API dokumentacija
Integruokite Speech to Speech AI į savo programas su paprasta REST API.
Greita startas
Pradėti su Speech to Speech AI API per 5 minutes.
Pagrindinis URL
https://api.speechtospeechai.com/v1
1. Pradėti darbą
Kiekvienas įrankis yra pont with your API key. Atsakymas yra darbo id, o ne garso.
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. Nuimti rezultatą
Klausti darbo kas kelias sekundes, kol būsena bus baigta, tada parsisiųsti rezultatą_url.
curl "https://api.speechtospeechai.com/v1/speech/results/?uuid=3f2c..." \
-H "Authorization: Bearer YOUR_API_KEY"
{"status": "completed", "result_url": "https://.../output.mp3"}
Autentikacija
Visoms API užklausoms reikia autentiškumo patvirtinimo per API raktą Authorization antraštė.
Authorization: Bearer YOUR_API_KEY
Balso klonavimas
/v1/voice-clone/
Trumpo atskaitos įrašo balso kalba kalbėti tekstą.
Prašymo pateikimo įstaiga (daugelio dalių ir (arba) formos duomenys)
| Parametras | Tipas | Reikalinga | Aprašymas |
|---|---|---|---|
reference_audio |
file | Taip | Balso į kloną įrašymas (10-30 sekundžių rekomenduojama, iki 60) |
text |
string | Taip | Tekstas kalbėti tuo balsu |
model |
string | Ne | chatterbox, atvira balso, vėžlys arba gpt-sovits |
language |
string | Ne | Kalbos kodas (numatyta: lt) |
Atsakas
Darbo identifikacija (uuid). Poll GET /v1/speech/rezultatai/?uid= kol būsena bus baigta ir parsisiųsti rezultatą_url.
Tekstas į kalbą
/v1/tts/
Konvertuoti tekstą į kalbos garsą.
Prašymo pateikimo įstaiga (daugelio dalių ir (arba) formos duomenys)
| Parametras | Tipas | Reikalinga | Aprašymas |
|---|---|---|---|
text |
string | Taip | Konvertuoti tekstas (ne daugiau kaip 5000 simbolių) |
model |
string | Ne | kokoro (numatyta), piper, vits arba žievė |
voice_id |
string | Ne | Balso id iš GET /v1/speech/balsai/?modelis= |
language |
string | Ne | Kalbos kodas (numatyta: lt) |
speed |
float | Ne | Greičio daugiklis (0,5-2,0, numatytoji vertė 1,0) |
format |
string | Ne | wav (numatyta), mp3, ogg arba flac. SMSL žymės prieš sintezę pašalinamos. |
Atsakas
Darbo identifikacija (uuid). Poll GET /v1/speech/rezultatai/?uid= kol būsena bus baigta ir parsisiųsti rezultatą_url.
Kalba tekstui
/v1/transcribe/
Perrašyti garsą į tekstą su žymomis.
Prašymo pateikimo įstaiga (daugelio dalių ir (arba) formos duomenys)
| Parametras | Tipas | Reikalinga | Aprašymas |
|---|---|---|---|
file |
file | Taip | Garso/video failas transliavimui |
model |
string | Ne | didelis-v3 (numatyta) arba turbo |
language |
string | Ne | Kalbos kodas, arba auto jį aptikti (numatyta) |
enable_word_timestamps |
bool | Ne | Į kiekvieną žodį pridėti pradžios ir pabaigos laiką |
callback_url |
string | Ne | URL, kuris gauna rezultatą pokalbyje užbaigus darbą |
Atsakas
Darbo identifikacija (uuid). Poll GET /v1/trancription/results/?uid= kol būsena bus baigta; atsakymas tada turi tekstą, kalbą ir segmentus.
Prieinami modeliai
Teksto į giliausią
| Pavyzdys ID | Aprašymas | Geriausias už |
|---|---|---|
kokoro |
Greiti daugiakalbiai TTS | Bendrasis naudojimas, maža latentinė |
piper |
Lengvas daugiakalbis TTS (tik komerciškai licencijuoti balsai) | Greita performansų 11 kalbų |
vits |
LJSpeech plius 108 VCTK anglų kalbos pranešėjai | Angliški akcentai |
bark |
Generatyviniai TTS, 130 iš anksto nustatyti 13 kalbų | Valytas, išraiškingas pristatymas (žemas) |
openvoice |
Balso klonavimas ir neprivalomas balso konvertavimas | Alternatyva pokalbių dėžutėi |
chatterbox |
Balso nulio fotografavimo klonavimas 23 kalbomis; numatytasis balso konvertavimo modelis | Klonavimas iš trumpo mėginio |
Kalbos į tekstą pavyzdžiai
| Pavyzdys ID | Aprašymas | Geriausias už |
|---|---|---|
whisper-large-v3 |
OpenAI Whisper Large v3 | Didžiausias tikslumas, daugiakalbis |
whisper-turbo |
Optimizuotas Whisper greitis | Greitas transkripcija |
Klaida
| Kodas | Būsena | Aprašymas |
|---|---|---|
invalid_api_key |
401 | Netinkamas arba trūksta API rakto |
insufficient_credits |
402 | Nepakanka kreditų šiai operacijai |
rate_limit_exceeded |
429 | Pernelyg daug prašymų |
invalid_request |
400 | Blogai suformuota prašymą teikianti įstaiga |
model_not_found |
404 | Prašomas modelis neegzistuoja |
voice_not_found |
404 | Prašomas balsas neegzistuoja |
file_too_large |
413 | Išsiunttas failas viršija dydį |
server_error |
500 | Vidinis serveris |