დოკუმენტაცია

Speech to Speech AI- ის ინტეგრირება თქვენს პროგრამებში მარტივი REST API- ით.

სწრაფად დაწყება.

Speech to Speech AI API-ს გამოყენებას 5 წუთში დაიწყეთ.

ძირითადი URL
https://api.speechtospeechai.com/v1
1. დაიწყეთ სამუშაო.

ყველა ხელსაწყო POST- ია თქვენი API კოდით. პასუხი არის დავალების ID, არა აუდიო.

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. შედეგის კითხვა

დავალების მოთხოვნა ყოველ რამდენიმე წამში, სანამ სტატუსი არ დასრულდება, შემდეგ result_url ჩამოტვირთვა.

cURL
curl "https://api.speechtospeechai.com/v1/speech/results/?uuid=3f2c..." \
  -H "Authorization: Bearer YOUR_API_KEY"

{"status": "completed", "result_url": "https://.../output.mp3"}

ავთენტიფიკაცია

ყველა API მოთხოვნა მოითხოვს ავთენტიფიკაციას API კოდის საშუალებით Authorization თავსართი

თავსართი
Authorization: Bearer YOUR_API_KEY
მიიღეთ თქვენი API ღილაკი თქვენს ანგარიშის მართვა.

Voice Cloning

POST /v1/voice-clone/

მოკლე რეფერენს ჩანაწერის ხმით ტექსტის წაკითხვა.

მოთხოვნის სხეული (მრავლობითი ნაწილი/ფორმა-დაცემები)
პარამეტრები ტიპები საჭირო აღწერა
reference_audio file ეა კლონირებული ხმის ჩაწერა (10-30 წამი რეკომენდებულია, 60-მდე)
text string ეა ტექსტი, რომელიც ამ ხმაში უნდა გაისმოდა
model string ნვ, ნვ. ჩატი, ოფენვოისი, ტორტუზი ან გპტ-სოვიტსი
language string ნვ, ნვ. ენის კოდი (ნაგულისხმევი: en)
პასუხი

დავალების id (uuid). GET /v1/speech/results/?uuid= კითხვა, სანამ სტატუსი დასრულდება და ჩამოტვირთეთ result_url.

ტექსტიდან საუბარი

POST /v1/tts/

გადააკეთეთ ტექსტი ხმამაქვსად.

მოთხოვნის სხეული (მრავლობითი ნაწილი/ფორმა-დაცემები)
პარამეტრები ტიპები საჭირო აღწერა
text string ეა ტექსტის გადამუშავება (5000 სიმბოლომდე)
model string ნვ, ნვ. კოკორო (ნაგულისხმევი), პიპერი, ვიტსი ან ბარი
voice_id string ნვ, ნვ. ხმოვანი id GET /v1/speech/voices/?model=-დან
language string ნვ, ნვ. ენის კოდი (ნაგულისხმევი: en)
speed float ნვ, ნვ. სიჩქარის მულტიპლიკატორი (0.5-2.0, სტანდარტული მნიშვნელობა 1.0).
format string ნვ, ნვ. wav (ნაგულისხმევი), mp3, ogg ან flac. SSML ჭდეები სინთეზის წინ ამოღებულია.
პასუხი

დავალების id (uuid). GET /v1/speech/results/?uuid= კითხვა, სანამ სტატუსი დასრულდება და ჩამოტვირთეთ result_url.

საუბრის ტექსტად გადამუშავება

POST /v1/transcribe/

აუდიოს ტექსტად გადატანა დროის ნიშნით.

მოთხოვნის სხეული (მრავლობითი ნაწილი/ფორმა-დაცემები)
პარამეტრები ტიპები საჭირო აღწერა
file file ეა აუდიო/ვიდეო ფაილი ტრანსკრიფციისთვის
model string ნვ, ნვ. დიდი- v3 (ნაგულისხმევი) ან ტუბრო
language string ნვ, ნვ. ენის კოდი, ან ავტომატური აღმოჩენა (ნაგულისხმევი)
enable_word_timestamps bool ნვ, ნვ. ყველა სიტყვას დაწყების და დასრულების დროის დამატება
callback_url string ნვ, ნვ. URL, რომელიც POST- ით მიიღებს შედეგს დავალების დასრულების შემდეგ
პასუხი

დავალების id (uuid). GET /v1/transcribe/results/?uuid= კითხვა, სანამ სტატუსი დასრულდება; პასუხი შემდეგ ატარებს ტექსტს, ენას და სეგმენტებს.

ხელმისაწვდომი მოდელი

ტექსტიდან ხმოვანი გამოსავლის მოდელები.
მოდელის ID აღწერა საუკეთესო
kokoro სწრაფი მრავალენოვანი TTS ზოგადი გამოყენება, დაბალი დაგვიანებით
piper მსუბუქი მრავალენოვანი TTS (მხოლოდ კომერციულად ლიცენზირებული ხმა) სწრაფი რენდერება 11 ენაზე.
vits LJSpeech-ის მონაცემთა ნაკრები, ასევე 108 ინგლისური ენის მომიქნიდან, რომლებიც VCTK-ს ეკუთვνονται. ინგლისური აქცენტები
bark გენერაციული TTS, 130 წინასწარ განსაზღვრული 13 ენაზე განსხვავებული, გამოხატული მიწოდება (ნელა)
openvoice ხმის კლონირება და, საჭიროების შემთხვევაში, ხმის გარდაქმნა. "Chatterbox"-ს ალტერნატივა.
chatterbox 23 ენაზე ხმათა კლონირება ნულოვანი შოტით; ხმათა გადამუშავების ნაგულისხმევი მოდელი კლონირება მოკლე ნიმუშიდან
ხმოვანი შეტყობინებების ტექსტად გარდამქმნილი მოდელები.
მოდელის ID აღწერა საუკეთესო
whisper-large-v3 OpenAI Whisper Large v3 უმაღლესი ზუსტობა, მრავალენოვანი
whisper-turbo სიჩქარისთვის ოპტიმიზირებული Whisper სწრაფი ტრანსკრიპცია

შეცდომის კოდები

კოდი სტატუსი აღწერა
invalid_api_key 401 API კოდი არ არსებობს
insufficient_credits 402 ამ ოპერაციისთვის საკმარისი კრედიტები არ არის
rate_limit_exceeded 429 ზედმეტად ბევრი მოთხოვნა
invalid_request 400 მოთხოვნის არასწორად შედგენილი სხეული
model_not_found 404 მოთხოვნილი მოდელი არ არსებობს
voice_not_found 404 მოთხოვნილი ხმები არ არსებობს
file_too_large 413 ატვირთვა
server_error 500 სერვერის შიდა შეცდომა