सामग्री पर जाएँ

Tada

इंटीग्रेट करें

मॉडल id tada/3b/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/3b/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"

यह अनुरोध: $0.004 4 API क्रेडिट इसे इस पेज पर चलाएँ

API कुंजी प्राप्त करें

वॉइस-क्लोनिंग text-to-speech, जो आपके टेक्स्ट को रेफ़रेंस क्लिप की आवाज़ में बोलता है और 10 भाषा कोड प्रदान करता है

Open model · ऑडियो

आपका पहला परिणाम यहाँ आएगा

नीचे एक अनुरोध बनाएँ और उसे अपनी API कुंजी से चलाएँ। आउटपुट हमारे स्टोरेज में कॉपी किए जाते हैं और हमेशा के लिए या 7 दिन तक मुफ़्त में रखे जाते हैं।

अनुरोध बनाएँ

कंट्रोल मॉडल स्कीमा से जनरेट होते हैं। इन्हें बदलने पर कोड और कीमत अपडेट होती है।

•आवश्यक

टेक्स्ट के रूप में दिया गया वाक् कंटेंट; संदर्भ वक्ता वह आवाज़ प्रदान करता है जिसका उपयोग इसे रेंडर करने के लिए किया जाता है।

•आवश्यक audio_url
फ़ाइल ड्रॉप करें, या

ऑडियो फ़ाइल URL के रूप में दिया गया वॉइस-क्लोनिंग स्रोत, जो उस वक्ता की पहचान करता है जिसकी वोकल विशेषताओं को मॉडल दोहराए।

उन्नत 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 डिफ़ॉल्ट wav

निर्मित ऑडियो का फ़ाइल फ़ॉर्मैट।

डिफ़ॉल्ट

अंग्रेज़ी के अलावा अन्य भाषाओं की रिकॉर्डिंग के लिए दिया जाने वाला संदर्भ-ऑडियो ट्रांसक्रिप्ट; स्वचालित ट्रांसक्रिप्शन केवल अंग्रेज़ी के लिए अंतर्निहित है।

डिफ़ॉल्ट en

टेक्स्ट-अलाइनमेंट भाषा कोड, जो अंग्रेज़ी के अलावा किसी अन्य भाषा में वाक् निर्माण करते समय संश्लेषण भाषा के अनुरूप होना चाहिए।

डिफ़ॉल्ट 0

दिए गए टेक्स्ट के बाद वाक् जारी रखकर अंतिम प्रोसोडी या मौन जोड़ने के लिए अतिरिक्त ऑटोरेग्रिसिव चरणों की संख्या।

डिफ़ॉल्ट 0.6

टेक्स्ट-टोकन सैंपलिंग तापमान: इसे बढ़ाने पर आउटपुट में विविधता बढ़ती है, और 0 या उससे कम मान अनुमत नहीं है।

डिफ़ॉल्ट 0.9

टेक्स्ट निर्माण के लिए उपयोग की जाने वाली Top-p (न्यूक्लियस) सैंपलिंग सेटिंग।

डिफ़ॉल्ट 1.1

आउटपुट निर्माण के दौरान टोकन दोहराव के लिए दंड।

डिफ़ॉल्ट 1.6

ध्वनिक विशेषताएँ निर्माण करने के लिए उपयोग की जाने वाली क्लासिफ़ायर-फ़्री मार्गदर्शन शक्ति।

डिफ़ॉल्ट 0.9

फ़्लो-मैचिंग डिफ्यूज़न के दौरान उपयोग किया जाने वाला शोर तापमान।

डिफ़ॉल्ट 20

फ़्लो मैचिंग के माध्यम से ध्वनिकी निर्माण करने के लिए उपयोग किए जाने वाले ODE सॉल्वर चरणों की संख्या।

डिफ़ॉल्ट 1

वाक्-गति गुणक: 1.0 से कम मान पर निर्मित वाक् धीमा और 1.0 से अधिक मान पर तेज़ हो जाता है।

POST /run/tada/3b/text-to-speech?wait=20 कोटेशन → $0.004
# 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/3b/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"

यह अनुरोध चलाएँ

आपकी key इसी ब्राउज़र में रहती है: इसे केवल Doitong API को भेजा जाता है और केवल तभी (localStorage) में सेव किया जाता है जब आप Remember चुनते हैं। API कुंजी प्राप्त करें

Tada के बारे में

रेफ़रेंस क्लिप (`audio_url`) से वक्ता की आवाज़ क्लोन करता है और उस आवाज़ में `prompt` टेक्स्ट पढ़ता है। `language` विकल्प en, ar, ch, de, es, fr, it, ja, pl और pt स्वीकार करता है। गैर-अंग्रेज़ी रेफ़रेंस के लिए `transcript` दें, क्योंकि अंतर्निहित पहचान केवल अंग्रेज़ी तक सीमित है। गति को 0.5 से 2 तक स्केल किया जा सकता है और आउटपुट wav या mp3 होता है।

