Тохиргооны баримт бичиг

Зүгээр л REST API-г ашиглан Speech to Speech AI-г програмдаа нэгтгэх.

Хурдан эхлүүлэх

5 минутын дотор Speech to Speech AI API-г ашиглаж эхэлнэ.

Үндсэн URL
https://api.speechtospeechai.com/v1
1. Ажлыг эхлүүлэх

Бүх хэрэгслүүд нь таны API түлхүүртэй POST юм. Хариулт нь дууны бус ажилын ID юм.

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. Үр дүнг асуу

Бүртгэл дуусах хүртэл секунд бүрт ажил асууж, дараа нь result_ url- ийг татаж авна.

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

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

Ангилал

Бүх API хүсэлтүүд нь API түлхүүрээр баталгаажуулах шаардлагатай Authorization толгой

Хуудасны доод хэсэг
Authorization: Bearer YOUR_API_KEY
Таны API түлхүүрийг өөрийнхөө данс.

Дууны дугуй

POST /v1/voice-clone/

Хэсэг хугацааны дараа үүнийг дахин ашиглах боломжтой болно.

Тохиолдлын бие (олон хэсэг/хувийн мэдээллийн хэлбэр)
Параметр Тоглоомын төрөл Заавал Тодорхойлолт
reference_audio file Тийм ээ Клонлох дууны бичлэг (10- 30 секунд зөвлөж байна, 60 хүртэл)
text string Тийм ээ Энэ дуугаар хэлэх текст
model string Үгүй Чатбокс, оффвоуш, тортойз эсвэл гпт-совитс
language string Үгүй Хэлний код (стандарт: en)
Хариулт

Ажлын id (uuid). Status-ийг дуусгах хүртэл GET /v1/speech/results/?uuid=-ийг асууж, result_url-ийг татаж авна.

Үгнээс текст рүү

POST /v1/tts/

Хуудас

Тохиолдлын бие (олон хэсэг/хувийн мэдээллийн хэлбэр)
Параметр Тоглоомын төрөл Заавал Тодорхойлолт
text string Тийм ээ Хуваах текст (5000 тэмдэгт хүртэл)
model string Үгүй kokoro (стандарт), piper, vits эсвэл bark
voice_id string Үгүй GET /v1/speech/voices/?model=-аас дууны id
language string Үгүй Хэлний код (стандарт: en)
speed float Үгүй Speed multiplier (0.5-2.0, default 1.0)
format string Үгүй wav (стандарт), mp3, ogg эсвэл flac. SSML тэмдгүүд синтез хийхээс өмнө устгагдана.
Хариулт

Ажлын id (uuid). Status-ийг дуусгах хүртэл GET /v1/speech/results/?uuid=-ийг асууж, result_url-ийг татаж авна.

Унших

POST /v1/transcribe/

Аудиог цагны тэмдэгтэй текст болгон хөрвүүл.

Тохиолдлын бие (олон хэсэг/хувийн мэдээллийн хэлбэр)
Параметр Тоглоомын төрөл Заавал Тодорхойлолт
file file Тийм ээ Аудио/видео файлыг хөрвүүлэх
model string Үгүй том- v3 (стандарт) эсвэл турбо
language string Үгүй Толь бичгийн код, эсвэл автоматаар олж илрүүлэх (стандарт)
enable_word_timestamps bool Үгүй Бүх үгийн эхлэх, дуусах цагийг нэмнэ
callback_url string Үгүй Ажлын төгсгөлд POST- ээр үр дүнг авах URL
Хариулт

Ажлын id (uuid). Байдлыг дуусгах хүртэл GET /v1/transcribe/results/?uuid= асуулт явуулна; хариулт нь текст, хэл, хэсгүүдийг агуулна.

Байх боломжтой загварууд

Тоглоомын цонхComment
Модель ID Тодорхойлолт Хамгийн сайн
kokoro Олон хэлний хурдан TTS Нийтлэг хэрэглээний бага хугацааны тэсрэлт
piper Хөнгөн олон хэлний TTS (хувийн зөвшөөрөлтэй дуунууд л) 11 хэл дээр хурдан дүрслэх
vits LJSpeech plus 108 VCTK English speakers Англи хэлний онцлог
bark Генераторын TTS, 13 хэлний 130 урьдчилсан тохиргоо Олон янз, илэрхийлэл бүхий (хөгжсөн)
openvoice Хөгжим, дууны нөөц Чатын хайрцагны өөр хувилбар
chatterbox 23 хэлний Zero-shot дууны клон; үндсэн дууны хувиргалтын загвар Хэдхэн жишээнээс клонлох
Хэл ярианы загварууд
Модель ID Тодорхойлолт Хамгийн сайн
whisper-large-v3 OpenAI Whisper Large v3 Маш өндөр нарийвчлалтай, олон хэл
whisper-turbo Хурдтай ажиллахын тулд Whisper-ийг сайжруулав Хурдан хөрвүүлэлт

Хоосон кодууд

Код Бүтэц Тодорхойлолт
invalid_api_key 401 Саарал
insufficient_credits 402 Энэ үйлдлийн хувьд хангалттай кредит байхгүй
rate_limit_exceeded 429 Маш олон хүсэлт
invalid_request 400 Зөвхөн өгөгдлийн санд хадгална
model_not_found 404 Тодорхойлосон загвар байхгүй
voice_not_found 404 Тодорхойлсон дуу байхгүй
file_too_large 413 Хуудасны хэмжээ:
server_error 500 Дотоод серверийн алдаа