API- dokumentasjon
Integrer Speech to Speech AI i dine programmer med et enkelt REST API.
Hurtigstart
Kom i gang med Speech to Speech AI API på mindre enn 5 minutter.
Basis- URL
https://api.speechtospeechai.com/v1
1. Start en jobb
Hvert verktøy er en POST med din API nøkkel. Svaret er en jobb- ID, ikke lyden.
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. Resultat:
Spør etter jobben et par sekunder til statusen er ferdig, og så last ned result_ url.
curl "https://api.speechtospeechai.com/v1/speech/results/?uuid=3f2c..." \
-H "Authorization: Bearer YOUR_API_KEY"
{"status": "completed", "result_url": "https://.../output.mp3"}
Autentisering
Alle API- forespørsler krever autentisering via en API- nøkkel i Authorization topptekst.
Authorization: Bearer YOUR_API_KEY
Stemmekloning
/v1/voice-clone/
Uttal en tekst med stemmen til et kort referanseopptak.
Anmodningsorgan (multipart-/formdata)
| Parameter | Type | Kreves | Beskrivelse |
|---|---|---|---|
reference_audio |
file | Ja | Registrering av stemmen til klone (10-30 sekunder anbefales, opp til 60) |
text |
string | Ja | Tekst å snakke med den stemmen |
model |
string | Nei | chatterboks, åpen stemme, skilpadde eller gpt-sovits |
language |
string | Nei | Språkkode (standard: en) |
Svar
En jobb- id (uuid). Spør GET /v1/speech/results /?uuid= inntil statusen er ferdig og nedlastingsresultat_url.
Tekst til tale
/v1/tts/
Konverter tekst til tale- lyd.
Anmodningsorgan (multipart-/formdata)
| Parameter | Type | Kreves | Beskrivelse |
|---|---|---|---|
text |
string | Ja | Tekst som skal omgjøres (høyst 5000 tegn) |
model |
string | Nei | kokor (standard), piper, viter eller bark |
voice_id |
string | Nei | Stemme-ID fra GET /v1/tale/?modell= |
language |
string | Nei | Språkkode (standard: en) |
speed |
float | Nei | Speed multiplier (0.5-2.0, default 1.0) |
format |
string | Nei | wav (standard), mp3, ogg eller flac. SSML- tagger fjernes før syntesen. |
Svar
En jobb- id (uuid). Spør GET /v1/speech/results /?uuid= inntil statusen er ferdig og nedlastingsresultat_url.
Uttalelse til tekst
/v1/transcribe/
Transcribe lyd til tekst med tidsstempel.
Anmodningsorgan (multipart-/formdata)
| Parameter | Type | Kreves | Beskrivelse |
|---|---|---|---|
file |
file | Ja | Lyd- og videofil som skal transcribes |
model |
string | Nei | stor-v3 (standard) eller turbo |
language |
string | Nei | Språkkode, eller automatisk for å oppdage den (standard) |
enable_word_timestamps |
bool | Nei | Legg til start - og slutt- tid til hvert ord |
callback_url |
string | Nei | URL som mottar resultatet av POST når jobben er ferdig |
Svar
A job id (uuid). Poll GET /v1/transcribe/results/?uuid= until status is completed; the answer then carries text, language and segments.
Tilgjengelige modeller
Tekst- til- tale modeller
| Modell ID | Beskrivelse | Beste for |
|---|---|---|
kokoro |
Rask flerspråklig TTS | Alminnelig bruk, lav latensgrad |
piper |
Lettvektige flerspråklige TTS (bare kommersielt godkjente stemmer) | Raske opptegninger på 11 språk |
vits |
LJSpeech pluss 108 VCTK engelsk høyttalere | Engelsk accent |
bark |
Genererende TTS, 130 forhåndsinnstillinger på 13 språk | Variert, ekspressiv levering (langsom) |
openvoice |
Stemmekloning og valgfritt stemmekonvertering | Alternativ til prateboks |
chatterbox |
Stemmekloning med null skudd på 23 språk, standard talekonverteringsmodell | Kloning fra en kort prøve |
Tale- til- tekst- modeller
| Modell ID | Beskrivelse | Beste for |
|---|---|---|
whisper-large-v3 |
OpenAI Whisper Large v3 | Høyeste nøyaktighet, flerspråklig |
whisper-turbo |
Optimalisert viskel for hastighet | Rask transkription |
Feilkoder
| Kode | Status | Beskrivelse |
|---|---|---|
invalid_api_key |
401 | Ugyldig eller manglende API- nøkkel |
insufficient_credits |
402 | Ikke nok godskrivinger for denne operasjonen |
rate_limit_exceeded |
429 | For mange forespørsler |
invalid_request |
400 | Meldingskropp med feil |
model_not_found |
404 | Etterspurt modell finnes ikke |
voice_not_found |
404 | Ønsket stemme finnes ikke |
file_too_large |
413 | Fil som er lastet opp overskrider størrelsesgrensen |
server_error |
500 | Intern tjenerfeil |