Snabbstart
Kom igång med Speech to Speech AI API på under 5 minuter.
Baswebbadress
https://api.speechtospeechai.com/v1
1. Börja ett jobb
Varje verktyg är en POST med din API-nyckel. Svaret är ett jobb-ID, inte ljudet.
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. För att undvika att skada den inre marknaden. Resultatmätning
Fråga efter jobbet varannan sekund tills statusen är klar, ladda sedan ner 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"}
Behörighetskontroll
Alla API-förfrågningar kräver behörighetskontroll via en API-nyckel i Authorization Huvud.
Authorization: Bearer YOUR_API_KEY
Röstklappning
/v1/voice-clone/
Tala en text i rösten av en kort referensinspelning.
Begärande organ (flera delar/formuläruppgifter)
| Parameter | Typ | Krävs | Varuslag |
|---|---|---|---|
reference_audio |
file | Ja | Inspelning av rösten till klon (10-30 sekunder rekommenderas, upp till 60) |
text |
string | Ja | Text att tala med den rösten |
model |
string | Inte alls | pratlåda, öppenröst, sköldpaddor eller gpt-sovits |
language |
string | Inte alls | Språkkod (standard: sv) |
Svar
Ett jobb ID (uuid). Prövning GET /v1/tal/resultat/?uuid= tills status är klar och nedladdning resultat_url.
Text till tal
/v1/tts/
Konvertera text till talljud.
Begärande organ (flera delar/formuläruppgifter)
| Parameter | Typ | Krävs | Varuslag |
|---|---|---|---|
text |
string | Ja | Text att konvertera (max 5000 tecken) |
model |
string | Inte alls | Kokoro (standard), piper, vits eller bark |
voice_id |
string | Inte alls | Röst-ID från GET /v1/tal/röster/?modell= |
language |
string | Inte alls | Språkkod (standard: sv) |
speed |
float | Inte alls | Hastighetsmultiplikator (0,5-2,0, standard 1,0) |
format |
string | Inte alls | wav (standard), mp3, ogg eller flac. SSML-taggar tas bort före syntes. |
Svar
Ett jobb ID (uuid). Prövning GET /v1/tal/resultat/?uuid= tills status är klar och nedladdning resultat_url.
Tal till text
/v1/transcribe/
Översätt ljud till text med tidsstämpel.
Begärande organ (flera delar/formuläruppgifter)
| Parameter | Typ | Krävs | Varuslag |
|---|---|---|---|
file |
file | Ja | Ljud-/videofil att transkribera |
model |
string | Inte alls | large-v3 (default) or turbo |
language |
string | Inte alls | Språkkod, eller automatiskt för att upptäcka den (standard) |
enable_word_timestamps |
bool | Inte alls | Lägg till en start och sluttid till varje ord |
callback_url |
string | Inte alls | Webbadress som får resultatet av POST när jobbet avslutas |
Svar
Ett jobb ID (uuid). Prövning GET /v1/transcribe/results/?uuid= tills status är klar; svaret bär sedan text, språk och segment.
Tillgängliga modeller
Text-till-tal-modeller
| Förlaga till ID | Varuslag | Bästa för |
|---|---|---|
kokoro |
Snabb flerspråkiga TTS | Allmän användning, låg latens |
piper |
Lätt flerspråkiga TTS (endast kommersiellt licensierade röster) | Snabba återgivningar på 11 språk |
vits |
LJSpeech plus 108 VCTK Engelska högtalare | Engelska accenter |
bark |
Generativ TTS, 130 förinställningar på 13 språk | Varierad, expressiv leverans (låg) |
openvoice |
Röstkloning och frivillig röstkonvertering | Alternativ till Chatterbox |
chatterbox |
Noll-shot röst kloning på 23 språk; standard röst konvertering modell | Kloning från ett kort prov |
Modeller för tal till text
| Förlaga till ID | Varuslag | Bästa för |
|---|---|---|
whisper-large-v3 |
OpenAI Whisper Large v3 | Högsta noggrannhet, flerspråkig |
whisper-turbo |
Optimerad visir för hastighet | Snabb transkription |
Felkoder
| Ordförande | Status | Varuslag |
|---|---|---|
invalid_api_key |
401 | Ogiltig eller saknad API- nyckel |
insufficient_credits |
402 | Inte tillräckligt med krediter för denna operation |
rate_limit_exceeded |
429 | För många förfrågningar |
invalid_request |
400 | Missbildat begärande organ |
model_not_found |
404 | Begärd modell finns inte |
voice_not_found |
404 | Begärd röst finns inte |
file_too_large |
413 | Uppladdad fil överskrider storleksgränsen |
server_error |
500 | Fel vid intern server |