เริ่มเร็ว
เริ่มต้นด้วย Speech to Speech AI API ในเวลาไม่ถึง5นาที
ที่อยู่ URL พื้นฐาน
https://api.speechtospeechai.com/v1
1. Start a job
เครื่องมือทุกตัวเป็น POST ด้วยกุญแจ API ของคุณ คำตอบคือหมายเลขงาน ไม่ใช่เสียง
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. ถามผลการสำรวจ
ถามหางานทุกๆ หลายวินาที จนกว่าสถานะจะเสร็จสมบูรณ์ แล้วดาวน์โหลด 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"}
การตรวจสอบสิทธิ์
คำขอ API ทั้งหมดต้องใช้การตรวจสอบสิทธิ์ผ่านกุญแจ API ใน Authorization หัวข้อ
Authorization: Bearer YOUR_API_KEY
เสียง
/v1/voice-clone/
พูดข้อความในเสียงของการอ้างอิงการบันทึกสั้น
ส่วนกายของคำร้อง (ข้อมูลแบบหลายส่วน/แบบฟอร์ม)
| พารามิเตอร์ | ประเภท | จำเป็น | คำอธิบาย |
|---|---|---|---|
reference_audio |
file | ใช่ | บันทึกเสียงที่จะคลาวด์ (แนะนำให้ใช้เวลา 10- 30 วินาที สูงสุด 60) |
text |
string | ใช่ | ข้อความที่จะพูดในเสียงนั้น |
model |
string | ไม่มี | chatterbox, openvoice, tortoise หรือ gpt-sovits |
language |
string | ไม่มี | รหัสภาษา (ปริยาย: en) |
การตอบสนอง
หมายเลขงาน (uuid) Poll GET /v1/speech/results/?uuid= จนกว่าสถานะจะเสร็จสมบูรณ์ และดาวน์โหลด result_url
ข้อความเป็นเสียง
/v1/tts/
เปลี่ยนข้อความเป็นเสียง
ส่วนกายของคำร้อง (ข้อมูลแบบหลายส่วน/แบบฟอร์ม)
| พารามิเตอร์ | ประเภท | จำเป็น | คำอธิบาย |
|---|---|---|---|
text |
string | ใช่ | ข้อความที่จะแปลง (สูงสุด 5000 อักขระ) |
model |
string | ไม่มี | ตัวเลือก |
voice_id |
string | ไม่มี | หมายเลขเสียงจาก GET /v1/speech/voices/?model= |
language |
string | ไม่มี | รหัสภาษา (ปริยาย: en) |
speed |
float | ไม่มี | Speed multiplier (0.5-2.0, default 1.0) |
format |
string | ไม่มี | wav (ปริยาย), mp3, ogg หรือ flac จะลบแท็ก SSML ก่อนทำการสังเคราะห์ |
การตอบสนอง
หมายเลขงาน (uuid) Poll GET /v1/speech/results/?uuid= จนกว่าสถานะจะเสร็จสมบูรณ์ และดาวน์โหลด result_url
คำพูดเป็นข้อความ
/v1/transcribe/
เขียนเสียงเป็นข้อความด้วยเวลา
ส่วนกายของคำร้อง (ข้อมูลแบบหลายส่วน/แบบฟอร์ม)
| พารามิเตอร์ | ประเภท | จำเป็น | คำอธิบาย |
|---|---|---|---|
file |
file | ใช่ | แฟ้มเสียง/วิดีโอที่จะบันทึก |
model |
string | ไม่มี | ขนาดใหญ่- v3 (ปริยาย) หรือทอร์โบ |
language |
string | ไม่มี | รหัสภาษา หรือการตรวจสอบอัตโนมัติ (ปริยาย) |
enable_word_timestamps |
bool | ไม่มี | เพิ่มเวลาเริ่มและจบของคำทุกคำ |
callback_url |
string | ไม่มี | ที่อยู่ URL ที่ใช้รับผลลัพธ์โดย POST เมื่องานเสร็จสมบูรณ์ |
การตอบสนอง
หมายเลขงาน (uuid) Poll GET /v1/transcribe/results/?uuid= จนกว่าสถานะจะเสร็จสมบูรณ์; จากนั้นคำตอบจะแสดงข้อความ, ภาษาและส่วนต่างๆ
โมเดลที่ใช้ได้
Text-to-Speech Models
| หมายเลขรุ่น | คำอธิบาย | เหมาะสำหรับ |
|---|---|---|
kokoro |
Fast multilingual TTS | ใช้ทั่วไป, ความล่าช้าต่ำ |
piper |
ตัวแปลภาษาหลายภาษาแบบเบา (เสียงที่ได้รับอนุญาตเฉพาะ) | แสดงผลเร็วใน 11 ภาษา |
vits |
LJSpeech บวกกับ 108 คนที่พูดภาษาอังกฤษ VCTK | สำเนียงภาษาอังกฤษ |
bark |
Generative TTS, 130 presets in 13 languages | แสดงออกได้หลากหลาย (ช้า) |
openvoice |
การคล้ายเสียงและการแปลงเสียงแบบเลือกได้ | ตัวเลือกสำหรับ Chatterbox |
chatterbox |
การคลาวด์เสียงแบบ Zero- Shot ใน 23 ภาษา โมเดลการแปลงเสียงปริยาย | สร้างคอลลอนจากตัวอย่างสั้น |
Speech-to-Text Models
| หมายเลขรุ่น | คำอธิบาย | เหมาะสำหรับ |
|---|---|---|
whisper-large-v3 |
OpenAI Whisper Large v3 | ความแม่นยำสูงสุด, หลายภาษา |
whisper-turbo |
ปรับปรุง Whisper เพื่อให้เร็วขึ้น | พิมพ์คำสั่งเร็ว |
รหัสข้อผิดพลาด
| รหัส | สถานะ | คำอธิบาย |
|---|---|---|
invalid_api_key |
401 | กุญแจ API ขาดหรือไม่ถูกต้อง |
insufficient_credits |
402 | จำนวนเครดิตไม่เพียงพอสำหรับปฏิบัติการนี้ |
rate_limit_exceeded |
429 | คำขอมากเกินไป |
invalid_request |
400 | ข้อความร้องขอที่ผิดรูป |
model_not_found |
404 | ไม่มีโมเดลที่ร้องขออยู่ |
voice_not_found |
404 | เสียงที่ร้องขอไม่ได้มีอยู่ |
file_too_large |
413 | ขนาดของแฟ้มที่โหลดไปเกินกว่าที่กำหนดไว้ |
server_error |
500 | เกิดข้อผิดพลาดภายในของเซิร์ฟเวอร์ |