Документація API

Інтегруйте Speech to Speech AI у свої застосунки за допомогою простого REST API.

Швидкий запуск

Розпочніть з Speech to Speech AI API менш ніж 5 хвилин.

Базова адреса URL
https://api.speechtospeechai.com/v1
1. Запустіть завдання

Кожен інструмент викликається через POST з вашим ключем API. У відповідь ви отримуєте ID завдання, а не аудіо.

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. Дочекайтеся результату

Запитуйте завдання кожні кілька секунд, доки status не стане completed, потім завантажте 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"}

Розпізнавання

Всі запити API потребують автентифікації за допомогою ключа API у Authorization заголовок.

Заголовок
Authorization: Bearer YOUR_API_KEY
Отримати ваш ключ API з вашого ключа Панель приладів рахунків.

Клинування голосу

POST /v1/voice-clone/

Озвучує текст голосом із короткого еталонного запису.

Запит на тіло (багаточастина/ форма- дані)
Параметр Тип Потрібна Опис
reference_audio file Так Запис голосу для клонування (рекомендовано 10-30 секунд, не більше 60)
text string Так Текст, який треба промовити цим голосом
model string Ні chatterbox, openvoice, tortoise або gpt-sovits
language string Ні Код мови (за замовчуванням: en)
Відповідь

ID завдання (uuid). Опитуйте GET /v1/speech/results/?uuid=, доки status не стане completed, і завантажте result_url.

Текст для мовлення

POST /v1/tts/

Перетворити текст на звук мовлення.

Запит на тіло (багаточастина/ форма- дані)
Параметр Тип Потрібна Опис
text string Так Текст для озвучення (не більше 5000 символів)
model string Ні kokoro (за замовчуванням), piper, vits або bark
voice_id string Ні ID голосу з GET /v1/speech/voices/?model=
language string Ні Код мови (за замовчуванням: en)
speed float Ні Speed multiplier (0.5-2.0, default 1.0)
format string Ні wav (за замовчуванням), mp3, ogg або flac. Теги SSML видаляються перед синтезом.
Відповідь

ID завдання (uuid). Опитуйте GET /v1/speech/results/?uuid=, доки status не стане completed, і завантажте result_url.

Мова до тексту

POST /v1/transcribe/

Переписати звук на текст часовими штампами.

Запит на тіло (багаточастина/ форма- дані)
Параметр Тип Потрібна Опис
file file Так Аудіо- декораційний файл для trancut
model string Ні large-v3 (за замовчуванням) або turbo
language string Ні Код мови або auto для автовизначення (за замовчуванням)
enable_word_timestamps bool Ні Додати час початку й кінця до кожного слова
callback_url string Ні URL, на який надійде результат через POST після завершення завдання
Відповідь

ID завдання (uuid). Опитуйте GET /v1/transcribe/results/?uuid=, доки status не стане completed; тоді відповідь міститиме text, language і segments.

Доступні моделі

Моделі синтезу мовлення
ІД моделі Опис Найкраще для
kokoro Швидке багатомовне TTS Загальне використання, низька пізнота
piper Невагомий багатомовний текст (тільки голосів у комерційному режимі) Швидкий переклад 11 мовами
vits Синтез мовлення LJ плюс 108 VCTK - носії англійською Англійські акценти
bark Генетична TTS, 130 конфігурація на 13 мовах Різноманітний, виразний (низько)
openvoice Клонування голосу та додаткове перетворення голосу Альтернатива Chatterbox
chatterbox Клонування голосу без донавчання 23 мовами; модель перетворення голосу за замовчуванням Клонування з короткої вибірки
Моделі розпізнавання мовлення
ІД моделі Опис Найкраще для
whisper-large-v3 OpenAI Whisper Large v3 Найвища точність, багатомовна
whisper-turbo Оптимізований Whistper для швидкості Швидке створення списку

Коди помилок

Код Стан Опис
invalid_api_key 401 Некоректний або відсутній ключ API
insufficient_credits 402 Недостатньо кредитів для цієї операції
rate_limit_exceeded 429 Забагато запитів
invalid_request 400 Неправильно сформований текст запиту
model_not_found 404 Потрібної моделі не існує
voice_not_found 404 Запитаний голос не існує
file_too_large 413 Вивантажений файл, що перевищує обмеження
server_error 500 Внутрішня помилка сервера