API-dokumentation

Integrera Speech to Speech AI i dina program med ett enkelt REST API.

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
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
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.

Huvud
Authorization: Bearer YOUR_API_KEY
Få din API-nyckel från din konto instrumentpanelen.

Röstklappning

POST /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

POST /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

POST /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