എപിഐ സഹായക്കുറിപ്പുകള്‍

Integrate Speech to Speech AI into your applications with a simple REST API.

പെട്ടെന്നു് തുടങ്ങുകComment

Get started with the Speech to Speech AI API in under 5 minutes.

അടിസ്ഥാന യുആര്‍എല്‍
https://api.speechtospeechai.com/v1
1. ഒരു ജോലി തുടങ്ങുക

എല്ലാ ഉപകരണങ്ങളും നിങ്ങളുടെ API കീയുടെ പോസ്റ്റ് ആണ്. ഉത്തരം ഒരു ജോലിയുടെ ഐഡി ആണ്, ശബ്ദമല്ല.

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. ഫലത്തിന്‍റെ പോള്‍

അവസ്ഥ തീരുന്നതുവരെ ജോലിക്ക് ചോദിയ്ക്കുക, പിന്നെ ഫലം_url ഡൌണ്‍ലോഡ് ചെയ്യുക.

cURL
curl "https://api.speechtospeechai.com/v1/speech/results/?uuid=3f2c..." \
  -H "Authorization: Bearer YOUR_API_KEY"

{"status": "completed", "result_url": "https://.../output.mp3"}

ആധികാരകത ഉറപ്പുവരുത്തല്‍

എല്ലാ API ആവശ്യങ്ങളും ആവശ്യമുണ്ട്, API കീയിലൂടെയ്ക്കുന്നതിലൂടെ. Authorization ഹെഡ്ഡര്‍.

ഹെഡര്‍
Authorization: Bearer YOUR_API_KEY
നിങ്ങളുടെ API കീയില്‍ നിന്നും എടുക്കുക അക്കൗണ്ട് ഡാഷ്ബോര്‍ഡ്Comment.

ശബ്ദം ക്ലോണ്‍

POST /v1/voice-clone/

ചെറിയൊരു റിക്കോര്‍ഡ്‌ ചെയ്തിരിക്കുന്ന ഒരു വാചകം വായിയ്ക്കുക.

അപേക്ഷയുടെ ശരീരം (multipart/dait)
പരാമീറ്റര്‍ തരം ആവശ്യമുണ്ട് വിവരണം
reference_audio file അതെ ക്ലോണ്‍ ചെയ്ത ശബ്ദം റെക്കോര്‍ഡ് ചെയ്യുന്നു 10-30 സെക്കന്‍റ്, 60 വരെ.)
text string അതെ ആ ശബ്ദത്തില്‍ സംസാരിക്കാനുള്ള പാഠം
model string ഇല്ല സ്പ്രെഡ്ബോക്സ്, തുറന്ന കോമണ്‍, ആമ, ജിപ്-സോവ്സ്
language string ഇല്ല ഭാഷാ കോഡ് (സഹജം: en)
മറുപടി

ഒരു ജോലിയുടെ ഐഡി (uuid). പോള്‍ ഗമനം /v1/sulets/hats/? uuid=അഭികാമ്യം പൂര്‍ത്തിയായി_download.

സംസാരത്തിനുള്ള പദാവലി

POST /v1/tts/

വാചകം സംസാര ഓഡിയോ ആക്കി മാറ്റുക.

അപേക്ഷയുടെ ശരീരം (multipart/dait)
പരാമീറ്റര്‍ തരം ആവശ്യമുണ്ട് വിവരണം
text string അതെ മാറ്റേണ്ട വാചകം (അമാതൃക 5000 അക്ഷരങ്ങള്‍)
model string ഇല്ല കൊക്കോറോ (സഹജം), പൈപ്പർ, വിറ്റ്സ്, കുഴൽ എന്നിവ
voice_id string ഇല്ല ഞ്ചിങ് /v1/പിറേഷന്‍/വിശദാം/അല്‍ നിന്നും ശബ്ദം id
language string ഇല്ല ഭാഷാ കോഡ് (സഹജം: en)
speed float ഇല്ല Speed multiplier (0.5-2.0, default 1.0)
format string ഇല്ല വാവ് (സഹജം), mp3, ഓഗ് അല്ലെങ്കില്‍ ഫ്ലാക്ക്. SSML ടാഗുകള്‍ സിനിറ്റിസ് ചെയ്യപ്പെടുന്നതിനു മുന്‍പ് നീക്കം ചെയ്യപ്പെടും.
മറുപടി

ഒരു ജോലിയുടെ ഐഡി (uuid). പോള്‍ ഗമനം /v1/sulets/hats/? uuid=അഭികാമ്യം പൂര്‍ത്തിയായി_download.

