छिटो सुरुआत
तल मा Speech to Speech AI एपीआई संग सुरु गर्नुहोस्5मिनेट.
आधार यूआरएल
https://api.speechtospeechai.com/v1
१. एउटा काम सुरु गर्नुहोस्
प्रत्येक उपकरण तपाईँको API कुञ्जीसँग POST हो । जवाफ काम आईडी हो, अडियो होइन ।
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. परिणाम लागि Poll
वस्तुस्थिति पूरा नहुन्जेल हरेक केही सेकेन्डमा कामका लागि सोध्नुहोस्, त्यसपछि result_url डाउनलोड गर्नुहोस् ।
curl "https://api.speechtospeechai.com/v1/speech/results/?uuid=3f2c..." \
-H "Authorization: Bearer YOUR_API_KEY"
{"status": "completed", "result_url": "https://.../output.mp3"}
प्रमाणीकरण
सबै API अनुरोधहरूमा एक API कुञ्जी मार्फत प्रमाणीकरण आवश्यक Authorization हेडर
Authorization: Bearer YOUR_API_KEY
आवाज क्लोनिङ
/v1/voice-clone/
छोटो सन्दर्भ रेकर्डिङको आवाजमा पाठ बोल्नुहोस् ।
अनुरोध मुख्य भाग (बहुभाग/रूप-डेटा)
| परिमिति | प्रकार | आवश्यक | वर्णन |
|---|---|---|---|
reference_audio |
file | हो | क्लोन गर्न आवाजको रेकर्डिङ (१०-३० सेकेन्ड सिफारिस गरिएको, ६० सम्म) |
text |
string | हो | त्यो आवाजमा बोल्ने पाठ |
model |
string | होइन | च्याटबक्स, ओपनभ्वाइस, टर्टोइज वा जीपीटी-सोभिट्स |
language |
string | होइन | भाषा सङ्केत (पूर्वनिर्धारित: en) |
प्रतिक्रिया
एक काम आईडी (uuid) । स्थिति पूरा र डाउनलोड result_url सम्म पोल GET /v1/speech/results/?uuid= ।
पाठबाट भाषण
/v1/tts/
Convert text to speech audio.
अनुरोध मुख्य भाग (बहुभाग/रूप-डेटा)
| परिमिति | प्रकार | आवश्यक | वर्णन |
|---|---|---|---|
text |
string | हो | रूपान्तरण गर्न पाठ (अधिकतम ५००० क्यारेक्टर) |
model |
string | होइन | कोकोरो (पूर्वनिर्धारित), पाइपर, भिट्स वा बार्क |
voice_id |
string | होइन | GET /v1/speech/voices/?model= बाट आवाज आईडी |
language |
string | होइन | भाषा सङ्केत (पूर्वनिर्धारित: en) |
speed |
float | होइन | गति गुणक (०.५-२.०, पूर्वनिर्धारित १.०) |
format |
string | होइन | wav (पूर्वनिर्धारित), mp3, ogg वा flac । SSML ट्यागहरू संश्लेषण गर्नु अघि हटाइन्छ । |
प्रतिक्रिया
एक काम आईडी (uuid) । स्थिति पूरा र डाउनलोड result_url सम्म पोल GET /v1/speech/results/?uuid= ।
पाठमा भाषण
/v1/transcribe/
समय चिन्हसँग पाठमा अडियो प्रतिलिपि गर्नुहोस् ।
अनुरोध मुख्य भाग (बहुभाग/रूप-डेटा)
| परिमिति | प्रकार | आवश्यक | वर्णन |
|---|---|---|---|
file |
file | हो | अडियो/भिडियो फाइललाई प्रतिलिपि गर्न |
model |
string | होइन | ठूलो-v3 (पूर्वनिर्धारित) वा टर्बो |
language |
string | होइन | भाषा सङ्केत, वा यसलाई पत्ता लगाउन स्वत: (पूर्वनिर्धारित) |
enable_word_timestamps |
bool | होइन | प्रत्येक शब्दमा सुरु र अन्त्य समय थप्नुहोस् |
callback_url |
string | होइन | काम समाप्त हुँदा POST द्वारा परिणाम प्राप्त गर्ने यूआरएल |
प्रतिक्रिया
एउटा काम आईडी (uuid) । स्थिति पूरा नहुन्जेलसम्म पोल GET /v1/transcribe/results/?uuid=; त्यसपछि जवाफले पाठ, भाषा र खण्डहरू बोक्दछ ।
उपलब्ध नमूना
पाठ-बाट-वाचन नमूना
| नमूना आईडी | वर्णन | यसका लागि उत्तम |
|---|---|---|
kokoro |
छिटो बहुभाषिक TTS | सामान्य प्रयोग, कम लास्टिङ |
piper |
हल्का बहुभाषिक TTS (व्यावसायिक रूपमा लाइसेन्स गरिएको आवाजहरू मात्र) | 11 भाषाहरूमा छिटो रेन्डरहरू |
vits |
LJSpeech प्लस १०८ VCTK अंग्रेजी वक्ताहरू | अङ्ग्रेजी उच्चारण |
bark |
जनरेटिभ TTS, १३ भाषाहरूमा १३० पूर्वनिर्धारित | विविध, अभिव्यक्तिपूर्ण वितरण (धीमा) |
openvoice |
आवाज क्लोनिङ र वैकल्पिक आवाज रूपान्तरण | च्याटरबाकसको विकल्प |
chatterbox |
23 भाषाहरूमा शून्य-शट आवाज क्लोनिङ; पूर्वनिर्धारित आवाज रूपान्तरण मोडेल | छोटो नमूनाबाट क्लोनिङ |
पाठमा भाषण मोडल
| नमूना आईडी | वर्णन | यसका लागि उत्तम |
|---|---|---|
whisper-large-v3 |
OpenAI Whisper Large v3 | उच्चतम शुद्धता, बहुभाषिक |
whisper-turbo |
गतिका लागि अनुकूलित Whisper | छिटो प्रतिलिपि |
त्रुटि सङ्केत
| सङ्केत | वस्तुस्थिति | वर्णन |
|---|---|---|
invalid_api_key |
401 | अवैध वा हराइरहेको API कुञ्जी |
insufficient_credits |
402 | यो सञ्चालनका लागि पर्याप्त क्रेडिट छैन |
rate_limit_exceeded |
429 | धेरै अनुरोध |
invalid_request |
400 | विकृत अनुरोध मुख्य भाग |
model_not_found |
404 | अनुरोध गरिएको नमूना अवस्थित छैन |
voice_not_found |
404 | अनुरोध गरिएको आवाज अवस्थित छैन |
file_too_large |
413 | अपलोड गरिएको फाइल साइज सीमा भन्दा बढी छ |
server_error |
500 | आन्तरिक सर्भर त्रुटि |