Dokumentacioni API

Integro Speech to Speech AI në aplikacionet e tua me një API të thjeshtë REST.

Fillimi i shpejtë

Fillo me API-në Speech to Speech AI në më pak se 5 minuta.

URL e bazë
https://api.speechtospeechai.com/v1
1. Start a job

Çdo instrument është një POST me çelësin tuaj API. Përgjigjia është një id pune, jo 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. Poll for the result

Kërko për punë çdo disa sekonda deri sa të përfundojë gjendja, pastaj shkarko 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"}

Autentifikim

Të gjitha kërkesat API kërkojnë autentifikim nëpërmjet një kyçi API në Authorization kreu.

Kreu
Authorization: Bearer YOUR_API_KEY
Merr çelësin tënd API nga paneli i llogarisë.

Klonimi i zërit

POST /v1/voice-clone/

Flisni një tekst me zërin e një regjistrimi të shkurtër referuese.

Korpi i kërkesës (multipart/form-data)
Parametrat Lloji E nevojshme Përshkrimi
reference_audio file Po Inçizimi i zërit për t'u klonuar (10-30 sekonda të rekomanduara, deri në 60)
text string Po Teksti për të folur në atë zë
model string Jo. chatbox, openvoice, tortoise ose gp-sovits
language string Jo. Kodi i gjuhës (i prezgjedhur: en)
Përgjigju

Një id pune (uuid). Poll GET /v1/speech/results/?uuid= deri sa statusi të përfundojë dhe shkarko result_url.

Teksti në Fjalë

POST /v1/tts/

Kthe tekstin në audio të folur.

Korpi i kërkesës (multipart/form-data)
Parametrat Lloji E nevojshme Përshkrimi
text string Po Teksti për t'u konvertuar (maksimum 5000 karaktere)
model string Jo. kokoro (e prezgjedhur), piper, vits ose bark
voice_id string Jo. ID e zërit nga GET /v1/speech/voices/?model=
language string Jo. Kodi i gjuhës (i prezgjedhur: en)
speed float Jo. Shumëfishues i shpejtësisë (0.5-2.0, i prezgjedhur 1.0)
format string Jo. wav (i prezgjedhur), mp3, ogg ose flac. Tag-ët SSML hiqen para sintetizimit.
Përgjigju

Një id pune (uuid). Poll GET /v1/speech/results/?uuid= deri sa statusi të përfundojë dhe shkarko result_url.

Fjalë në tekst

POST /v1/transcribe/

Transkribo audio në tekst me shenja kohore.

Korpi i kërkesës (multipart/form-data)
Parametrat Lloji E nevojshme Përshkrimi
file file Po File audio/video për t'u transkribuar
model string Jo. large-v3 (e prezgjedhur) ose turbo
language string Jo. Kodi i gjuhës, ose auto për të zbuluar atë (i prezgjedhur)
enable_word_timestamps bool Jo. Shto një kohë fillimi dhe mbarimi për çdo fjalë
callback_url string Jo. URL që merr rezultatin me POST kur përfundon detyra
Përgjigju

Një id pune (uuid). Poll GET /v1/transcribe/results/?uuid= deri sa gjendja të përfundojë; përgjigja pastaj përmban tekst, gjuhë dhe segmente.

Modelet në dispozicion

Teksti në Folje
ID e modelit Përshkrimi Më i miri për
kokoro TTS i shpejtë shumëgjuhësh Përdorim i përgjithshëm, vonësia e ulët
piper TTS i lehtë shumëgjuhësh (vetëm zëra me licensë komerciale) Shfaqje të shpejta në 11 gjuhë
vits LJSpeech plus 108 folës anglisht VCTK Aksenti anglisht
bark Generative TTS, 130 paracaktime në 13 gjuhë Variable, ekspresive delivery (slow)
openvoice Klonimi i zërit dhe konvertimi opsional i zërit Alternativë për Chatbox
chatterbox Klonimi i zërit zero-shot në 23 gjuhë; modeli i paracaktuar i konvertimit të zërit Klonimi nga një shembull i shkurtër
Modelet e Fjalës në Tekst
ID e modelit Përshkrimi Më i miri për
whisper-large-v3 OpenAI Whisper Large v3 Saktësi më e lartë, shumëgjuhëshe
whisper-turbo Optimizuar për shpejtësi Transkriptim i shpejtë

Kodi i gabimit

Kodi Gjendja Përshkrimi
invalid_api_key 401 Kyçi i pavlefshëm apo mungon
insufficient_credits 402 Nuk ka kredite të mjaftueshme për këtë operacion
rate_limit_exceeded 429 Tepër kërkesa
invalid_request 400 Korpi i kërkesës i paformuar
model_not_found 404 Modeli i kërkuar nuk ekziston
voice_not_found 404 Zëri i kërkuar nuk ekziston
file_too_large 413 File i ngarkuar kapërcen kufirin e madhësisë
server_error 500 Gabim i brendshëm serveri