APIపత్రరచన
Speech to Speech AIని మీ అప్లికేషన్లలో సులభమైన REST API ద్వారా అనుసంధానించండి.
త్వరితప్రారంభముComment
Speech to Speech AI APIని కేవలం 5 నిమిషాల్లోనే ఉపయోగించడం ప్రారంభించండి.
మూల యూఆర్ఎల్
https://api.speechtospeechai.com/v1
1. ఉద్యోగం ప్రారంభించు
ప్రతి పనిముట్టు మీ API కీ తో postop ఉంది. సమాధానం ఒక ఉద్యోగం ఐడి, కాదు ఆడియో.
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. ఫలితానికి పల్లా
స్థితి పూర్తయ్యే వరకు పని కొరకు కొన్ని సెకన్లు, అడగండి, తరువాత exput_urline డౌన్లోడ్చేయి.
curl "https://api.speechtospeechai.com/v1/speech/results/?uuid=3f2c..." \
-H "Authorization: Bearer YOUR_API_KEY"
{"status": "completed", "result_url": "https://.../output.mp3"}
ధృవీకరణ
అన్నిPI అభ్యర్ధనలకు PIP కీ ద్వారా ధృవీకరణ అవసరము Authorization హెడర్.
Authorization: Bearer YOUR_API_KEY
శబ్డం క్లింగ్
/v1/voice-clone/
క్లుప్త రికార్డింగుల ద్వారా ఒక వచనం పలుకుండి.
డిమాండ్ యొక్క శరీరం (multip/tama-taa)
| పెరామీటరు | రకము | అవసరం | విశదీకరణము |
|---|---|---|---|
reference_audio |
file | అవును | Connene కు స్వరం రికార్డుచేయడం 10-30 సెకన్లు, 60 వరకు సిఫారసుచేసిన |
text |
string | అవును | ఆ స్వరంలో మాట్లాడవలసిన వచనము |
model |
string | వద్దు | స్పీక్స్, ఓపెన్ హాప్స్, ఆమ్ ఎసిట్-సావిటీస్ |
language |
string | వద్దు | భాష కోడ్ (అప్రమేయంగా): |
స్పందన
ఒక పని ఐడి (uid). పొల్ గేట్ /v1/ subs/ results/? uuid=ఆర్థం పూర్తైన మరియు ఫలితము_url.
మాట్లాడటానికి వచనం
/v1/tts/
పాఠ్యమును భాషా ఆడియోకు మార్చుము.
డిమాండ్ యొక్క శరీరం (multip/tama-taa)
| పెరామీటరు | రకము | అవసరం | విశదీకరణము |
|---|---|---|---|
text |
string | అవును | మార్చవలసిన పాఠ్యం (గరిష్టంగా 5000 అక్షరాలు). |
model |
string | వద్దు | కోకోరో (అప్రమెయం), పైపుకారి, విస్ట్ లేదా బెరడు |
voice_id |
string | వద్దు | గేట్ /v1/subject/ subs/? model నుండి eid ఐడి |
language |
string | వద్దు | భాష కోడ్ (అప్రమేయంగా): |
speed |
float | వద్దు | వేగం గుణకం (0.5 నుండి 2.0 వరకు, డిఫాల్ట్ విలువ 1.0). |
format |
string | వద్దు | వా (అప్రమెయం), mp3, ఒగ్గి లేదా ఫ్లాక్. SINML టాగ్స్ తొలగించబడింది. |
స్పందన
ఒక పని ఐడి (uid). పొల్ గేట్ /v1/ subs/ results/? uuid=ఆర్థం పూర్తైన మరియు ఫలితము_url.
(w) వచనముకు మాట్లాడు
/v1/transcribe/
టైమ్సుతో ఆడియోను పాఠ్యమును చేర్చుము.
డిమాండ్ యొక్క శరీరం (multip/tama-taa)
| పెరామీటరు | రకము | అవసరం | విశదీకరణము |
|---|---|---|---|
file |
file | అవును | రికార్డింగ్ చేయుటకు ఆడియో/ వీడియో ఫైలు |
model |
string | వద్దు | large-v3 (డిఫాల్ట్) లేదా టర్బో. |
language |
string | వద్దు | భాష కోడ్, లేదా దానిని గుర్తించుటకు ఆటోమేటిక్ (అప్రమేయం) |
enable_word_timestamps |
bool | వద్దు | ప్రతి పదమునకు ప్రారంభమును ఆపివేయి |
callback_url |
string | వద్దు | పని పూర్తవగానే ప్రాసెస్( పెయింట్) తెరిచే ప్రాసెస్ను పొందే URL |
స్పందన
ఒక పని ఐడి (uid). పోల్ విన్ /v1/rannel/rusz/traints/? uid=కడ్డ పూర్తయ్యేవరకు; సమాధానం వచనాన్ని, భాషను మరియు భాగాలను చేరుస్తుంది.
అందుబాటులో ఉన్న మోడల్స్.
పాఠ్యము నుండి- మాట్లాడు మాడ్యూళ్లుComment
| మోడల్ ఐడి | విశదీకరణము | ఉత్తమ |
|---|---|---|
kokoro |
వేగవంతమైన బహుభాషా TTS | సాధారణ వుపయోగం, తక్కువ లావుగా |
piper |
తేలికైన పదకోశం TTS (అమర్థీకరించబడిన శ్రవణ ధ్వనులు మాత్రమే) | వేగవంతమైన అనువాదము 11 భాషల్లో |
vits |
LJ వాలెస్తో అలాగే 108 వి.CTK ఆంగ్ల ప్రసంగీకులు | ఆంగ్లం యాక్సెస్Comment |
bark |
జనరేటివ్ టెక్స్ట్-టు-స్పీచ్ (TTS) సాంకేతికత, 13 భాషల్లో 130 రకాల ముందే నిర్వచించిన ఎంపికలు. | మారిన, మెర్రేజ్ డెలివరీ (నెమ్మదైన) |
openvoice |
స్వర మార్పు మరియు ఐచ్చిక వాయిస్ మార్చుComment | చాటరెర్బాక్స్కు ప్రత్యామ్నాయాలు |
chatterbox |
Zero-shoo System 23 భాషల్లో స్వరం క్రూన్; అప్రమేయ స్వర మార్పు | చిన్న మాదిరి నుంచి కొడవడుతున్న |
భాషా- వచన మాడ్యూళ్లు
| మోడల్ ఐడి | విశదీకరణము | ఉత్తమ |
|---|---|---|
whisper-large-v3 |
OpenAI Whisper Large v3 | అత్యున్నత ఖచ్చితత్వం, బహుభాషా పదకోశం |
whisper-turbo |
వేగం కోసం ఆప్టిమైడ్ Wisper | వేగవంతమైన ఉద్భవము |
దోషము కొడెళ్ళు
| కోడ్ | స్థితి | విశదీకరణము |
|---|---|---|
invalid_api_key |
401 | చెల్లని లేదా తప్పిపోయిన API కీ |
insufficient_credits |
402 | ఈ ఆపరేషన్ కొరకు తగినంత మాతలు లేవు |
rate_limit_exceeded |
429 | చాలా అభ్యర్ధనలు |
invalid_request |
400 | తప్పైన అభ్యర్దించిన శవం |
model_not_found |
404 | మనవిచేయబడిన మోడల్ లేదు |
voice_not_found |
404 | మనవి చెయబడిన స్వరము ఉనికిలోలేదు |
file_too_large |
413 | ఎక్కించిన ఫైలు పరిమాణము గరిష్టం |
server_error |
500 | అంతర్గత సెర్వర్ దోషము |