API Dokumentasyon

Isama Speech to Speech AI sa iyong mga application na may isang simpleng REST API.

Mabilis na pagsisimula

Magsimula sa Speech to Speech AI API sa ilalim ng5minuto.

Base URL
https://api.speechtospeechai.com/v1
1. Magsisimula ng trabaho

Ang bawat tool ay isang POST sa iyong API key. Ang sagot ay isang trabaho id, hindi ang 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. Poll para sa resulta

Magtanong para sa trabaho sa bawat ilang segundo hanggang sa ang katayuan ay nakumpleto, pagkatapos ay i-download ang result_url.

cURL
curl "https://api.speechtospeechai.com/v1/speech/results/?uuid=3f2c..." \
  -H "Authorization: Bearer YOUR_API_KEY"

{"status": "completed", "result_url": "https://.../output.mp3"}

Pag-authenticate

Lahat ng mga kahilingan API nangangailangan ng pag-verify sa pamamagitan ng isang API key sa Authorization Ang Header!

Pahina
Authorization: Bearer YOUR_API_KEY
Kumuha ng iyong API key mula sa iyong account dashboard.

Voice Cloning

POST /v1/voice-clone/

Magsalita ng isang teksto sa boses ng isang maikling reference recording.

Humingi ng katawan (multipart / form-data)
Parameter Uri Kinakailangan Paglalarawan
reference_audio file Oo Pag-record ng boses upang i-clone (10-30 segundo inirerekomenda, hanggang sa 60)
text string Oo Text upang makipag-usap sa boses na
model string Hindi chatterbox, openvoice, tortoise o gpt-sovits
language string Hindi Ang code ng wika (default: en)
Tugon

Ang isang trabaho id (uuid). Poll GET /v1/speech/results/?uuid= hanggang sa katayuan ay nakumpleto at i-download ang resulta_url.

Teksto sa Pagsasalita

POST /v1/tts/

I-convert ang teksto sa pagsasalita audio.

Humingi ng katawan (multipart / form-data)
Parameter Uri Kinakailangan Paglalarawan
text string Oo Teksto upang i-convert (max 5000 character)
model string Hindi kokoro (default), piper, vits o bark
voice_id string Hindi Ang mga ito ay: 1. ang mga salitang may 1/
language string Hindi Ang code ng wika (default: en)
speed float Hindi Speed multiplier (0.5-2.0, default 1.0)
format string Hindi Ang mga ito ay ang mga sumusunod: MP3, WAV, OGG, FLAC, at ang mga SSML tags ay tinanggal bago ang synthesis.
Tugon

Ang isang trabaho id (uuid). Poll GET /v1/speech/results/?uuid= hanggang sa katayuan ay nakumpleto at i-download ang resulta_url.

Pagsasalita sa Teksto

POST /v1/transcribe/

I-transcribe ang audio sa teksto na may timestamps.

Humingi ng katawan (multipart / form-data)
Parameter Uri Kinakailangan Paglalarawan
file file Oo Audio / video file upang i-transcribe
model string Hindi malaking-v3 (default) o turbo
language string Hindi Language code, o auto upang matukoy ito (default)
enable_word_timestamps bool Hindi Magdagdag ng isang simula at katapusan ng oras sa bawat salita
callback_url string Hindi URL na tumatanggap ng resulta sa pamamagitan ng POST kapag ang trabaho ay nagtatapos
Tugon

Poll GET /v1/transcribe/results/?uuid= hanggang sa katayuan ay nakumpleto; ang sagot pagkatapos ay nagdadala ng teksto, wika at segment.

Available na Modelo

Mga modelong Text-to-Speech
Model ID Paglalarawan Pinakamahusay para sa
kokoro Mabilis multilingual TTS Pangkalahatang paggamit, mababang latency
piper Magaan multilingual TTS (komersyal lisensyadong boses lamang) Mabilis na renders sa 11 wika
vits LJSpeech plus 108 VCTK English speakers Ang Ingles na accents
bark Generative TTS, 130 presets sa 13 wika Iba-iba, masining na pagpapadala (mabagal)
openvoice Voice cloning at opsyonal na conversion ng boses Alternatibong sa Chatterbox
chatterbox Zero-shot boses cloning sa 23 wika; default na modelo ng conversion ng boses Cloning mula sa isang maikling sample
Mga modelong Speech-to-Text
Model ID Paglalarawan Pinakamahusay para sa
whisper-large-v3 OpenAI Whisper Large v3 Mataas na katumpakan, multilingual
whisper-turbo Optimized whisper para sa bilis Mabilis na transcription

Mga Kode ng Error

Code Katayuan Paglalarawan
invalid_api_key 401 Walang bisa o nawawala API key
insufficient_credits 402 Hindi sapat na credits para sa operasyon na ito
rate_limit_exceeded 429 Masyadong maraming mga kahilingan
invalid_request 400 Malformed katawan ng kahilingan
model_not_found 404 Hindi umiiral ang hiniling na modelo
voice_not_found 404 Hindi umiiral ang hiniling na boses
file_too_large 413 Na-upload na file lumampas sa laki ng limitasyon
server_error 500 Panloob na server error