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 -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 "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.
Authorization: Bearer YOUR_API_KEY
Klonimi i zërit
/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
/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
/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 |