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
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
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.

హెడర్
Authorization: Bearer YOUR_API_KEY
మీ API కీని మీ నుండి పొందుకోండి ఖాతా నకిలి.

శబ్డం క్లింగ్

POST /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

POST /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

POST /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