API ਡੌਕੂਮੈਂਟੇਸ਼ਨ
Speech to Speech AI ਨੂੰ ਆਪਣੇ ਐਪਲੀਕੇਸ਼ਨ ਵਿੱਚ ਇੱਕ ਸਧਾਰਨ REST API ਨਾਲ ਇੱਕਜੁਟ ਕਰੋ ।
ਤੁਰੰਤ ਸ਼ੁਰੂ
Speech to Speech AI API ਨਾਲ5ਮਿੰਟਾਂ ਵਿੱਚ ਸ਼ੁਰੂ ਕਰੋ ।
ਬੇਸ URL
https://api.speechtospeechai.com/v1
1. ਇੱਕ ਕੰਮ ਸ਼ੁਰੂ ਕਰੋ
ਹਰੇਕ ਟੂਲ ਤੁਹਾਡੀ API ਕੁੰਜੀ ਨਾਲ POST ਹੈ। ਜਵਾਬ ਇੱਕ ਜਾਬ id ਹੈ, ਆਡੀਓ ਨਹੀਂ ਹੈ।
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. Poll for the result
ਹਰੇਕ ਕੁਝ ਸਕਿੰਟ ਬਾਅਦ ਜਾਬ ਲਈ ਪੁੱਛੋ, ਜਦੋਂ ਤੱਕ ਹਾਲਤ ਪੂਰਾ ਨਾ ਹੋ ਜਾਵੇ, ਫਿਰ result_ url ਡਾਊਨਲੋਡ ਕਰੋ ।
curl "https://api.speechtospeechai.com/v1/speech/results/?uuid=3f2c..." \
-H "Authorization: Bearer YOUR_API_KEY"
{"status": "completed", "result_url": "https://.../output.mp3"}
ਪਰਮਾਣਕਿਤਾ
ਸਭ API ਮੰਗਾਂ ਲਈ ਇੱਕ API ਕੁੰਜੀ ਰਾਹੀਂ ਪਰਮਾਣਕਿਤਾ ਦੀ ਲੋੜ ਹੈ Authorization ਹੈੱਡਰ
Authorization: Bearer YOUR_API_KEY
ਬੋਲੀ ਕਲੋਨਿੰਗ
/v1/voice-clone/
ਇੱਕ ਛੋਟੇ ਹਵਾਲਾ ਰਿਕਾਰਡਿੰਗ ਦੀ ਆਵਾਜ਼ ਵਿੱਚ ਇੱਕ ਟੈਕਸਟ ਬੋਲੋ ।
ਬੇਨਤੀ ਭਾਗ (ਬਹੁ-ਭਾਗ/ਫਾਰਮ-ਡਾਟਾ)
| ਪੈਰਾਮੀਟਰ | ਟਾਈਪ | ਲੋੜੀਦਾ | ਵੇਰਵਾ |
|---|---|---|---|
reference_audio |
file | ਹਾਂ | ਕਲੋਨ ਕਰਨ ਲਈ ਆਵਾਜ਼ ਰਿਕਾਰਡਿੰਗ (10- 30 ਸਕਿੰਟ ਸਿਫਾਰਸ਼ੀ, 60 ਤੱਕ) |
text |
string | ਹਾਂ | ਇਸ ਆਵਾਜ਼ ਵਿੱਚ ਬੋਲਣ ਲਈ ਟੈਕਸਟ |
model |
string | ਕੋਈ ਨਹੀਂ | ਚੈਟਰਬਕਸ, ਓਪਨਵਾਇਸ, ਟਰਟਾਇਸ ਜਾਂ gpt-sovits |
language |
string | ਕੋਈ ਨਹੀਂ | ਭਾਸ਼ਾ ਕੋਡ (ਮੂਲ: en) |
ਜਵਾਬ
ਇੱਕ ਜਾਬ id (uuid) ਹੈ । ਹਾਲਤ ਮੁਕੰਮਲ ਹੋਣ ਤੱਕ ਅਤੇ result_ url ਡਾਊਨਲੋਡ ਕਰਨ ਤੱਕ ਪੁਲ GET /v1/speech/results/?uuid= ਹੈ ।
ਪਾਠ ਤੋਂ ਬੋਲੀ
/v1/tts/
