Documentação da API

Integre o Speech to Speech AI aos seus aplicativos com uma API REST simples.

Inicio rápido

Comece com a API Speech to Speech AI em menos de 5 minutos.

URL base
https://api.speechtospeechai.com/v1
1. Inicie uma tarefa

Cada ferramenta é um POST com sua chave de API. A resposta é um id de tarefa, não o áudio.

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. Consulte o resultado

Consulte a tarefa a cada poucos segundos até o status ser completed e então baixe 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"}

Autenticação

Todos os pedidos de API requerem autenticação através de uma chave de API no Authorization Cabeçalho.

Cabeçalho
Authorization: Bearer YOUR_API_KEY
Obtenha a sua chave API do seu painel de contas.

Clonagem Voz

POST /v1/voice-clone/

Fale um texto com a voz de uma gravação de referência curta.

Órgão de Pedido (multiparte/forma-dados)
Parâmetro Tipo Requerido Descrição
reference_audio file Sim Gravação da voz a clonar (recomendado 10-30 segundos, até 60)
text string Sim Texto a ser falado com essa voz
model string Não chatterbox, openvoice, tortoise ou gpt-sovits
language string Não Código do idioma (padrão: en)
Resposta

Um id de tarefa (uuid). Consulte GET /v1/speech/results/?uuid= até status ser completed e baixe result_url.

Texto para a fala

POST /v1/tts/

Converter texto para áudio de voz.

Órgão de Pedido (multiparte/forma-dados)
Parâmetro Tipo Requerido Descrição
text string Sim Texto a converter (máximo de 5000 caracteres)
model string Não kokoro (padrão), piper, vits ou bark
voice_id string Não Id da voz obtido em GET /v1/speech/voices/?model=
language string Não Código do idioma (padrão: en)
speed float Não Multiplicador de velocidade (0.5-2.0, padrão 1.0)
format string Não wav (padrão), mp3, ogg ou flac. As tags SSML são removidas antes da síntese.
Resposta

Um id de tarefa (uuid). Consulte GET /v1/speech/results/?uuid= até status ser completed e baixe result_url.

Discurso ao texto

POST /v1/transcribe/

Transcriba áudio para texto com selos de tempo.

Órgão de Pedido (multiparte/forma-dados)
Parâmetro Tipo Requerido Descrição
file file Sim Ficheiro de áudio/vídeo para transcrição
model string Não large-v3 (padrão) ou turbo
language string Não Código do idioma, ou auto para detectá-lo (padrão)
enable_word_timestamps bool Não Adiciona um tempo de início e de fim a cada palavra
callback_url string Não URL que recebe o resultado por POST quando a tarefa termina
Resposta

Um id de tarefa (uuid). Consulte GET /v1/transcribe/results/?uuid= até status ser completed; a resposta então traz text, language e segments.

Modelos disponíveis

Modelos de texto para fala
Identificação do modelo Descrição Ideal para
kokoro TTS multilingue rápido Utilização geral, baixa latência
piper TTS multilingue leve (só vozes licenciadas comercialmente) Renderização rápida em 11 línguas
vits LJSpeak + 108 VCTK falantes inglês Acentos ingleses
bark TTS gerador, 130 presets em 13 línguas Entrega variada e expressiva (lenta)
openvoice Clonagem de voz e conversão de voz opcional Alternativa ao Chatterbox
chatterbox Clonagem de voz zero-shot em 23 idiomas; modelo padrão de conversão de voz Enchimento a partir de uma amostra curta
Modelos de fala para texto
Identificação do modelo Descrição Ideal para
whisper-large-v3 OpenAI Whisper Large v3 Mais precisão, multilingue
whisper-turbo Whisper otimizado para velocidade Transcrição rápida

Códigos de Erro

Código Estado Descrição
invalid_api_key 401 Chave API inválida ou ausente
insufficient_credits 402 Não suficiente créditos para esta operação
rate_limit_exceeded 429 Demasiados pedidos
invalid_request 400 Corpo de pedido mal formado
model_not_found 404 O modelo solicitado não existe
voice_not_found 404 A voz solicitada não existe
file_too_large 413 O arquivo enviado excede o limite de tamanho
server_error 500 Erro interno do servidor