API دستاویزی
Speech to Speech AI کو آپ کی ایپلیکیشنز میں ایک سادہ REST API کے ساتھ شامل کریں.
جلدی شروع
5 منٹ میں Speech to Speech AI API کے ساتھ شروع کریں.
بنياد URL
https://api.speechtospeechai.com/v1
1. Start a job
ہر ٹول آپکے API کی کلید کے ساتھ POST ہے. جواب ایک کام ID ہے، نہ آڈیو.
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. Poll for the result
ہر چند سیکنڈ میں کام کے لیے پوچھتے رہیں جب تک کہ حالت مکمل نہ ہو جائے، پھر result_url ڈائون لوڈ کریں.
curl "https://api.speechtospeechai.com/v1/speech/results/?uuid=3f2c..." \
-H "Authorization: Bearer YOUR_API_KEY"
{"status": "completed", "result_url": "https://.../output.mp3"}
توثیق
تمام API درخواستوں کو توثیق کی ضرورت ہے API کی کلید کے ذریعے Authorization ہیڈر
Authorization: Bearer YOUR_API_KEY
آواز کا کلوننگ
/v1/voice-clone/
مختصر ريفرنس ري کيو ر کے آواز ميں متن بوليں
درخواست کا جسم (مختلف حصے/فارم ڈیٹا)
| پرائمری | قسم | ضروری | بیان |
|---|---|---|---|
reference_audio |
file | ہاں | کلون کرنے کے لیے آواز کی ریکارڈنگ (10-30 سیکنڈ کی سفارش کی گئی، 60 تک) |
text |
string | ہاں | اس آواز میں بولنے کے ليے متن |
model |
string | نہیں | چیٹ باکس، اوپن وائز، ٹکٹويز يا gpt-sovits |
language |
string | نہیں | زبان کوڈ (معیار: en) |
جواب
ایک کام ID (uuid). پو ل GET /v1/speech/results/؟uuid= تک کہ حالت مکمل ہو اور result_url ڈائون لوڈ.
متن سے بولنا
/v1/tts/
متن کو بولنے کے لیے آڈیو میں تبدیل کریں
درخواست کا جسم (مختلف حصے/فارم ڈیٹا)
| پرائمری | قسم | ضروری | بیان |
|---|---|---|---|
text |
string | ہاں | تبدیل کرنے کے لیے متن (اکثر 5000 حروف) |
model |
string | نہیں | kokoro (دفٹر)، piper، vits يا bark |
voice_id |
string | نہیں | آواز id GET /v1/speech/voices/؟model= سے |
language |
string | نہیں | زبان کوڈ (معیار: en) |
speed |
float | نہیں | رفتار ضرب (0.5-2.0، ديافتاد 1.0) |
format |
string | نہیں | wav (دفٹر)، mp3، ogg يا flac. SSML ٹیگ سنتھسائز سے پہلے ہٹا ديے جاتے هے |
جواب
ایک کام ID (uuid). پو ل GET /v1/speech/results/؟uuid= تک کہ حالت مکمل ہو اور result_url ڈائون لوڈ.
زبان سے متن
/v1/transcribe/
وقت کے نشانوں کے ساتھ متن میں آڈیو نقل کریں
درخواست کا جسم (مختلف حصے/فارم ڈیٹا)
| پرائمری | قسم | ضروری | بیان |
|---|---|---|---|
file |
file | ہاں | نقل کرنے کے لیے آڈیو/ویڈیو فائل |
model |
string | نہیں | large-v3 (دفٹر) يا turbo |
language |
string | نہیں | زبان کوڈ، یا خودکار اسے تلاش کرنے کے لیے (معیار) |
enable_word_timestamps |
bool | نہیں | هر لفظ کے ليے شروع اور ختم کي وقت شامل کريں |
callback_url |
string | نہیں | URL جس سے POST کے ذریعے نتائج حاصل کیے جاتے ہیں جب کام ختم ہوتا ہے |
جواب
ایک کام ID (uuid) پو ل GET /v1/transcribe/results/؟uuid= تک تک کہ حالت مکمل ہو جا تا هے جواب اس کے بعد متن، زبان اور سگمنٹ لے جاتا هے
دستیاب ماڈل
متن سے بوليں ماڈل
| ماڈل ID | بیان | بہترین |
|---|---|---|
kokoro |
تیز متعدد زبانوں TTS | عام استعمال، کم لیٹیشن |
piper |
ہلکا کثیر زبانوں TTS (صرف تجارتی لائسنس والی آوازیں) | 11 زبانوں میں تیز رنڈرز |
vits |
LJSpeech اور 108 VCTK انگريزي بولنے والے | انگريزي |
bark |
13 زبانوں میں 130 پریسیٹس | مختلف، اظہاري دلي (دائيں) |
openvoice |
آواز کلوننگ اور اختیاری آواز تبدیل | چیٹ باکس کا متبادل |
chatterbox |
23 زبانوں میں Zero-shot آواز کلوننگ؛ ڈیفالٹ آواز تبدیل ماڈل | مختصر نمونے سے کلوننگ |
لفظ سے متن موڈل
| ماڈل ID | بیان | بہترین |
|---|---|---|
whisper-large-v3 |
OpenAI Whisper Large v3 | سب سے زائد درستگي، کثیر زباني |
whisper-turbo |
رفتار کے لیے بہتر آواز | جلدي نقل کريں |
غلطی کوڈ
| کوڈ | حالت | بیان |
|---|---|---|
invalid_api_key |
401 | ناصحیح یا غائب API کلید |
insufficient_credits |
402 | اس آپریشن کے لیے کافی کریڈٹ نہیں ہیں |
rate_limit_exceeded |
429 | بہت سی درخواستیں |
invalid_request |
400 | غلط شکل کی درخواست |
model_not_found |
404 | مطالبہ شدہ ماڈل موجود نہیں ہے |
voice_not_found |
404 | درخواست کردہ آواز موجود نہیں ہے |
file_too_large |
413 | اپ لوڈ کی گئی فائل اندازے کی حد سے بڑھ گئی ہے |
server_error |
500 | سرور میں اندرونی غلطی |