Ātrā palaišana
Sākt ar Speech to Speech AI API, ja 5 minūšu laikā.
Pamata URL
https://api.speechtospeechai.com/v1
1. Sākt darbu
Katrs rīks ir pont ar savu API atslēgu. Atbilde ir darba id, nevis audio.
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. Aploksnes par rezultātu
Lūdziet darbu ik pēc dažām sekundēm, līdz stāvoklis ir pabeigts, tad lejupielādējiet rezultātu_url.
curl "https://api.speechtospeechai.com/v1/speech/results/?uuid=3f2c..." \
-H "Authorization: Bearer YOUR_API_KEY"
{"status": "completed", "result_url": "https://.../output.mp3"}
Autentificēšana
Visiem API pieprasījumiem nepieciešama autentifikācija, izmantojot API atslēgu Authorization galvene.
Authorization: Bearer YOUR_API_KEY
Balss klonēšana
/v1/voice-clone/
Izrunājiet īsa atsauces ieraksta balsī tekstu.
Pieprasījuma iesniedzēja iestāde (daudzkārtēji/formas dati)
| Parametrs | Veids | Vajadzīgs | Apraksts |
|---|---|---|---|
reference_audio |
file | Jā | Ierakstot balsi uz klonu (10-30 sekundes ieteicams, līdz 60) |
text |
string | Jā | Teksts, kas jārunā šajā balsī |
model |
string | Nē | chatterbox, openvoice, bruņurupučus vai ģipšu-sovitus |
language |
string | Nē | Valodas kods (noklusētā: lv) |
Atbildes reakcija
Darba ID (uuid). Poll GET /v1/speech/results/?uid= līdz statusa ir pabeigta un lejupielādēt rezultātu_url.
Teksts uz runu
/v1/tts/
Pārveidot tekstu uz runātāju audio.
Pieprasījuma iesniedzēja iestāde (daudzkārtēji/formas dati)
| Parametrs | Veids | Vajadzīgs | Apraksts |
|---|---|---|---|
text |
string | Jā | Teksts, ko konvertēt (maksimāli 5000 rakstzīmes) |
model |
string | Nē | kokoro (noklusētais), piper, vits vai miza |
voice_id |
string | Nē | Balss id no GET /v1/speech/balss/?modelis= |
language |
string | Nē | Valodas kods (noklusētā: lv) |
speed |
float | Nē | Ātruma reizinātājs (0,5-2.0, noklusējums 1,0) |
format |
string | Nē | wav (noklusētais), mp3, ogg vai flac. SMSL tagi tiek izņemti pirms sintēzes. |
Atbildes reakcija
Darba ID (uuid). Poll GET /v1/speech/results/?uid= līdz statusa ir pabeigta un lejupielādēt rezultātu_url.
Runāšana tekstam
/v1/transcribe/
Atzīmēt argumentus
Pieprasījuma iesniedzēja iestāde (daudzkārtēji/formas dati)
| Parametrs | Veids | Vajadzīgs | Apraksts |
|---|---|---|---|
file |
file | Jā | Audio/video fails transkripcijai |
model |
string | Nē | liela-v3 (noklusējums) vai turbo |
language |
string | Nē | Valodas kods, vai auto to konstatēšanai (noklusētais) |
enable_word_timestamps |
bool | Nē | Pievienot sākuma un beigu laiku katram vārdam |
callback_url |
string | Nē | URL, kas saņem rezultātu pēc darba beigām |
Atbildes reakcija
Darba ID (uuid). Poll GET /v1/trancription/results/?uid= līdz statusa pabeigšanai; atbilde pēc tam ir teksts, valoda un segmenti.
Pieejamie modeļi
Teksta- dēka modeļi
| ID paraugs | Apraksts | Labākais par |
|---|---|---|
kokoro |
Ātrās daudzvalodu TTS | Vispārēja lietošana, zema latentitāte |
piper |
Viegla daudzvalodu TTS (tikai komerciāli licencētas balsis) | Ātrās lēcības 11 valodās |
vits |
LJSpeech plus 108 VCTK angļu valodas runātāji | Angļu akcenti |
bark |
Ģeneratīvie TTS, 130 priekšsesti 13 valodās | Izteiksmīga piegāde (lēna) |
openvoice |
Balss klonēšana un balss konvertēšana | Alternatīva tērzkas logam |
chatterbox |
Nulles attēla balss klonēšana 23 valodās; noklusējuma balss konversijas modelis | Klonēšana no īsa parauga |
Teksta valodas paraugi
| ID paraugs | Apraksts | Labākais par |
|---|---|---|
whisper-large-v3 |
OpenAI Whisper Large v3 | Augstākā precizitāte, daudzvalodu |
whisper-turbo |
Optimizēts Whisper ātrumam | Ātra transkripcija |
Kļūdas kodi
| Kods | Statuss | Apraksts |
|---|---|---|
invalid_api_key |
401 | Nederīga vai trūkstoša API atslēga |
insufficient_credits |
402 | Nepietiek kredītu šai operācijai |
rate_limit_exceeded |
429 | Pārāk daudz pieprasījumu |
invalid_request |
400 | Ja ir atsauce uz šo punktu, piemēro Regulas (ES) Nr. 182/2011 5. pantu. |
model_not_found |
404 | Pieprasījuma modelis neeksistē |
voice_not_found |
404 | Pieprasījuma balss neeksistē |
file_too_large |
413 | Augšupielādētais fails pārsniedz izmēru limitu |
server_error |
500 | Iekšējais servera kļūda |