API ஆவணமாக்கம்
Speech to Speech AI ஐ எளிய REST API யுடன் உங்கள் பயன்பாடுகளில் ஒருங்கிணைக்கவும்.
விரைவு துவக்கம்
Speech to Speech AI API ஐ5நிமிடங்களுக்குள் தொடங்கவும்.
அடிப்படை URL
https://api.speechtospeechai.com/v1
1. ஒரு பணியைத் துவக்குக
ஒவ்வொரு கருவியும் உங்கள் API விசையுடன் POST ஆகும். பதில் வேலை அடையாளம், ஒலி அல்ல.
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. முடிவுக்கான வாக்குப்பதிவு
நிலை முடிவடைவதற்கு முன் ஒவ்வொரு சில நொடிகளுக்கும் பணியை கேட்கவும், பின்னர் result_ url ஐ பதிவிறக்கவும்.
curl "https://api.speechtospeechai.com/v1/speech/results/?uuid=3f2c..." \
-H "Authorization: Bearer YOUR_API_KEY"
{"status": "completed", "result_url": "https://.../output.mp3"}
உரிமம்
அனைத்து API கோரிக்கைகளுக்கும் ஒரு API விசை மூலம் உறுதிப்படுத்தல் தேவை Authorization தலைப்பு
Authorization: Bearer YOUR_API_KEY
குரல் ஒத்தமைப்பு
/v1/voice-clone/
ஒரு குறுகிய குறிப்பு பதிவு செய்தியின் குரலில் ஒரு உரையைச் சொல்லவும்.
கோரிக்கை உடல் (பலபகுதி/வடிவம்-தகவல்)
| அளபுரு | வகை | தேவைப்படும் | & விவரக்குறிப்பு |
|---|---|---|---|
reference_audio |
file | ஆம் | ஒத்த குரலை பதிவு செய் (10- 30 வினாடிகளுக்கு பரிந்துரைக்கப்படுகிறது, 60 வரை) |
text |
string | ஆம் | அந்த குரலில் பேச வேண்டிய உரை |
model |
string | இல்லை | சாட்டர்பாக்ஸ், திறந்த குரல், டார்டாய்ஸ் அல்லது ஜிபிடி-சோவிட்ஸ் |
language |
string | இல்லை | மொழி குறியீடு (முன்னிருப்பு: en) |
பதில்
ஒரு பணி அடையாள எண் (uuid). நிலை முடிவடைவதற்கும் result_ url பதிவிறக்கத்திற்கும் வரை Poll GET /v1/ speech/ results/? uuid=.
உரையிலிருந்து பேச்சு
/v1/tts/
உரையை ஒலியாக மாற்று
கோரிக்கை உடல் (பலபகுதி/வடிவம்-தகவல்)
| அளபுரு | வகை | தேவைப்படும் | & விவரக்குறிப்பு |
|---|---|---|---|
text |
string | ஆம் | மாற்ற வேண்டிய உரை (அதிகபட்சம் 5000 எழுத்துகள்) |
model |
string | இல்லை | கோகோரோ (முன்னிருப்பு), பிப்பர், விட்ஸ் அல்லது பார்க் |
voice_id |
string | இல்லை | GET /v1/speech/voices/?model=இலிருந்து குரல் அடையாளம் |
language |
string | இல்லை | மொழி குறியீடு (முன்னிருப்பு: en) |
speed |
float | இல்லை | Speed multiplier (0.5-2.0, default 1.0) |
format |
string | இல்லை | wav (முன்னிருப்பு), mp3, ogg அல்லது flac. SSML குறிகள் சேர்ப்பதற்கு முன் நீக்கப்படும். |
பதில்
ஒரு பணி அடையாள எண் (uuid). நிலை முடிவடைவதற்கும் result_ url பதிவிறக்கத்திற்கும் வரை Poll GET /v1/ speech/ results/? uuid=.
உரையிலிருந்து பேசு
/v1/transcribe/
நேர அச்சிட்டுகளுடன் ஒலியை உரைகளாக மாற்றவும்.
