АПИ документација

Интегриши Speech to Speech AI у ваше апликације са једноставним РЕСТ АПИ‐ ом.

Брзи почетак

Get started with the Speech to Speech AI API in under 5 minutes.

Основни УРЛ
https://api.speechtospeechai.com/v1
1. Покрени посао

Сваки алат је ПОСТ са вашим АПИ кључем. Одговор је ИД посла, а не аудио.

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. Аттестирање резултата

Тражи посао сваких неколико секунди док се стање не заврши, а затим преузми резултат_ 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"}

Аутентификација

Сви захт› јеви за АПИ захтевају аутентификацију преко АПИ тастера у Authorization Заглавље.

Заглавље
Authorization: Bearer YOUR_API_KEY
Узми свој API кључ од табла налога.

Гласово клонирање

POST /v1/voice-clone/

Говори текст у гласу кратког референтног снимака.

Захт› ијевај тело (мноштво делова/формални подаци)
Параметар тип неопходно Опис
reference_audio file Да. Recording of the voice to clone (10-30 seconds recommended, up to 60)
text string Да. Текст којим се говори тим гласом
model string Не ћаскање, отворен глас, корњача или ГПТ-совицс
language string Не Језик (подразумевано: en)
Одговор

Ид. посла (uid). А. ГЕТ / v1/ Speech/ results/?uid= док се не заврши и не преузме резултат_ url.

Текст у говор

POST /v1/tts/

Претвори текст у говорни звук.

Захт› ијевај тело (мноштво делова/формални подаци)
Параметар тип неопходно Опис
text string Да. Текст за претварање (максимум 5000 знакова)
model string Не кокоро (подразумевано), цевчица, вита или кора
voice_id string Не Гласовна ИД из ГЕТ / v1/ speech/ Voices/?model=
language string Не Језик (подразумевано: en)
speed float Не Speed multiplier (0.5-2.0, default 1.0)
format string Не wav (подразумевано), mp3, gg или flac. ССМЛ ознаке се уклањају пре синтезе.
Одговор

Ид. посла (uid). А. ГЕТ / v1/ Speech/ results/?uid= док се не заврши и не преузме резултат_ url.

Говор на текст

POST /v1/transcribe/

Преписивање звука тексту са временским ознаком.

Захт› ијевај тело (мноштво делова/формални подаци)
Параметар тип неопходно Опис
file file Да. Аудио/ видео фајл за транкрипцију
model string Не велики‐ v3 (подразумевано) или турбо
language string Не Језик, или аутоматски за откривање (подразум› ијевано)
enable_word_timestamps bool Не Додај почетак и крај сваком р› ијечју
callback_url string Не УРЛ који прима резултат ~@ ¦ПОСТ‐ а¦ POSTA‐ a¦ када се посао заврши
Одговор

Ид. посла (uid). АПОЛИ ГЕТ / v1/ transcribe/ results/?uid= док се не заврши статус; одговор затим носи текст, језик и сегменте.

Доступни модели

Модели текста‐ у‐ говор
ИД модела Опис најбоље за
kokoro Брзи јазички ТТС Опште коришћење, ниска латенција
piper Лагани вишејезички ТТС (само комерцијално лиценцан глас) Брзи исписи на 11 језика
vits ЛЈ‐ говор + 108 ВЦТК енглеских звучника енглески нагласци
bark Генеративни ТТС, 130 предефинисаних на 13 језика Разнолик, изражавајући испорука (споро)
openvoice Клонирање гласа и опционо претварање гласа Алтернатива за ћаскање
chatterbox клонирање гласа на 23 језика; подразум› ијевани модел претварања гласа Клонирање од кратког узорка
модели говора у текст
ИД модела Опис најбоље за
whisper-large-v3 OpenAI Whisper Large v3 највиша тачност, језичка
whisper-turbo Оптимизовани шкриптач за брзину Брза транскрипција

Кодови грешака

Код Стање Опис
invalid_api_key 401 Неисправан или недостаје АПИ кључ
insufficient_credits 402 Нема довољно кредита за ову операцију
rate_limit_exceeded 429 Превише захтева
invalid_request 400 Неисправно тело захтева
model_not_found 404 Захт› ијевани модел не постоји
voice_not_found 404 Захт› ијевани глас не постоји
file_too_large 413 Слање фајла превазилази ограничење величине
server_error 500 Унутрашња грешка сервера