ឯកសារ API

បញ្ចូល Speech to Speech AI ទៅក្នុងកម្មវិធីរបស់អ្នកជាមួយ REST API ធម្មតា។

ចាប់ផ្ដើម​រហ័ស

ចាប់ផ្តើមជាមួយ Speech to Speech AI API នៅក្រោម5នាទី។

URL មូលដ្ឋាន
https://api.speechtospeechai.com/v1
១. ចាប់ផ្ដើម​ការងារ

ឧបករណ៍​នីមួយៗ​គឺ POST ជាមួយ​កូនសោ API របស់​អ្នក ។ ចម្លើយ​គឺ​លេខ​សម្គាល់​ការងារ មិន​មែន​អូឌីយ៉ូ​ទេ ។

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. សំឡេងឆ្នោតសម្រាប់លទ្ធផល

សំណូមពរ​ការងារ​រាល់​វិនាទី​មួយ​ចំនួន​រហូត​ដល់​ស្ថានភាព​ត្រូវ​បាន​បញ្ចប់ បន្ទាប់​មក​ទាញយក 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"}

ការ​ផ្ទៀងផ្ទាត់​ភាព​ត្រឹមត្រូវ

សំណើ API ទាំងអស់​ត្រូវការ​ការ​ផ្ទៀងផ្ទាត់​ភាព​ត្រឹមត្រូវ​តាម​រយៈ​កូនសោ API នៅ​ក្នុង Authorization បឋមកថា ។

បឋមកថា
Authorization: Bearer YOUR_API_KEY
យក​សោ API របស់​អ្នក​ពី​របស់​អ្នក បន្ទះ​គណនី.

ការ​ក្លូន​សំឡេង

POST /v1/voice-clone/

និយាយ​អត្ថបទ​ជា​សំឡេង​នៃ​ការ​ថត​សេចក្ដី​យោង​ខ្លី ។

តួ​សំណើ (ផ្នែក​ច្រើន/ ទិន្នន័យ​សំណុំបែបបទ)
ប៉ារ៉ាម៉ែត្រ ប្រភេទ​ ចាំបាច់ សេចក្ដី​ពិពណ៌នា
reference_audio file បាទ/ ចាស ការ​ថត​សំឡេង​ដើម្បី​ក្លូន (10- 30 វិនាទី​ដែល​បាន​ផ្ដល់​អនុសាសន៍​រហូត​ដល់ 60)
text string បាទ/ ចាស អត្ថបទ​ដែល​ត្រូវ​និយាយ​ក្នុង​សំឡេង​នោះ
model string គ្មាន chatterbox openvoice tortoise ឬ gpt-sovits
language string គ្មាន កូដ​ភាសា (លំនាំដើម ៖ en)
ការ​ឆ្លើយតប

លេខសម្គាល់ការងារ (uuid) ។ សំណួរ GET /v1/speech/results/?uuid= រហូតទាល់តែស្ថានភាពត្រូវបានបញ្ចប់និងទាញយក result_url ។

អត្ថបទ​ទៅ​ជា​ការ​និយាយ

POST /v1/tts/

បម្លែង​អត្ថបទ​ទៅ​ជា​អូឌីយ៉ូ​និយាយ ។

តួ​សំណើ (ផ្នែក​ច្រើន/ ទិន្នន័យ​សំណុំបែបបទ)
ប៉ារ៉ាម៉ែត្រ ប្រភេទ​ ចាំបាច់ សេចក្ដី​ពិពណ៌នា
text string បាទ/ ចាស អត្ថបទ​ត្រូវ​បម្លែង (អតិបរមា ៥០០០ តួអក្សរ)
model string គ្មាន kokoro (លំនាំដើម) piper vits ឬ bark
voice_id string គ្មាន លេខសម្គាល់សំឡេងពី GET /v1/speech/voices/?model=
language string គ្មាន កូដ​ភាសា (លំនាំដើម ៖ en)
speed float គ្មាន Speed multiplier (0.5-2.0, default 1.0)
format string គ្មាន wav (លំនាំដើម) mp3 ogg ឬ flac ។ ស្លាក SSML ត្រូវ​បាន​យក​ចេញ​មុន​ពេល​សំយោគ ។
ការ​ឆ្លើយតប

លេខសម្គាល់ការងារ (uuid) ។ សំណួរ GET /v1/speech/results/?uuid= រហូតទាល់តែស្ថានភាពត្រូវបានបញ្ចប់និងទាញយក result_url ។