கோரிக்கை உடல் (பலபகுதி/வடிவம்-தகவல்)
| அளபுரு | வகை | தேவைப்படும் | & விவரக்குறிப்பு |
|---|---|---|---|
file |
file | ஆம் | ஒலி/வீடியோ கோப்புகளை மாற்று |
model |
string | இல்லை | பெரிய- v3 (முன்னிருப்பு) அல்லது டார்போ |
language |
string | இல்லை | மொழி குறியீடு, அல்லது தானாகவே கண்டறியவும் (முன்னிருப்பு) |
enable_word_timestamps |
bool | இல்லை | ஒவ்வொரு வார்த்தையிலும் துவக்க மற்றும் முடிவு நேரத்தை சேர் |
callback_url |
string | இல்லை | பணி முடிந்தவுடன் POST மூலம் முடிவுகளை பெறும் URL |
பதில்
ஒரு பணி அடையாளம் (uuid). நிலை முடிவடைவதற்கு முன்பே GET /v1/transcribe/results/?uuid= ஐ கேட்கவும்; பிறகு உரை, மொழி மற்றும் பகுதிகளை எடுத்துச் செல்லும்.
கிடைக்கக்கூடிய மாதிரிகள்
உரையிலிருந்து பேசு வார்த்தை மாதிரிகள்
| மாதிரி அடையாளம் | & விவரக்குறிப்பு | சிறந்த |
|---|---|---|
kokoro |
வேகமான பல மொழி TTS | பொதுவான பயன்பாடு, குறைந்த தாமதம் |
piper |
இலகுவான பல மொழி TTS (வணிக ரீதியான அனுமதி பெற்ற குரல்கள் மட்டுமே) | 11 மொழிகளில் வேகமான காட்சிப்படுத்தல் |
vits |
LJSpeech மற்றும் 108 VCTK ஆங்கில வாசிப்பாளர்கள் | ஆங்கில உச்சரிப்புகள் |
bark |
ஜெனரேட்டிவ் TTS, 13 மொழிகளில் 130 முன் அமைப்புகள் | மாறுபட்ட, வெளிப்படையான வழங்கல் (மெதுவாக) |
openvoice |
குரல் ஒத்தமைப்பு மற்றும் விருப்பமான குரல் மாற்றம் | உரையாடல் பெட்டிக்கு மாற்று |
chatterbox |
23 மொழிகளில் Zero-shot குரல் ஒத்தமைப்பு; முன்னிருப்பு குரல் மாற்று மாதிரி | குறுந்தொகை மாதிரியில் இருந்து குளோனிங் |
பேச்சு-உரை மாதிரிகள்
| மாதிரி அடையாளம் | & விவரக்குறிப்பு | சிறந்த |
|---|---|---|
whisper-large-v3 |
OpenAI Whisper Large v3 | மிக உயர்ந்த துல்லியமான, பல மொழிகள் |
whisper-turbo |
வேகத்திற்கு சிறந்த Whisper | வேகமான மொழிபெயர்ப்பு |
பிழை குறியீடுகள்
| குறியீடு | நிலை | & விவரக்குறிப்பு |
|---|---|---|
invalid_api_key |
401 | செல்லாத அல்லது காணாத API விசை |
insufficient_credits |
402 | இந்த செயல்பாட்டிற்கு தேவையான கடன்கள் இல்லை |
rate_limit_exceeded |
429 | மிகவும் அதிகமான கோரிக்கைகள் |
invalid_request |
400 | தவறாக வடிவமைக்கப்பட்ட கோரிக்கை உடல் |
model_not_found |
404 | கோரப்பட்ட மாதிரி இல்லை |
voice_not_found |
404 | கோரப்பட்ட குரல் இல்லை |
file_too_large |
413 | ஏற்றப்பட்ட கோப்பு அளவு வரம்பு மீறியது |
server_error |
500 | சேவையகத்தின் உள்ளார்ந்த பிழை |