmkonvertierung | Alternative zu Chatterbox |
chatterbox |
Zero-Shot-Stimmklonen in 23 Sprachen; Standardmodell für die Stimmkonvertierung | Klonen aus einer kurzen Probe |
Speech-to-Text-Modelle
| Modell ID | Warenbezeichnung | Ideal für |
|---|---|---|
whisper-large-v3 |
OpenAI Whisper Large v3 | Höchste Genauigkeit, mehrsprachige |
whisper-turbo |
Optimierter Whisper für Geschwindigkeit | Schnelle Transkription |
Fehlercodes
| ANHANG | Status | Warenbezeichnung |
|---|---|---|
invalid_api_key |
401 | Ungültiger oder fehlender API-Schlüssel |
insufficient_credits |
402 | Not enough credits for this operation |
rate_limit_exceeded |
429 | Zu viele Anfragen |
invalid_request |
400 | Fehlformte Anfragestelle |
model_not_found |
404 | Gefragtes Modell existiert nicht |
voice_not_found |
404 | Gefragte Stimme existiert nicht |
file_too_large |
413 | Hochgeladene Datei überschreitet die Größe Grenze |
server_error |
500 | Interner Serverfehler |