និយាយ​ទៅ​អត្ថបទ

POST /v1/transcribe/

បម្លែង​អូឌីយ៉ូ​ទៅ​អត្ថបទ​ជាមួយ​នឹង​ត្រា​ពេលវេលា ។

តួ​សំណើ (ផ្នែក​ច្រើន/ ទិន្នន័យ​សំណុំបែបបទ)
ប៉ារ៉ាម៉ែត្រ ប្រភេទ​ ចាំបាច់ សេចក្ដី​ពិពណ៌នា
file file បាទ/ ចាស ឯកសារ​អូឌីយ៉ូ/វីដេអូ​ដែល​ត្រូវ​បម្លែង
model string គ្មាន ធំ- v3 (លំនាំដើម) ឬ​ ធុងបាស
language string គ្មាន កូដ​ភាសា ឬ​ស្វ័យ​ប្រវត្តិ​ដើម្បី​រក​វា (លំនាំដើម)
enable_word_timestamps bool គ្មាន បន្ថែម​ពេលវេលា​ចាប់ផ្ដើម និង​បញ្ចប់​ទៅ​ពាក្យ​នីមួយៗ
callback_url string គ្មាន URL ដែល​ទទួល​លទ្ធផល​ដោយ POST ពេល​ការងារ​បញ្ចប់
ការ​ឆ្លើយតប

លេខ​សម្គាល់​ការងារ (uuid) ។ សំណួរ GET /v1/transcribe/results/?uuid= រហូត​ដល់​ស្ថានភាព​ត្រូវ​បាន​បញ្ចប់ បន្ទាប់​មក​ចម្លើយ​មាន​អត្ថបទ ភាសា និង​ផ្នែក ។

ម៉ូដែល​ដែល​មាន

អត្ថបទ​ទៅ​ជា​ម៉ូដែល​និយាយ
លេខ​សម្គាល់​ម៉ូដែល សេចក្ដី​ពិពណ៌នា ល្អបំផុត​សម្រាប់
kokoro TTS ច្រើន​ភាសា​លឿន ការ​ប្រើ​ទូទៅ ពន្យារ​ពេល​ទាប
piper TTS ច្រើន​ភាសា​ស្រាល (តែ​សំឡេង​ដែល​បាន​អនុញ្ញាត​ពាណិជ្ជកម្ម​ប៉ុណ្ណោះ) បង្ហាញ​រហ័ស​ក្នុង​ភាសា ១១
vits LJSpeech បន្ថែម​អ្នក​និយាយ​ភាសា​អង់គ្លេស​ VCTK 108 វណ្ណយុត្ត​អង់គ្លេស
bark TTS បង្កើត​ឡើង កំណត់​ជាមុន 130 ក្នុង 13 ភាសា ផ្ដល់​ការ​បង្ហាញ​ដែល​មាន​លក្ខណៈ​ខុសៗ​គ្នា (យឺត)
openvoice ការ​ក្លូន​សំឡេង និង​ការ​បម្លែង​សំឡេង​ជា​ជម្រើស ជម្រើស​សម្រាប់ Chatterbox
chatterbox ក្លូន​សំឡេង Zero-shot ក្នុង ២៣ ភាសា ម៉ូដែល​បម្លែង​សំឡេង​លំនាំដើម ការ​ក្លូន​ពី​គំរូ​ខ្លី
ម៉ូដែល​និយាយ​ទៅ​អត្ថបទ
លេខ​សម្គាល់​ម៉ូដែល សេចក្ដី​ពិពណ៌នា ល្អបំផុត​សម្រាប់
whisper-large-v3 OpenAI Whisper Large v3 ភាព​ត្រឹមត្រូវ​ខ្ពស់​បំផុត ភាសា​ច្រើន
whisper-turbo បាន​ធ្វើ​ឲ្យ​ល្អ​បំផុត Whisper សម្រាប់​ល្បឿន បដិសេធ​ការ​បម្លែង​រហ័ស

កូដ​កំហុស

កូដ ស្ថានភាព​ សេចក្ដី​ពិពណ៌នា
invalid_api_key 401 សោ API មិន​ត្រឹមត្រូវ ឬ​បាត់
insufficient_credits 402 គ្មាន​ពិន្ទុ​គ្រប់គ្រាន់​សម្រាប់​ប្រតិបត្តិការ​នេះ​ទេ
rate_limit_exceeded 429 សំណើ​ច្រើន​ពេក
invalid_request 400 តួ​សំណើ​ដែល​មាន​លក្ខណៈ​មិន​ត្រឹមត្រូវ
model_not_found 404 មិន​មាន​ម៉ូដែល​ដែល​បាន​ស្នើ​ឡើយ
voice_not_found 404 គ្មាន​សំឡេង​ដែល​បាន​ស្នើ​ទេ
file_too_large 413 ឯកសារ​ដែល​បាន​ផ្ទុក​ឡើង​លើស​ពី​ដែន​កំណត់​ទំហំ
server_error 500 កំហុស​ម៉ាស៊ីន​បម្រើ​ខាង​ក្នុង