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 -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 "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.
Authorization: Bearer YOUR_API_KEY
ശബ്ദം ക്ലോണ്
/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
/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
/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 |