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
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
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.

Kopfzeile
Authorization: Bearer YOUR_API_KEY
Holen Sie sich Ihren API-Schlüssel aus Ihrem Konto-Dashboard.

Stimme Klonen

POST /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

POST /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

POST /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