ਟੈਕਸਟ ਨੂੰ ਬੋਲੀ ਆਡੀਓ ਵਿੱਚ ਬਦਲੋ ।
ਬੇਨਤੀ ਭਾਗ (ਬਹੁ-ਭਾਗ/ਫਾਰਮ-ਡਾਟਾ)
| ਪੈਰਾਮੀਟਰ | ਟਾਈਪ | ਲੋੜੀਦਾ | ਵੇਰਵਾ |
|---|---|---|---|
text |
string | ਹਾਂ | ਬਦਲਣ ਲਈ ਪਾਠ (5000 ਅੱਖਰ ਵੱਧੋ- ਵੱਧ) |
model |
string | ਕੋਈ ਨਹੀਂ | ਕੋਕੋਰੋ (ਮੂਲ), ਪਾਈਪਰ, ਵਿਟਸ ਜਾਂ ਬਾਰਕ |
voice_id |
string | ਕੋਈ ਨਹੀਂ | GET /v1/speech/voices/?model= ਤੋਂ ਵੌਇਸ id |
language |
string | ਕੋਈ ਨਹੀਂ | ਭਾਸ਼ਾ ਕੋਡ (ਮੂਲ: en) |
speed |
float | ਕੋਈ ਨਹੀਂ | ਸਪੀਡ ਗੁਣਨਖੰਡ (0.5- 2.0, ਡਿਫਾਲਟ 1.0) |
format |
string | ਕੋਈ ਨਹੀਂ | wav (ਮੂਲ), mp3, ogg ਜਾਂ flac । SSML ਟੈਗ ਸੰਸਲੇਸ਼ਣ ਤੋਂ ਪਹਿਲਾਂ ਹਟਾਏ ਜਾਂਦੇ ਹਨ । |
ਜਵਾਬ
ਇੱਕ ਜਾਬ id (uuid) ਹੈ । ਹਾਲਤ ਮੁਕੰਮਲ ਹੋਣ ਤੱਕ ਅਤੇ result_ url ਡਾਊਨਲੋਡ ਕਰਨ ਤੱਕ ਪੁਲ GET /v1/speech/results/?uuid= ਹੈ ।
ਬੋਲੀ ਤੋਂ ਪਾਠ
/v1/transcribe/
ਆਡੀਓ ਨੂੰ ਟਾਈਮ- ਸਟੈਂਪ ਨਾਲ ਟੈਕਸਟ ਵਿੱਚ ਤਬਦੀਲ ਕਰੋ ।
ਬੇਨਤੀ ਭਾਗ (ਬਹੁ-ਭਾਗ/ਫਾਰਮ-ਡਾਟਾ)
| ਪੈਰਾਮੀਟਰ | ਟਾਈਪ | ਲੋੜੀਦਾ | ਵੇਰਵਾ |
|---|---|---|---|
file |
file | ਹਾਂ | ਟਰਾਂਸਕਰੀਪਸ਼ਨ ਲਈ ਆਡੀਓ/ਵੀਡੀਓ ਫਾਇਲ |
model |
string | ਕੋਈ ਨਹੀਂ | ਵੱਡਾ- v3 (ਮੂਲ) ਜਾਂ ਟੁਰਬੋ |
language |
string | ਕੋਈ ਨਹੀਂ | ਭਾਸ਼ਾ ਕੋਡ, ਜਾਂ ਆਟੋਮੈਟਿਕ ਖੋਜ ਲਈ (ਮੂਲ) |
enable_word_timestamps |
bool | ਕੋਈ ਨਹੀਂ | ਹਰ ਸ਼ਬਦ ਲਈ ਸ਼ੁਰੂ ਅਤੇ ਅੰਤ ਸਮਾਂ ਸ਼ਾਮਲ |
callback_url |
string | ਕੋਈ ਨਹੀਂ | URL, ਜੋ ਕਿ POST ਰਾਹੀਂ ਨਤੀਜਾ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ, ਜਦੋਂ ਕੰਮ ਮੁਕੰਮਲ ਹੁੰਦਾ ਹੈ |
ਜਵਾਬ
ਇੱਕ ਜਾਬ id (uuid) ਹੈ । ਹਾਲਤ ਮੁਕੰਮਲ ਹੋਣ ਤੱਕ ਪੁੱਛੋ GET /v1/transcribe/results/?uuid=; ਜਵਾਬ ਪਾਠ, ਭਾਸ਼ਾ ਅਤੇ ਸੈਗਮੈਂਟ ਲੈਂਦਾ ਹੈ ।