पैरामीटर

कैनोनिकल नाम या नेटिव नाम में से कोई एक भेजें, दोनों नहीं। कैनोनिकल नाम

नामप्रकार डिफ़ॉल्टअनुमत विवरण
audio_urlआवश्यक audio
प्रकारurl · audio
ऑडियो फ़ाइल URL के रूप में दिया गया वॉइस-क्लोनिंग स्रोत, जो उस वक्ता की पहचान करता है जिसकी वोकल विशेषताओं को मॉडल दोहराए।
transcriptवैकल्पिक
प्रकारstring
डिफ़ॉल्ट
अंग्रेज़ी के अलावा अन्य भाषाओं की रिकॉर्डिंग के लिए दिया जाने वाला संदर्भ-ऑडियो ट्रांसक्रिप्ट; स्वचालित ट्रांसक्रिप्शन केवल अंग्रेज़ी के लिए अंतर्निहित है।
promptआवश्यक
प्रकारstring
टेक्स्ट के रूप में दिया गया वाक् कंटेंट; संदर्भ वक्ता वह आवाज़ प्रदान करता है जिसका उपयोग इसे रेंडर करने के लिए किया जाता है।
languageवैकल्पिक
प्रकारenum
डिफ़ॉल्टen
enarchdeesfritjaplpt
टेक्स्ट-अलाइनमेंट भाषा कोड, जो अंग्रेज़ी के अलावा किसी अन्य भाषा में वाक् निर्माण करते समय संश्लेषण भाषा के अनुरूप होना चाहिए।
num_extra_stepsवैकल्पिक
प्रकारinteger
डिफ़ॉल्ट0
0 – 50
दिए गए टेक्स्ट के बाद वाक् जारी रखकर अंतिम प्रोसोडी या मौन जोड़ने के लिए अतिरिक्त ऑटोरेग्रिसिव चरणों की संख्या।
temperatureवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट0.6
≤ 2> 0
टेक्स्ट-टोकन सैंपलिंग तापमान: इसे बढ़ाने पर आउटपुट में विविधता बढ़ती है, और 0 या उससे कम मान अनुमत नहीं है।
top_pवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट0.9
0 – 1
टेक्स्ट निर्माण के लिए उपयोग की जाने वाली Top-p (न्यूक्लियस) सैंपलिंग सेटिंग।
repetition_penaltyवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट1.1
1 – 2
आउटपुट निर्माण के दौरान टोकन दोहराव के लिए दंड।
acoustic_cfg_scaleवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट1.6
0 – 10
ध्वनिक विशेषताएँ निर्माण करने के लिए उपयोग की जाने वाली क्लासिफ़ायर-फ़्री मार्गदर्शन शक्ति।
noise_temperatureवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट0.9
0 – 2
फ़्लो-मैचिंग डिफ्यूज़न के दौरान उपयोग किया जाने वाला शोर तापमान।
num_inference_stepsवैकल्पिक
प्रकारinteger
डिफ़ॉल्ट20
1 – 50
फ़्लो मैचिंग के माध्यम से ध्वनिकी निर्माण करने के लिए उपयोग किए जाने वाले ODE सॉल्वर चरणों की संख्या।
speed_up_factorवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट1
0.5 – 2
वाक्-गति गुणक: 1.0 से कम मान पर निर्मित वाक् धीमा और 1.0 से अधिक मान पर तेज़ हो जाता है।
output_formatवैकल्पिक
प्रकारenum
डिफ़ॉल्टwav
wavmp3
निर्मित ऑडियो का फ़ाइल फ़ॉर्मैट।
enable_safety_checkerवैकल्पिक
प्रकारboolean
डिफ़ॉल्टtrue
यदि कॉलर अधिकृत है, तो false सेट करके स्क्रीनिंग में ढील दी जा सकती है।
आवश्यक कैनोनिकल नाम, यह भी स्वीकार्य है

फ़ाइल पैरामीटर में सार्वजनिक https:// URL, 10 MB तक का data: URI, या अपलोड का file_url लिया जाता है। फ़ाइलें

आउटपुट

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "tada/3b/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": 4,
    "usd": "0.004",
    "charged": 4,
    "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"
  }
}
आपकी फ़ाइलें, आपकी पसंदहर outputs[].url हमारे स्टोरेज में एक कॉपी है: हमेशा के लिए (प्रति GB-माह भुगतान) या 7 दिन तक मुफ़्त में, आपके अकाउंट की सेटिंग या ?storage= के अनुसार।
हर मॉडल पर एक जैसा आकारइमेज, वीडियो और ऑडियो सभी के लिए type, url, content_type, width, height और duration। output मॉडल का अपना परिणाम ऑब्जेक्ट है।
आउटपुट के फ़ील्ड
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}संश्लेषित स्पीच वाली ऑडियो फ़ाइल।

और मॉडल: टेक्स्ट से स्पीच

AI एजेंट के लिए: इस पेज का Markdown यहाँ है https://doitong.com/hi/developers/models/tada/3b/text-to-speech.md. सभी मॉडल और गाइड: https://doitong.com/developers/llms.txt