Lumaktaw sa nilalaman

Tada TTS 1B

I-integrate

ID ng modelo tada/1b/text-to-speech
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/tada/1b/text-to-speech?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "prompt": "Hello from Doitong. This is a short test sentence."
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Kahilingang ito: $0.003 3 kredito ng API Patakbuhin ito sa page na ito

Kumuha ng API key
Open model Text patungong Speech

Voice-cloning text-to-speech mula sa reference audio clip, 1B variant na may sampung wika

Open model · audio

Dito mapupunta ang iyong unang resulta

Bumuo ng kahilingan sa ibaba at patakbuhin ito gamit ang iyong API key. Kinokopya ang mga output sa aming storage, na pinananatili nang walang hanggan o 7 araw nang libre.

Bumuo ng kahilingan

Ang mga control ay binubuo mula sa schema ng modelo. Nagbabago ang code at presyo habang ina-adjust mo ang mga ito.

•kinakailangan

Speech content na ibinigay bilang text; ang reference speaker ang nagbibigay ng boses na gagamitin sa pag-render nito.

•kinakailangan audio_url
Mag-drop ng file, o

Source para sa voice cloning na ibinigay bilang URL ng audio file, na tumutukoy sa speaker na ang vocal characteristic ay dapat kopyahin ng modelo.

advanced output_format · transcript · language · num_extra_steps · temperature · top_p · repetition_penalty · acoustic_cfg_scale · noise_temperature · num_inference_steps · speed_up_factor · enable_safety_checker
output_format default na wav

File format para sa nabuong audio.

default na

Transcript ng reference audio na dapat ibigay para sa mga recording sa wikang hindi English; built-in ang awtomatikong transcription para sa English lamang.

default na en

Language code para sa text alignment, na dapat tumugma sa synthesis language kapag bumubuo ng speech sa wikang hindi English.

default na 0

Karagdagang autoregressive step count para magdagdag ng trailing prosody o silence sa pagpapatuloy ng speech lampas sa ibinigay na text.

default na 0.6

Sampling temperature ng text token: ang pagtaas nito ay nagdaragdag ng variety sa output, at hindi pinapayagan ang 0 o mas mababa.

default na 0.9

Top-p (nucleus) sampling setting na ginagamit sa pagbuo ng text.

default na 1.1

Penalty para sa pag-uulit ng token habang bumubuo ng output.

default na 1.6

Classifier-free guidance strength na ginagamit sa pagbuo ng acoustic feature.

default na 0.9

Noise temperature na ginagamit habang nagdi-diffuse gamit ang flow-matching.

default na 20

Bilang ng ODE solver step na ginagamit sa pagbuo ng acoustics sa pamamagitan ng flow matching.

default na 1

Multiplier ng bilis ng speech: nagiging mas mabagal ang nabuong speech sa ibaba ng 1.0 at mas mabilis sa itaas ng 1.0.

POST /run/tada/1b/text-to-speech?wait=20 presyo → $0.003
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/tada/1b/text-to-speech?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "prompt": "Hello from Doitong. This is a short test sentence."
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Patakbuhin ang kahilingang ito

Nananatili ang iyong key sa browser na ito: ipinapadala lamang ito sa Doitong API at sine-save (localStorage) lamang kung pipiliin mo ang Tandaan. Kumuha ng API key

Tungkol sa Tada TTS 1B

Binibigkas ang tekstong `prompt` gamit ang boses ng reference clip na ibinigay bilang `audio_url`. Kailangan ang `transcript` ng reference para sa non-English na audio. Sinusuportahan ng `language` ang en, ar, ch, de, es, fr, it, ja, pl at pt. Kabilang sa tuning ang `speed_up_factor` (0.5 hanggang 2), `temperature`, `top_p` at `num_inference_steps`; wav o mp3 ang output.

