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
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
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.

Nagłówek
Authorization: Bearer YOUR_API_KEY
Pobierz klucz API z swojego Panel rachunków.

Klonowanie głosu

POST /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

POST /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

POST /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