API dokumentacija

Iнтегрirajte Speech to Speech AI u vaše aplikacije s jednostavnim REST API.

Brzi početak

Počnite sa Speech to Speech AI API za manje od 5 minuta.

Osnovni URL
https://api.speechtospeechai.com/v1
1. Pokreni posao

Svaki alat je POST s API ključem. Odgovor je ID posla, a ne 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. Istraživanje rezultata

Traži posao svakih nekoliko sekundi dok se stanje ne završi, a zatim preuzmi rezultat_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"}

Ovjera

Svi zahtjevi za API zahtijevaju autentičnost preko API tipke u Authorization Zaglavlje.

Zaglavlje
Authorization: Bearer YOUR_API_KEY
Uzmite API ključ iz vašeg Tabla računa.

Kloniranje glasa

POST /v1/voice-clone/

Govori tekst u glasu kratkog referentnog snimka.

Zahtjev za tijelo (višestruki/podaci forme)
Parametri Tip Potrebno Opis
reference_audio file Yes Snimanje glasa na klon (10-30 sekundi preporučeno, do 60)
text string Yes Tekst kojim se govori tim glasom
model string Ne. čačkalica, otvoren glas, kornjača ili gpt-sovica
language string Ne. Jezik kod (uobičajeno: en)
Odgovor

ID posla (uuid). Anketa GET /v1/speech/rezultati/?uuid= dok se stanje ne završi i ne preuzme rezultat_ url.

Tekst za govor

POST /v1/tts/

Pretvori tekst u govorni zvuk.

Zahtjev za tijelo (višestruki/podaci forme)
Parametri Tip Potrebno Opis
text string Yes Tekst za pretvaranje (max 5000 znakova)
model string Ne. Kokoro (uobičajeno), piper, vite ili kore
voice_id string Ne. Id glasa iz GET / v1/speech/voces/?model=
language string Ne. Jezik kod (uobičajeno: en)
speed float Ne. Množenje brzine (0.5-2.0, zadano 1.0)
format string Ne. Wav (podrazumijevano), mp3, og ili flac. SSML oznake se uklanjaju prije sinteze.
Odgovor

ID posla (uuid). Anketa GET /v1/speech/rezultati/?uuid= dok se stanje ne završi i ne preuzme rezultat_ url.

Govor prema tekstu

POST /v1/transcribe/

Transcribe zvuk za tekst s vremenskim oznakama.

Zahtjev za tijelo (višestruki/podaci forme)
Parametri Tip Potrebno Opis
file file Yes Audio/video datoteka za transscribe
model string Ne. veliki-v3 (uobičajeno) ili turbo
language string Ne. Jezik kod, ili auto za otkrivanje (zadano)
enable_word_timestamps bool Ne. Dodajte vrijeme početka i završetka svake riječi
callback_url string Ne. URL koji prima rezultat POST kada posao završi
Odgovor

ID posla (uuid). Popis GET /v1/transcribec/rezultati/?uuid= dok se status ne završi; odgovor zatim nosi tekst, jezik i segmente.

Dostupni modeli

Modeli teksta u govor
ID modela Opis Najbolje za
kokoro Brzojezični TTS Opća upotreba, niska zastarelost
piper Lagani višejezični TTS (samo komercijalno licencirani glasovi) Brzo prikazivanje na 11 jezika
vits LJ Speech plus 108 VCTK Engleski zvučnici Engleski naglasci
bark Generativno TTS, 130 predefinacija na 13 jezika Različiti, ekspresivni dostava (sporo)
openvoice Kloniranje glasa i opcionalno pretvorba glasa Alternativno za razgovor
chatterbox 0-shot kloniranje glasa u 23 jezika; zadani model pretvorbe glasa Kloniranje iz kratkog uzorka
Modeli govora prema tekstu
ID modela Opis Najbolje za
whisper-large-v3 OpenAI Whisper Large v3 Najviše preciznosti, višejezični
whisper-turbo Optimizirani šaptač za brzinu Brzo transkripcija

Šifre grešaka

Kod Status Opis
invalid_api_key 401 Neispravan ili nedostaje API ključ
insufficient_credits 402 Nema dovoljno kredita za ovu operaciju
rate_limit_exceeded 429 Previše zahtjeva
invalid_request 400 Neispravno tijelo zatraži
model_not_found 404 Zahtjevni model ne postoji
voice_not_found 404 Zahtjev glas ne postoji
file_too_large 413 Uploadirana datoteka premašuje ograničenje veličine
server_error 500 Unutrašnja greška poslužitelja