Mga parameter

Ipadala ang canonical na pangalan o ang native na pangalan, hindi pareho. Mga canonical na pangalan

PangalanUri defaultPinapayagan Paglalarawan
audio_urlkinakailangan audio
Uriurl · audio
Source para sa voice cloning na ibinigay bilang URL ng audio file, na tumutukoy sa speaker na ang vocal characteristic ay dapat kopyahin ng modelo.
transcriptopsyonal
Uristring
default
Transcript ng reference audio na dapat ibigay para sa mga recording sa wikang hindi English; built-in ang awtomatikong transcription para sa English lamang.
promptkinakailangan
Uristring
Speech content na ibinigay bilang text; ang reference speaker ang nagbibigay ng boses na gagamitin sa pag-render nito.
languageopsyonal
Urienum
defaulten
enarchdeesfritjaplpt
Language code para sa text alignment, na dapat tumugma sa synthesis language kapag bumubuo ng speech sa wikang hindi English.
num_extra_stepsopsyonal
Uriinteger
default0
0 – 50
Karagdagang autoregressive step count para magdagdag ng trailing prosody o silence sa pagpapatuloy ng speech lampas sa ibinigay na text.
temperatureopsyonal
Urinumber
default0.6
≤ 2> 0
Sampling temperature ng text token: ang pagtaas nito ay nagdaragdag ng variety sa output, at hindi pinapayagan ang 0 o mas mababa.
top_popsyonal
Urinumber
default0.9
0 – 1
Top-p (nucleus) sampling setting na ginagamit sa pagbuo ng text.
repetition_penaltyopsyonal
Urinumber
default1.1
1 – 2
Penalty para sa pag-uulit ng token habang bumubuo ng output.
acoustic_cfg_scaleopsyonal
Urinumber
default1.6
0 – 10
Classifier-free guidance strength na ginagamit sa pagbuo ng acoustic feature.
noise_temperatureopsyonal
Urinumber
default0.9
0 – 2
Noise temperature na ginagamit habang nagdi-diffuse gamit ang flow-matching.
num_inference_stepsopsyonal
Uriinteger
default20
1 – 50
Bilang ng ODE solver step na ginagamit sa pagbuo ng acoustics sa pamamagitan ng flow matching.
speed_up_factoropsyonal
Urinumber
default1
0.5 – 2
Multiplier ng bilis ng speech: nagiging mas mabagal ang nabuong speech sa ibaba ng 1.0 at mas mabilis sa itaas ng 1.0.
output_formatopsyonal
Urienum
defaultwav
wavmp3
File format para sa nabuong audio.
enable_safety_checkeropsyonal
Uriboolean
defaulttrue
Maaaring luwagan ang screening sa pamamagitan ng pagtatakda ng false, kung awtorisado ang tumatawag.
kinakailangan Canonical na pangalan, tinatanggap din

Tumatanggap ang mga parameter ng file ng pampublikong https:// URL, data: URI na hanggang 10 MB, o file_url ng isang upload. Mga file

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "tada/1b/text-to-speech",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 3,
    "usd": "0.003",
    "charged": 3,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "prompt": "Hello from Doitong. This is a short test sentence."
  },
  "output": {
    "audio": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_name": "0-output.mp3",
      "file_size": 1843200,
      "duration": 5,
      "channels": 1,
      "sample_rate": 1,
      "bitrate": "string"
    }
  },
  "outputs": [
    {
      "type": "audio",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_size": 1843200,
      "duration": 12,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Ikaw ang pumipili para sa iyong mga fileAng bawat outputs[].url ay kopya sa aming storage: pinananatili nang walang hanggan (sinisingil bawat GB-month) o 7 araw nang libre, ayon sa setting ng iyong account o ?storage=.
Parehong shape sa bawat modelotype, url, content_type, width, height at duration, para sa mga larawan, video at audio. Ang output ay sariling result object ng modelo.
Mga field ng output
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Audio file na naglalaman ng synthesized speech.

Higit pang modelo: Text patungong Speech

Para sa mga AI agent: nasa Markdown ang pahinang ito sa https://doitong.com/fil/developers/models/tada/1b/text-to-speech.md. Lahat ng modelo at gabay: https://doitong.com/developers/llms.txt