വാചകത്തോടു് സംസാരം

POST /v1/transcribe/

സമയ വേഗത കുറയ്ക്കുക [J]

അപേക്ഷയുടെ ശരീരം (multipart/dait)
പരാമീറ്റര്‍ തരം ആവശ്യമുണ്ട് വിവരണം
file file അതെ റിക്കോര്‍ഡ് ചെയ്യുന്നതിനായി ഓഡിയോ/വീഡിയോ ഫയല്‍
model string ഇല്ല വലിയ w3 (സഹജമായ) അല്ലെങ്കില്‍ ടര്‍ബോ
language string ഇല്ല ഭാഷാ കോഡ്, അല്ലെങ്കില്‍ സ്വയം കണ്ടുപിടിക്കുവാനുള്ള ഉപാധി (സഹജമായ)
enable_word_timestamps bool ഇല്ല ഓരോ വാക്കുമായി ഒരു തുടക്കവും അവസാനവും ചേര്‍ക്കുക
callback_url string ഇല്ല ജോലി അവസാനിച്ചാല്‍ പോസ്റ്റ്‌-ആര്‍എല്‍ - ഇന്‍പുട്ട് ലഭിക്കുന്നു
മറുപടി

ഒരു ജോലിയുടെ ഐഡി (uuid). പോള്‍ ഗമനം /v1- ന്‍റെ റെന്‍റന്‍റ്/ resuults/? uuu==അടുത്തത് സമയം തീരുന്നതുവരെ; അപ്പോള്‍ ഉത്തരം ലേഖനവും ഭാഷയും ഭാഷയും ഭാഗങ്ങളും ലഭ്യമാക്കുന്നു.

ലഭ്യമായ മോഡലുകള്‍

Text-to-Speech Models
മോഡല്‍ ഐഡി വിവരണം നല്ലതിനാണ്.
kokoro വേഗത്തിലുള്ള ഭാഷാപഠന ടിടിഎസ് സാധാരണ ഉപയോഗം, ലോറിനടിയില്‍
piper ചെറിയ റേഡിയന്റ് ടിടിഎസ് (അക്ഷരം റെസിപ്ഡ്‌ ചെയ്ത ശബ്ദങ്ങൾ മാത്രം) 11 ഭാഷകളിൽ വേഗത്തില്‍ പരിഭാഷപ്പെടുത്തുന്നു
vits LJ സ്പീക്കറും 108 VCTK ഇംഗ്ലീഷുകാരും ഇംഗ്ലീഷ് ആക്സന്‍ഷനുകള്‍dictionary variant
bark Generative TTS, 130 presets in 13 languages മാറി, ശബ്ദസമുദ്രം (സൌമ്യത)
openvoice ശബ്ദത്തോടൊപ്പം നാവിന്റെ മാറ്റം ചാറ്റര്‍ബോക്സ് മാറ്റുന്നതിനുള്ള പകരങ്ങള്‍
chatterbox Zero- ഹോട്ട് ശബ്ദം കണ്‍സോണിന്‍ 23 ഭാഷകളില്‍; സഹജമായ ശബ്ദ പരിവർത്തനം മോഡല്‍ ചെറിയ സാമ്പിളിൽ നിന്നും ക്ലൗൺ
സംസാരത്തില്‍ നിന്നും ലേഖനങ്ങളുടെ മോഡലുകള്‍
മോഡല്‍ ഐഡി വിവരണം നല്ലതിനാണ്.
whisper-large-v3 OpenAI Whisper Large v3 ഏറ്റവും കൃത്യതയുള്ളത്, ബഹുഭാഷാഭേദം
whisper-turbo വേഗതയ്ക്കു് വേണ്ടിയുള്ള വിസിറ്റഡ് വിസ്പര്‍ വേഗതയേറിയ

പിശകിന്റെ കോഡ്

കോഡ് അവസ്ഥ വിവരണം
invalid_api_key 401 അസാധുവായ അല്ലെങ്കില്‍ അവ്യക്തമായ കീ
insufficient_credits 402 ഈ പ്രക്രിയയ്ക്കുള്ള ആവശ്യത്തിന് അക്കങ്ങള്‍ ലഭ്യമല്ല
rate_limit_exceeded 429 വളരെ അധികം ആവശ്യങ്ങള്‍
invalid_request 400 തെറ്റായ ആവശ്യം ഉള്ള ശരീരം
model_not_found 404 ആവശ്യപ്പെട്ട മോഡ് നിലവിലില്ല
voice_not_found 404 ആവശ്യപ്പെട്ട ശബ്ദം നിലവിലില്ല
file_too_large 413 അപ്ലോഡ് ചെയ്ത ഫയലിന്റെ വലിപ്പം പരിധിയെ കവിയുന്നു
server_error 500 ആന്തരിക സര്‍വര്‍ തെറ്റ്