Mulang Cepet
Get started with the Speech to Speech AI API in under 5 minutes.
URL Dasar
https://api.speechtospeechai.com/v1
1. Mulang tugas
Saben piranti iku POST karo kunci API sampeyan. Jawaban iku id tugas, ora audio.
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 kanggo asil
Takon tugas saben sawetara detik nganti status rampung, banjur ngundhuh result_url.
curl "https://api.speechtospeechai.com/v1/speech/results/?uuid=3f2c..." \
-H "Authorization: Bearer YOUR_API_KEY"
{"status": "completed", "result_url": "https://.../output.mp3"}
Keterangan
Sedaya pitakon API mbutuhaké otentikasi liwat kunci API ing Authorization bagéan ndhuwur.
Authorization: Bearer YOUR_API_KEY
Kloning swara
/v1/voice-clone/
Ing basa Inggris, tembung iki bisa dijupuk saka tembung short record.
Badan pitakonan (multipart/form-data)
| Paramèter | Tipe | Diperlukan | Keterangan |
|---|---|---|---|
reference_audio |
file | Ya | Rekaman swara kanggo kloning (10-30 detik disaranake, nganti 60) |
text |
string | Ya | Teks kanggo diucapake nganggo swara iki |
model |
string | Ora | chatterbox, openvoice, tortoise utawa gpt-sovits |
language |
string | Ora | Kode basa (piranti loropaken: en) |
Balasan
Sapérangan id tugas (uuid). Poll GET /v1/speech/results/?uuid= ngantos status sampun rampung lan ngundhuh result_url.
Teks dadi swara
/v1/tts/
Ngganti teks dadi swara.
Badan pitakonan (multipart/form-data)
| Paramèter | Tipe | Diperlukan | Keterangan |
|---|---|---|---|
text |
string | Ya | Teks kanggo dikonversi (maksimum 5000 karakter) |
model |
string | Ora | kokoro (piranti lair), piper, vits utawa bark |
voice_id |
string | Ora | Voice id from GET /v1/speech/voices/?model= |
language |
string | Ora | Kode basa (piranti loropaken: en) |
speed |
float | Ora | Multiplier kecepatan (0.5-2.0, pigura 1.0) |
format |
string | Ora | wav (piranti lunak pitados), mp3, ogg utawi flac. Tag SSML dipun-hapus sadurungé sintesis. |
Balasan
Sapérangan id tugas (uuid). Poll GET /v1/speech/results/?uuid= ngantos status sampun rampung lan ngundhuh result_url.
Prasaja
/v1/transcribe/
Transkrip audio dadi teks kanthi timestamp.
Badan pitakonan (multipart/form-data)
| Paramèter | Tipe | Diperlukan | Keterangan |
|---|---|---|---|
file |
file | Ya | Berkas audio/video kanggo ditranskripsi |
model |
string | Ora | gedhe-v3 (piranti pigura) utawa turbo |
language |
string | Ora | Kode basa, utawa otomatis kanggo ndeteksi (piranti piawai) |
enable_word_timestamps |
bool | Ora | Tambahake wektu wiwitan lan pungkasan kanggo saben tembung |
callback_url |
string | Ora | URL kang nampa asil liwat POST nalika tugas wis rampung |
Balasan
Sapérangan id tugas (uuid). Poll GET /v1/transcribe/results/?uuid= ngantos status sampun rampung; jawaban punika lajeng ngandhut teks, basa lan segmen.
Model kang ana
Teks-ka-ucapan
| Model ID | Keterangan | Paling apik kanggo |
|---|---|---|
kokoro |
TTS multibasa cepet | Kagunaan umum, latensi endhek |
piper |
TTS multibasa kang entheng (mung swara kang lisensi komersial) | Faster renders ing 11 basa |
vits |
LJSpeech plus 108 VCTK English speakers | Aksara Inggris |
bark |
Generatif TTS, 130 preset ing 13 basa | Variasi, ekspresif (langka) |
openvoice |
Kloning swara lan konversi swara pilihan | alternatif kanggo Chatterbox |
chatterbox |
Zero-shot voice cloning ing 23 basa; model konversi swara standar | Kloning saka sampel cekak |
Model basa-ka-teks
| Model ID | Keterangan | Paling apik kanggo |
|---|---|---|
whisper-large-v3 |
OpenAI Whisper Large v3 | Kecermatan paling dhuwur, multibasa |
whisper-turbo |
Optimasi Whisper kanggo kecepatan | Transkripsi cepet |
Kode Kesalahan
| Kode | Status | Keterangan |
|---|---|---|
invalid_api_key |
401 | Kunci API ora sah utawa ilang |
insufficient_credits |
402 | Ora cukup kredit kanggo operasi iki |
rate_limit_exceeded |
429 | Akèh pitakonan |
invalid_request |
400 | Bayangan panjaluk kang ora bener |
model_not_found |
404 | Model kang dibutuhake ora ana |
voice_not_found |
404 | Suara kang dibutuhake ora ana |
file_too_large |
413 | Berkas kang diunggah ngluwihi wates ukuran |
server_error |
500 | Kesalahan penjelajah |