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
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
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

سر
Authorization: Bearer YOUR_API_KEY
آپ کی API کلید حاصل کریں اکاؤنٹس ڈیش بنڈ.

آواز کا کلوننگ

POST /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

POST /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

POST /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