क्विक- प्रारंभ
Get started with the Speech to Speech AI API in under 5 minutes.
बेस यूआरएल
https://api.speechtospeechai.com/v1
1. जॉब शुरू करें
हर टूल आपकी API कुंजी के साथ एक POST अनुरोध है। जवाब में ऑडियो नहीं, बल्कि एक जॉब id मिलती है।
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. नतीजे के लिए पोल करें
हर कुछ सेकंड में जॉब की स्थिति पूछें जब तक status completed न हो जाए, फिर result_url डाउनलोड करें।
curl "https://api.speechtospeechai.com/v1/speech/results/?uuid=3f2c..." \
-H "Authorization: Bearer YOUR_API_KEY"
{"status": "completed", "result_url": "https://.../output.mp3"}
सत्यापन
सभी एपीआई निवेदन के लिए एक एपीआई कुंजी के लिए सत्यापन की जरूरत है Authorization शीर्षिका.
Authorization: Bearer YOUR_API_KEY
आवाज कोलोन
/v1/voice-clone/
किसी छोटी रेफ़रेंस रिकॉर्डिंग की आवाज़ में कोई टेक्स्ट बुलवाएं।
निवेदन बॉडी (मैल्यूशन पार्ट/ फ़ॉर्मेट- डाटा)
| पैरामीटर | क़िस्म | आवश्यक | वर्णन |
|---|---|---|---|
reference_audio |
file | हाँ | क्लोन की जाने वाली आवाज़ की रिकॉर्डिंग (10-30 सेकंड सुझाया गया, अधिकतम 60) |
text |
string | हाँ | उस आवाज़ में बोला जाने वाला टेक्स्ट |
model |
string | नहीं | chatterbox, openvoice, tortoise या gpt-sovits |
language |
string | नहीं | भाषा कोड (डिफ़ॉल्ट: en) |
प्रतिक्रिया
एक जॉब id (uuid)। GET /v1/speech/results/?uuid= को तब तक पोल करें जब तक status completed न हो जाए, फिर result_url डाउनलोड करें।
पाठ से वार्ता
/v1/tts/
पाठ को ऑडियो में बदलें.
निवेदन बॉडी (मैल्यूशन पार्ट/ फ़ॉर्मेट- डाटा)
| पैरामीटर | क़िस्म | आवश्यक | वर्णन |
|---|---|---|---|
text |
string | हाँ | बदला जाने वाला टेक्स्ट (अधिकतम 5000 अक्षर) |
model |
string | नहीं | kokoro (डिफ़ॉल्ट), piper, vits या bark |
voice_id |
string | नहीं | GET /v1/speech/voices/?model= से मिली वॉइस id |
language |
string | नहीं | भाषा कोड (डिफ़ॉल्ट: en) |
speed |
float | नहीं | Speed multiplier (0.5-2.0, default 1.0) |
format |
string | नहीं | wav (डिफ़ॉल्ट), mp3, ogg या flac। सिंथेसिस से पहले SSML टैग हटा दिए जाते हैं। |
प्रतिक्रिया
एक जॉब id (uuid)। GET /v1/speech/results/?uuid= को तब तक पोल करें जब तक status completed न हो जाए, फिर result_url डाउनलोड करें।
पाठ से वार्ता
/v1/transcribe/
समय चिह्नों के साथ पाठ को पाठ में एहसान दें.
निवेदन बॉडी (मैल्यूशन पार्ट/ फ़ॉर्मेट- डाटा)
| पैरामीटर | क़िस्म | आवश्यक | वर्णन |
|---|---|---|---|
file |
file | हाँ | ऑडियो/video फ़ाइल जिसे सिलेक्शनइनलेटर में लिखा जाए |
model |
string | नहीं | large-v3 (डिफ़ॉल्ट) या turbo |
language |
string | नहीं | भाषा कोड, या अपने आप पहचानने के लिए auto (डिफ़ॉल्ट) |
enable_word_timestamps |
bool | नहीं | हर शब्द में शुरू और खत्म होने का समय जोड़ें |
callback_url |
string | नहीं | वह URL जो जॉब पूरी होने पर POST से नतीजा प्राप्त करता है |
प्रतिक्रिया
एक जॉब id (uuid)। GET /v1/transcribe/results/?uuid= को तब तक पोल करें जब तक status completed न हो जाए; तब जवाब में text, language और segments होते हैं।
उपलब्ध मॉडल
टेक्स्ट टू स्पीच मॉडल
| मॉडल आईडी | वर्णन | किसके लिए सबसे अच्छा |
|---|---|---|
kokoro |
अलग - अलग भाषाओं में | सामान्य उपयोग, कम उच्च |
piper |
हल्के रंग के लोग (सिर्फ ग़ैर - कानूनी तौर पर लाइसेंस्ड आवाज) | 11 भाषाओं में तेज अनुवाद |
vits |
LJSpeech plus 108 VCTK English speakers | अंग्रेजी उच्चारण |
bark |
Generative TTS, 130 presets in 13 languages | विसई, मेर्जिया (धीमा) |
openvoice |
वॉइस क्लोनिंग और वैकल्पिक वॉइस कन्वर्ज़न | Chatterbox का विकल्प |
chatterbox |
23 भाषाओं में ज़ीरो-शॉट वॉइस क्लोनिंग, डिफ़ॉल्ट वॉइस कन्वर्ज़न मॉडल | छोटे उदाहरण से लेसरिंग |
स्पीच टू टेक्स्ट मॉडल
| मॉडल आईडी | वर्णन | किसके लिए सबसे अच्छा |
|---|---|---|
whisper-large-v3 |
OpenAI Whisper Large v3 | सर्वोच्च यथार्थता, अलग - अलग भाषाओं में |
whisper-turbo |
गति के लिए अनुकूलित शोर | फास्ट उच्चारण |
कोड
| कोड | स्थिति | वर्णन |
|---|---|---|
invalid_api_key |
401 | अवैध या गुम है अवैध कुंजी |
insufficient_credits |
402 | Not enough credits for this operation |
rate_limit_exceeded |
429 | बहुत से निवेदन |
invalid_request |
400 | विरूपित आग्रह |
model_not_found |
404 | निवेदित मॉडल मौजूद नहीं है |
voice_not_found |
404 | निवेदित मात्रा मौजूद नहीं है |
file_too_large |
413 | फ़ाइल डाउनलोड किया गया आकार सीमा से अधिक है |
server_error |
500 | आंतरिक सर्वर त्रुटि |