Dokumentacja API
Zintegruj Speech to Speech AI ze swoimi aplikacjami za pomocą prostego REST API.
Szybki start
Zacznij od Speech to Speech AI API za mniej niż 5 minut.
Podstawowy URL
https://api.speechtospeechai.com/v1
1. Uruchom zadanie
Każde narzędzie to żądanie POST z Twoim kluczem API. Odpowiedzią jest identyfikator zadania, a nie plik audio.
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. Odpytuj o wynik
Sprawdzaj zadanie co kilka sekund, aż status będzie completed, a następnie pobierz 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"}
Uwierzytelnienie
Wszystkie żądania API wymagają uwierzytelnienia za pomocą klawisza API w Authorization Nagłówek.
Authorization: Bearer YOUR_API_KEY
Klonowanie głosu
/v1/voice-clone/
Odczytaj tekst głosem z krótkiego nagrania wzorcowego.
Narząd wniosku (większa liczba części/dane formy)
| Parametr | Typ | Wymagany | Opis |
|---|---|---|---|
reference_audio |
file | Tak. | Nagranie głosu do sklonowania (zalecane 10-30 sekund, maksymalnie 60) |
text |
string | Tak. | Tekst do wypowiedzenia tym głosem |
model |
string | Nie | chatterbox, openvoice, tortoise lub gpt-sovits |
language |
string | Nie | Kod języka (domyślnie: en) |
Odpowiedź
Identyfikator zadania (uuid). Odpytuj GET /v1/speech/results/?uuid=, aż status będzie completed, i pobierz result_url.
Tekst do mowy
/v1/tts/
Przekonwertuj tekst do wypowiedzi audio.
Narząd wniosku (większa liczba części/dane formy)
| Parametr | Typ | Wymagany | Opis |
|---|---|---|---|
text |
string | Tak. | Tekst do przetworzenia (maks. 5000 znaków) |
model |
string | Nie | kokoro (domyślnie), piper, vits lub bark |
voice_id |
string | Nie | Identyfikator głosu z GET /v1/speech/voices/?model= |
language |
string | Nie | Kod języka (domyślnie: en) |
speed |
float | Nie | Mnożnik prędkości (0.5-2.0, domyślny 1.0) |
format |
string | Nie | wav (domyślnie), mp3, ogg lub flac. Znaczniki SSML są usuwane przed syntezą. |
Odpowiedź
Identyfikator zadania (uuid). Odpytuj GET /v1/speech/results/?uuid=, aż status będzie completed, i pobierz result_url.
Przemówienie do tekstu
/v1/transcribe/
Przepisuj do tekstu dźwięk z czasowymi śladami.
Narząd wniosku (większa liczba części/dane formy)
| Parametr | Typ | Wymagany | Opis |
|---|---|---|---|
file |
file | Tak. | Plik audio/video do transkrypcji |
model |
string | Nie | large-v3 (domyślnie) lub turbo |
language |
string | Nie | Kod języka lub auto, aby wykryć go automatycznie (domyślnie) |
enable_word_timestamps |
bool | Nie | Dodaj czas początku i końca do każdego słowa |
callback_url |
string | Nie | URL, który otrzyma wynik metodą POST po zakończeniu zadania |
Odpowiedź
Identyfikator zadania (uuid). Odpytuj GET /v1/transcribe/results/?uuid=, aż status będzie completed; odpowiedź zawiera wtedy text, language i segments.
Dostępne modele
Modele zamiany tekstu na mowę
| Wzór identyfikacyjny | Opis | Najlepsze do |
|---|---|---|
kokoro |
Szybka wielojęzyczna TTS | Ogólne stosowanie, niskie zaklęcie |
piper |
Łatwiejsze wielojęzyczne TTS (tylko głosy licencyjne) | Szybkie wyświetlanie w 11 językach |
vits |
LJ Speech plus 108 VCTK English głośniki | Angielski akcent |
bark |
Generatiwny TTS, 130 ustawień w 13 językach | Odmienna, wyrażona dostawa (wolna) |
openvoice |
Klonowanie głosu i opcjonalna konwersja głosu | Alternatywa dla Chatterbox |
chatterbox |
Klonowanie głosu bez przykładów treningowych w 23 językach; domyślny model konwersji głosu | Klonowanie z krótkiej próbki |
Modele zamiany mowy na tekst
| Wzór identyfikacyjny | Opis | Najlepsze do |
|---|---|---|
whisper-large-v3 |
OpenAI Whisper Large v3 | Najwyższa dokładność, wielojęzyczna |
whisper-turbo |
Optymalizowany szeptacz prędkości | Szybka transkrypcja |
Kody błędów
| Kod | Status | Opis |
|---|---|---|
invalid_api_key |
401 | Nieprawidłowy lub brakuje klucza API |
insufficient_credits |
402 | Za mało kredytów na tę operację |
rate_limit_exceeded |
429 | Za dużo wniosków |
invalid_request |
400 | Nieprawidłowy organ wniosku |
model_not_found |
404 | Proszony model nie istnieje |
voice_not_found |
404 | Prośba o głos nie istnieje |
file_too_large |
413 | Wysłany plik przekracza limit rozmiaru |
server_error |
500 | Błąd wewnętrzny serwera |