Dokumen

Integrate Speech to Speech AI into your applications with a simple REST API.

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
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
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.

Kepala
Authorization: Bearer YOUR_API_KEY
Njupuk kunci API saka akun dashboard.

Kloning swara

POST /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

POST /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

POST /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