ਉਪਲੱਬਧ ਮਾਡਲ
ਪਾਠ- ਤੋਂ- ਬੋਲੀ ਮਾਡਲ
| ਮਾਡਲ ID | ਵੇਰਵਾ | ਸਭ ਤੋਂ ਵਧੀਆ |
|---|---|---|
kokoro |
ਤੇਜ਼ ਬਹੁ- ਭਾਸ਼ਾ TTS | ਆਮ ਵਰਤੋਂ, ਘੱਟ ਲੈਂਟੇਸੀ |
piper |
ਹਲਕਾ ਬਹੁ- ਭਾਸ਼ਾ TTS (ਸਿਰਫ ਵਪਾਰਕ ਲਾਈਸੈਂਸ ਵਾਲੀਆਂ ਆਵਾਜ਼ਾਂ) | 11 ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਤੇਜ਼ ਰੈਂਡਰਿੰਗ |
vits |
LJSpeech plus 108 VCTK English speakers | ਅੰਗਰੇਜ਼ੀ ਇਕਸਟੈਨਸ਼ਨ |
bark |
ਜਨਰੇਟਿਵ TTS, 13 ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ 130 ਪਹਿਲਾਂ- ਸੈੱਟ | ਵੱਖਰਾ, ਸਪੱਸ਼ਟ ਪਰਾਪਤ (ਹੌਲੀ) |
openvoice |
ਬੋਲੀ ਕਲੋਨਿੰਗ ਅਤੇ ਚੋਣਵੀਂ ਬੋਲੀ ਬਦਲੋ | ਚੈਟਰਬਾਕਸ ਲਈ ਬਦਲ |
chatterbox |
23 ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਜ਼ੀਰੋ-ਸ਼ੋਟ ਬੋਲੀ ਕਲੋਨਿੰਗ; ਡਿਫਾਲਟ ਬੋਲੀ ਬਦਲਣ ਮਾਡਲ | ਛੋਟੇ ਨਮੂਨੇ ਤੋਂ ਕਲੋਨਿੰਗ |
Speech-to-Text Models
| ਮਾਡਲ ID | ਵੇਰਵਾ | ਸਭ ਤੋਂ ਵਧੀਆ |
|---|---|---|
whisper-large-v3 |
OpenAI Whisper Large v3 | ਸਭ ਤੋਂ ਵੱਧ ਸਹੀ, ਬਹੁ- ਭਾਸ਼ਾ |
whisper-turbo |
ਸਪੀਡ ਲਈ ਅਨੁਕੂਲ Whisper | ਤੇਜ਼ ਟਰਾਂਸਲੇਸ਼ਨ |
ਗਲਤੀ ਕੋਡ
| ਕੋਡ | ਹਾਲਤ | ਵੇਰਵਾ |
|---|---|---|
invalid_api_key |
401 | ਗਲਤ ਜਾਂ ਗੁੰਮ API ਕੁੰਜੀ |
insufficient_credits |
402 | ਇਸ ਕਾਰਵਾਈ ਲਈ ਲੋੜੀਦੇ ਕ੍ਰੈਡਿਟ ਨਹੀਂ ਹਨ |
rate_limit_exceeded |
429 | ਬਹੁਤ ਸਾਰੀਆਂ ਮੰਗਾਂ |
invalid_request |
400 | ਗਲਤ ਫਾਰਮੈਟ ਦੀ ਬੇਨਤੀ ਬਾਡੀ |
model_not_found |
404 | ਲੋੜੀਦਾ ਮਾਡਲ ਮੌਜੂਦ ਨਹੀਂ ਹੈ |
voice_not_found |
404 | ਲੋੜੀਦੀ ਆਵਾਜ਼ ਮੌਜੂਦ ਨਹੀਂ ਹੈ |
file_too_large |
413 | ਅੱਪਲੋਡ ਕੀਤੀ ਫਾਇਲ ਸਾਈਜ਼ ਲਿਮਟ ਤੋਂ ਵੱਧ ਹੈ |
server_error |
500 | ਅੰਦਰੂਨੀ ਸਰਵਰ ਗਲਤੀ |