Τεκμηρίωση API
Ενσωμάτωση Speech to Speech AI στις εφαρμογές σας με ένα απλό REST API.
Γρήγορη εκκίνηση
Ξεκινήστε με το Speech to Speech AI API σε λιγότερο από 5 λεπτά.
URL βάσης
https://api.speechtospeechai.com/v1
1. Ξεκινήστε μια δουλειά
Κάθε εργαλείο είναι ένα POST με το κλειδί API σας. Η απάντηση είναι μια ταυτότητα εργασίας, όχι ο ήχος.
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. Δημοσκόπηση για το αποτέλεσμα
Ζητήστε τη δουλειά κάθε λίγα δευτερόλεπτα μέχρι να ολοκληρωθεί η κατάσταση, στη συνέχεια κατεβάστε το αποτέλεσμα_url.
curl "https://api.speechtospeechai.com/v1/speech/results/?uuid=3f2c..." \
-H "Authorization: Bearer YOUR_API_KEY"
{"status": "completed", "result_url": "https://.../output.mp3"}
Ταυτοποίηση
Όλες οι αιτήσεις API απαιτούν εξακρίβωση ταυτότητας μέσω ενός πλήκτρου API στο Authorization κεφαλίδα.
Authorization: Bearer YOUR_API_KEY
Κλωνοποίηση φωνής
/v1/voice-clone/
Να μιλάς με τη φωνή μιας σύντομης εγγραφής.
Φορέας υποβολής αιτήσεων (πολλαπλά μέρη/μορφικά δεδομένα)
| Παράμετρος | Τύπος | Απαιτείται | Περιγραφή εμπορευμάτων |
|---|---|---|---|
reference_audio |
file | Ναι. | Καταγραφή της φωνής στον κλώνο (10-30 δευτερόλεπτα συνιστάται, έως 60) |
text |
string | Ναι. | Κείμενο για να μιλήσει με αυτή τη φωνή |
model |
string | Όχι. | phatterbox, ανοιχτή φωνή, χελώνα ή gpt-sovits |
language |
string | Όχι. | Γλώσσα (προκαθορισμένο: en) |
Απάντηση
Αναγνωρισιμότητα της εργασίας (uuid). Poll GET /v1/speech/αποτελέσματα /;uuid= μέχρι η κατάσταση να ολοκληρωθεί και να κατεβάσετε το αποτέλεσμα_url.
Κείμενο σε λόγο
/v1/tts/
Μετατροπή κειμένου σε ομιλία ήχου.
Φορέας υποβολής αιτήσεων (πολλαπλά μέρη/μορφικά δεδομένα)
| Παράμετρος | Τύπος | Απαιτείται | Περιγραφή εμπορευμάτων |
|---|---|---|---|
text |
string | Ναι. | Κείμενο για μετατροπή (μέγ. 5000 χαρακτήρες) |
model |
string | Όχι. | Κοκόρο (προκαθορισμένο), πιπερόριζας, βότανα ή φλοιός |
voice_id |
string | Όχι. | ID φωνής από το GET /v1/speech / voices /?model= |
language |
string | Όχι. | Γλώσσα (προκαθορισμένο: en) |
speed |
float | Όχι. | Speed multiplier (0.5-2.0, default 1.0) |
format |
string | Όχι. | wav (προκαθορισμένο), mp3, ogg ή flac. Οι ετικέτες SML αφαιρούνται πριν από τη σύνθεση. |
Απάντηση
Αναγνωρισιμότητα της εργασίας (uuid). Poll GET /v1/speech/αποτελέσματα /;uuid= μέχρι η κατάσταση να ολοκληρωθεί και να κατεβάσετε το αποτέλεσμα_url.
Ομιλία σε κείμενο
/v1/transcribe/
Ηχογραφήστε το κείμενο με χρονοσφραγίσεις.
Φορέας υποβολής αιτήσεων (πολλαπλά μέρη/μορφικά δεδομένα)
| Παράμετρος | Τύπος | Απαιτείται | Περιγραφή εμπορευμάτων |
|---|---|---|---|
file |
file | Ναι. | Αρχείο ήχου/video για να μεταγραφεί |
model |
string | Όχι. | big-v3 (προκαθορισμένο) ή turbo |
language |
string | Όχι. | Κωδικός γλώσσας ή αυτόματος για την ανίχνευση (προκαθορισμένο) |
enable_word_timestamps |
bool | Όχι. | Προσθήκη μιας έναρξης και λήξης σε κάθε λέξη |
callback_url |
string | Όχι. | URL που λαμβάνει το αποτέλεσμα από POST όταν η εργασία τελειώνει |
Απάντηση
Αναγνωρισιμότητα της εργασίας (uuid). Poll GET /v1/trancegraph/feests/?uid= until status is completed? then answer carry text, language and sections.
Διαθέσιμα μοντέλα
Μοντέλα κειμένου προς ομιλία
| Υπόδειγμα ID | Περιγραφή εμπορευμάτων | Καλύτερο για |
|---|---|---|
kokoro |
Γρήγορη πολύγλωσση TTS | Γενική χρήση, χαμηλή καθυστέρηση |
piper |
Ελαφρύ πολύγλωσσο TTS (μόνο εμπορικές φωνές) | Γρήγορες αποδόσεις σε 11 γλώσσες |
vits |
LJSpeech συν 108 VCTK Αγγλικά ηχεία | Αγγλική προφορά |
bark |
Γεννήτριες TTS, 130 προεπιλογές σε 13 γλώσσες | Ποικιλία, εκφραστική παράδοση (αργή) |
openvoice |
Κλωνοποίηση φωνής και προαιρετική μετατροπή φωνής | Εναλλακτική λύση στο Chatterbox |
chatterbox |
Μηδενική κλωνοποίηση φωνής σε 23 γλώσσες; προεπιλεγμένο μοντέλο μετατροπής φωνής | Κλώνος από σύντομο δείγμα |
Μοντέλα ομιλίας προς κείμενο
| Υπόδειγμα ID | Περιγραφή εμπορευμάτων | Καλύτερο για |
|---|---|---|
whisper-large-v3 |
OpenAI Whisper Large v3 | Υψηλότερη ακρίβεια, πολύγλωσση |
whisper-turbo |
Βελτιστοποιημένος Ψιθυριστής για ταχύτητα | Γρήγορη μεταγραφή |
Κωδικοί σφάλματος
| Κωδικός | Κατάσταση | Περιγραφή εμπορευμάτων |
|---|---|---|
invalid_api_key |
401 | Μη έγκυρο ή λείπει κλειδί API |
insufficient_credits |
402 | Δεν υπάρχουν αρκετές πιστώσεις για αυτή την επιχείρηση |
rate_limit_exceeded |
429 | Πάρα πολλά αιτήματα. |
invalid_request |
400 | Κακοσχηματισμένος φορέας αίτησης |
model_not_found |
404 | Το μοντέλο που ζητείται δεν υπάρχει. |
voice_not_found |
404 | Η φωνή που ζητάει δεν υπάρχει. |
file_too_large |
413 | Ανεβάστε το αρχείο υπερβαίνει το όριο μεγέθους |
server_error |
500 | Σφάλμα εσωτερικού εξυπηρετητή |