API skjölun

Sameina Speech to Speech AI í forritum þínum með einföldum REST API.

Flýtistart

Byrjaðu með Speech to Speech AI API í undir 5 mínútur.

Grunnslóð
https://api.speechtospeechai.com/v1
1. Byrjaðu starf

Hvert tól er POST með API lykilinn þinn. Svarið er starf ID, ekki hljóð.

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 fyrir niðurstöðuna

Biðja um starf á nokkrum sekúndum þar til stöðu er lokið, þá sækja 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"}

Auðkenning

Allar API beiðnir þurfa staðfestingu með API lykli í Authorization haus.

Haus
Authorization: Bearer YOUR_API_KEY
Fáðu API lykilinn þinn frá þínum reikningsstjórnborð.

Raddklóðun

POST /v1/voice-clone/

Talaðu texta í rödd stuttrar tilvísunar upptöku.

Beiðni Body (multipart/form-data)
Breyta Tegund Nauðsynlegt Lýsing
reference_audio file Já Upptöku rödd til að klóna (10-30 sekúndur mælt með, allt að 60)
text string Já Texti til að tala í þeirri rödd
model string Nei chatterbox, openvoice, tortoise eða gpt-sovits
language string Nei Tungumálakóði (sjálfgefið: en)
Svar

Poll GET /v1/speech/results/?uuid= þar til stöðu er lokið og sækja result_url.

Texti í tal

POST /v1/tts/

Umbreyta texta í tal hljóð.

Beiðni Body (multipart/form-data)
Breyta Tegund Nauðsynlegt Lýsing
text string Já Texti til að breyta (hámark 5000 stafir)
model string Nei kokoro (sjálfgefið), piper, vits eða bark
voice_id string Nei Voice id frá GET /v1/speech/voices/?model=
language string Nei Tungumálakóði (sjálfgefið: en)
speed float Nei Hraði margfaldari (0.5-2.0, sjálfgefið 1.0)
format string Nei wav (sjálfgefið), mp3, ogg eða flac. SSML merki eru fjarlægð áður en myndun hefst.
Svar

Poll GET /v1/speech/results/?uuid= þar til stöðu er lokið og sækja result_url.

Tal í texta

POST /v1/transcribe/

Skrifaðu hljóð í texta með tímastimpil.

Beiðni Body (multipart/form-data)
Breyta Tegund Nauðsynlegt Lýsing
file file Já Hljóð-/myndskrá til að afrita
model string Nei large- v3 (sjálfgefið) eða turbo
language string Nei Tungumálakóði, eða sjálfvirkt til að greina það (sjálfgefið)
enable_word_timestamps bool Nei Bæta við upphafs- og lokatíma við hvert orð
callback_url string Nei Slóð sem fær niðurstöðuna með POST þegar verkinu lýkur
Svar

Poll GET /v1/transcribe/results/?uuid= þar til stöðu er lokið; svarið ber þá texta, tungumál og hluta.

Tiltækar gerðir

Texti-í-tal módel
Tegundarnefni Lýsing Best fyrir
kokoro Fast fjöltyngdur TTS Almenn notkun, lág leynd
piper Léttur fjöltyngdur TTS (aðeins í viðskiptalegum leyfum) Fast gerir á 11 tungumálum
vits LJSpeech auk 108 VCTK ensku hátalara Enska greindarvísitala
bark Generative TTS, 130 forstillingar á 13 tungumálum Fjölbreytt, tjáningarmikil afhendingu (hægt)
openvoice Voice klónun og valfrjáls rödd viðskipti Valkostur við Chatterbox
chatterbox Zero-skot rödd klónun á 23 tungumálum; sjálfgefið rödd umbreytingu líkan Klónun úr stuttu sýni
Tal- í- texta módel
Tegundarnefni Lýsing Best fyrir
whisper-large-v3 OpenAI Whisper Large v3 Hæsta nákvæmni, fjöltyngdur
whisper-turbo Bjartsýni Whisper fyrir hraða Hröð útskrift

Villa

Kóði Staða Lýsing
invalid_api_key 401 Ógild eða vantar API lykil
insufficient_credits 402 Ekki næg eintök fyrir þessa aðgerð
rate_limit_exceeded 429 Of margar beiðnir
invalid_request 400 Ógild beiðni
model_not_found 404 Beðið líkan er ekki til
voice_not_found 404 Beðið rödd er ekki til
file_too_large 413 Skráin sem var hlaðið inn fer yfir stærðartakmörk
server_error 500 Innri þjónsvilla