เอกสาร API

เชื่อมโยง Speech to Speech AI เข้ากับแอพพลิเคชันของคุณด้วย REST API ง่ายๆ

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
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
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

หัวจดหมาย
Authorization: Bearer YOUR_API_KEY
เอากุญแจ API ของคุณมาจาก หน้าต่างบัญชี.

เสียง

POST /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

POST /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

POST /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