API документација
Интегрирајте го Speech to Speech AI во вашите апликации со едноставен REST API.
Брз почеток
Get started with the Speech to Speech AI API in under 5 minutes.
Основен URL
https://api.speechtospeechai.com/v1
1. Започни задача
Секоја алатка е POST со вашиот API клуч. Одговорот е идентификација на задачата, а не аудиото.
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. Анкета за резултатот
Барај задача на секои неколку секунди додека не биде завршен статусот, потоа симнувај резултат_ url.
curl "https://api.speechtospeechai.com/v1/speech/results/?uuid=3f2c..." \
-H "Authorization: Bearer YOUR_API_KEY"
{"status": "completed", "result_url": "https://.../output.mp3"}
Автентификација
Сите API барања бараат автентичност преку API- тастатура во Authorization Заглавје.
Authorization: Bearer YOUR_API_KEY
Гласово клонирање
/v1/voice-clone/
Зборувај со текст во гласот на кратка референтна снимка.
Барано тело (многу делови/формални податоци)
| Параметр | Тип | Потребно | Опис |
|---|---|---|---|
reference_audio |
file | Да. | Снимање на гласот за клонирање (10-30 секунди препорачано, до 60) |
text |
string | Да. | Текст за говор со тој глас |
model |
string | Не. | брадавица, отворен глас, желка или gpt-sovits |
language |
string | Не. | Код за јазикот (стандардно: en) |
Одговор
Ид. на задачата (uuid). Победа на GET / v1/sheech/reults/?uid= додека не биде завршен статусот и да симне резултат_ url.
Текст за говор
/v1/tts/
Претвора текст во говорно аудио.
Барано тело (многу делови/формални податоци)
| Параметр | Тип | Потребно | Опис |
|---|---|---|---|
text |
string | Да. | Текст за конвертирање (максимум 5000 знаци) |
model |
string | Не. | Kokoro (стандардно), цевки, вити или кора |
voice_id |
string | Не. | Гласовна идентификација од GET / v1/sheech/ Voices/?model= |
language |
string | Не. | Код за јазикот (стандардно: en) |
speed |
float | Не. | Speed multiplier (0.5-2.0, default 1.0) |
format |
string | Не. | wav (стандардно), mp3, ogg или flac. ССМЛ ознаките се отстрануваат пред синтеза. |
Одговор
Ид. на задачата (uuid). Победа на GET / v1/sheech/reults/?uid= додека не биде завршен статусот и да симне резултат_ url.
Говор на текст
/v1/transcribe/
Препиши го звукот на текстот со временски знаци.
Барано тело (многу делови/формални податоци)
| Параметр | Тип | Потребно | Опис |
|---|---|---|---|
file |
file | Да. | Аудио/видео датотека за транскрипција |
model |
string | Не. | големи- v3 (стандардно) или турбо |
language |
string | Не. | Код на јазикот или автоматски за откривање (стандардно) |
enable_word_timestamps |
bool | Не. | Додај почеток и крај на секој збор |
callback_url |
string | Не. | URL кој го добива резултатот од POST кога работата ќе заврши |
Одговор
Ид. на задачата (uuid). Победа на ГИТ / v1/transcribe/results/?uid= додека не заврши статусот; одговорот потоа носи текст, јазик и сегменти.
Достапни модели
Модели на текст- во- говор
| Ид. на модел | Опис | Најдобро за |
|---|---|---|
kokoro |
Брзо- езичен ТТС | Општа употреба, ниска латентност |
piper |
Лесно езичен ТТС (само комерцијално лиценцани гласови) | Брзо изработува на 11 јазици |
vits |
LJ Speech + 108 VCTK Англиски звучници | Нагласок на англиски |
bark |
Генеративно TTS, 130 претпоставки на 13 јазици | Различни, експресивни испораки (споро) |
openvoice |
Гласовно клонирање и опциона конвертација на глас | Алтернатива на чаттербокс |
chatterbox |
клонирање на глас со нулти удар на 23 јазици; стандарден модел за претворање на глас | Клонирање од краток примерок |
Модели од говор до текст
| Ид. на модел | Опис | Најдобро за |
|---|---|---|
whisper-large-v3 |
OpenAI Whisper Large v3 | Највисока точност, евангеличка |
whisper-turbo |
Оптимизиран шепот за брзина | Брза транскрипција |
Кодови на грешки
| Код | Статус | Опис |
|---|---|---|
invalid_api_key |
401 | Невалиден или недостасува API- клуч |
insufficient_credits |
402 | Нема доволно кредити за оваа операција |
rate_limit_exceeded |
429 | Премногу барања |
invalid_request |
400 | Неправилно тело на барање |
model_not_found |
404 | Бараниот модел не постои |
voice_not_found |
404 | Бараниот глас не постои. |
file_too_large |
413 | Внесената датотека ја надминува ограничувањето на големината |
server_error |
500 | Внатрешна грешка на серверот |