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 -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 "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
Authorization: Bearer YOUR_API_KEY
Voice Cloning
/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
/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
/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 |