API ලේඛන

සරල REST API සමඟ ඔබේ අයදුම්පත් Speech to Speech AI ඒකාබද්ධ.

ක්‍ෂණික ආරම්භය

යටතේ Speech to Speech AI API සමඟ ආරම්භ කරන්න5මිනිත්තු.

මූලික URL
https://api.speechtospeechai.com/v1
1. රැකියාවක් ආරම්භ

සෑම මෙවලමක්ම ඔබේ API යතුර සමග POST වේ. පිළිතුර රැකියා id වේ, ශ්රව්ය නොවේ.

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. ප්රතිඵල සඳහා ඡන්ද විමසීම

තත්වය සම්පූර්ණ වන තෙක් සෑම තත්පර කිහිපයකට වරක් රැකියාව ඉල්ලා, පසුව බාගත 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"}

අවසරදීම

සියලු API ඉල්ලීම් තුළ API යතුර හරහා සහතික කිරීම අවශ්ය Authorization හිස්වැසුම්.

ශීර්ෂකය
Authorization: Bearer YOUR_API_KEY
ඔබේ API යතුර ලබා ගන්න ගිණුම් දෘශ්‍ය පුවරුව.

හඬ ක්ලෝන කිරීම

POST /v1/voice-clone/

කෙටි උපුටා ගැනීමක් පටිගත කිරීමේ හඬ තුළ පෙළක් කතා කරන්න.

ඉල්ලීම ශරීරය (බහු-පාර්ශ්ව / ආකෘති පත්රය-දත්ත)
පරාමිතීන් වර්ගය අවශ්ය විස්තරය
reference_audio file ඔව් ක්ලෝන කිරීමට හඬ පටිගත කිරීම (10-30 තත්පර නිර්දේශ, 60 දක්වා)
text string ඔව් ඒ හඬින් කතා කරන්න පෙළ
model string නෑ chatterbox, විවෘත කටහඬ, ටොට්සයිට් හෝ gpt-sovits
language string නෑ භාෂා කේතය (පෙරනිමි: en)
ප්‍රතිචාරය

රැකියා ID (uuid). ප්රශ්න පරීක්ෂණය GET /v1/speech/results/?uuid= තත්ත්වය සම්පූර්ණ වන තෙක් හා බාගත result_url.

පෙළ සිට කථාව

POST /v1/tts/

කථාව ශ්රව්ය පෙළ පරිවර්තනය කරන්න.

ඉල්ලීම ශරීරය (බහු-පාර්ශ්ව / ආකෘති පත්රය-දත්ත)
පරාමිතීන් වර්ගය අවශ්ය විස්තරය
text string ඔව් පරිවර්තනය කිරීමට පෙළ (අකුරු 5000 උපරිම)
model string නෑ kokoro (පෙරනිමි), piper, vits හෝ bark
voice_id string නෑ GET /v1/speech/voices/?model= සිට හඬ id
language string නෑ භාෂා කේතය (පෙරනිමි: en)
speed float නෑ වේග ගුණකය (0.5-2.0, පෙරනිමි 1.0)
format string නෑ wav (පෙරනිමි), mp3, ogg හෝ flac. SSML ටැග සංස්ලේෂණයට පෙර ඉවත් කර ඇත.
ප්‍රතිචාරය

රැකියා ID (uuid). ප්රශ්න පරීක්ෂණය GET /v1/speech/results/?uuid= තත්ත්වය සම්පූර්ණ වන තෙක් හා බාගත result_url.

කථාව පෙළට

POST /v1/transcribe/

කාලය මුද්රා සමග පෙළට ශ්රව්ය පරිවර්තනය.

ඉල්ලීම ශරීරය (බහු-පාර්ශ්ව / ආකෘති පත්රය-දත්ත)
පරාමිතීන් වර්ගය අවශ්ය විස්තරය
file file ඔව් පරිවර්තනය කිරීමට ශ්‍රව්‍ය/දෘශ්‍ය ගොනුව
model string නෑ විශාල-v3 (පෙරනිමි) හෝ ටර්බෝ
language string නෑ භාෂා කේතය, හෝ එය හඳුනාගැනීමට ස්වයංක්‍රීයව (පෙරනිමි)
enable_word_timestamps bool නෑ සෑම වචනයකටම ආරම්භක හා අවසාන වේලාව එක් කරන්න
callback_url string නෑ වැඩ අවසන් වූ විට POST මගින් ප්‍රතිඵලය ලැබෙන URL
ප්‍රතිචාරය

රැකියා ID (uuid). තත්ත්වය සම්පූර්ණ වන තෙක් ප්රතිඵල /v1/transcribe/results/?uuid= ප්රතිඵල ලබා; පිළිතුර පසුව පෙළ, භාෂාව සහ කොටස් රැගෙන.

භාවිතයට ඇති ආකෘති

Text-to-Speech Models
ආකෘති ID විස්තරය සඳහා හොඳම
kokoro වේගවත් බහුභාෂා TTS සාමාන්‍ය භාවිතය, අඩු ප්‍රමාදතාව
piper සැහැල්ලු බහුභාෂා TTS (වාණිජ බලපත්ර හඬ පමණක්) භාෂා 11 ක වේගවත් රින්ඩ්
vits LJSpeech ප්ලස් 108 VCTK ඉංග්රීසි කථිකයන් ඉංග්‍රීසි උච්චාරණය
bark ජනනය TTS, 130 භාෂා 13 දී පෙරනිමි විවිධ, ප්රකාශාත්මක බෙදාහැරීම (මන්දගාමී)
openvoice හඬ ක්ලෝන සහ විකල්ප හඬ පරිවර්තනය Alternative to Chatterbox
chatterbox භාෂා 23 ක් ෂේත්ර-ෂොට් හඬ ක්ලෝන; පෙරනිමි හඬ පරිවර්තන ආකෘතිය කෙටි සාම්පලයකින් ක්ලෝන කිරීම
Speech-to-Text Models
ආකෘති ID විස්තරය සඳහා හොඳම
whisper-large-v3 OpenAI Whisper Large v3 ඉහළම නිරවද්යතාව, බහුභාෂා
whisper-turbo වේගය සඳහා උපරිම කළ Whisper වේගවත් පරිවර්තනය

දෝෂ කේත

කේතය තත්වය විස්තරය
invalid_api_key 401 වලංගු හෝ අතුරුදහන් API යතුර
insufficient_credits 402 මෙම මෙහෙයුම සඳහා ප්‍රමාණවත් ක්‍රෙඩිට් නොමැත
rate_limit_exceeded 429 ඉල්ලීම් බොහෝය
invalid_request 400 ඉල්ලුම් ශරීරය අක්‍රියයි
model_not_found 404 ඉල්ලූ ආකෘතිය නොපවතී
voice_not_found 404 ඉල්ලූ හඬ නොපවතී
file_too_large 413 අභිප්‍රේත ගොනුව ප්‍රමාණය සීමාවෙන් ඉක්මවා ඇත
server_error 500 අභ්‍යන්තර සේවාදායක දෝෂය