Zum Inhalt springen

Tada TTS 1B

Integrieren

Modell-ID 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"

Diese Anfrage: 0,003 $ 3 API-Credits Auf dieser Seite ausführen

API-Schlüssel abrufen
Open model Text zu Sprache

Text-zu-Sprache mit Stimmklon aus einem Referenzclip, 1B-Variante mit zehn Sprachen

Open model · Audio

Dein erstes Ergebnis erscheint hier

Erstelle unten eine Anfrage und führe sie mit deinem API-Schlüssel aus. Ausgaben werden in unseren Speicher kopiert und dauerhaft oder 7 Tage kostenlos aufbewahrt.

Anfrage erstellen

Die Steuerelemente werden aus dem Modellschema generiert. Code und Preis werden aktualisiert, während du sie änderst.

•erforderlich

Als Text bereitgestellter Sprachinhalt; der Referenzsprecher liefert die Stimme, mit der er gerendert wird.

•erforderlich audio_url
Datei ablegen oder

Quelle für Voice Cloning als URL einer Audiodatei; sie identifiziert den Sprecher, dessen stimmliche Eigenschaften das Modell reproduzieren soll.

Erweitert 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 Standard wav

Dateiformat für das generierte Audio.

Standard

Transkript des Referenzaudios, das für Aufnahmen in anderen Sprachen als Englisch angegeben werden muss; automatische Transkription ist nur für Englisch integriert.

Standard en

Sprachcode für die Textausrichtung, der bei der Sprachgenerierung in einer anderen Sprache als Englisch der Synthesesprache entsprechen muss.

Standard 0

Zusätzliche Anzahl autoregressiver Schritte zum Hinzufügen von Nachlaufprosodie oder Stille durch Fortsetzen der Sprache über den bereitgestellten Text hinaus.

Standard 0.6

Sampling-Temperatur für Text-Token: Ein höherer Wert erhöht die Ausgabevielfalt; 0 oder niedriger ist nicht zulässig.

Standard 0.9

Top-p-(Nucleus-)Sampling-Einstellung zur Texterzeugung.

Standard 1.1

Strafe für die Wiederholung von Token während der Ausgabeerzeugung.

Standard 1.6

Klassifikatorfreie Guidance-Stärke zur Erzeugung akustischer Merkmale.

Standard 0.9

Rauschtemperatur während der Flow-Matching-Diffusion.

Standard 20

Anzahl der ODE-Solver-Schritte zur Erzeugung von Akustik mittels Flow Matching.

Standard 1

Multiplikator für die Sprachgeschwindigkeit: Unter 1.0 wird die generierte Sprache langsamer, über 1.0 schneller.

POST /run/tada/1b/text-to-speech?wait=20 Preis → 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"

Diese Anfrage ausführen

Dein Schlüssel bleibt in diesem Browser: Er wird nur an die Doitong API gesendet und nur gespeichert (localStorage), wenn du „Merken“ aktivierst. API-Schlüssel abrufen

Über Tada TTS 1B

Spricht den Text aus `prompt` mit der Stimme eines als `audio_url` angegebenen Referenzclips. Für nicht-englisches Audio ist ein `transcript` der Referenz erforderlich. `language` unterstützt en, ar, ch, de, es, fr, it, ja, pl und pt. Einstellbar sind `speed_up_factor` (0.5 bis 2), `temperature`, `top_p` und `num_inference_steps`; die Ausgabe ist wav oder mp3.

Parameter

Sende entweder den kanonischen Namen oder den nativen Namen, nicht beide. Kanonische Namen

NameTyp StandardZulässig Beschreibung
audio_urlerforderlich audio
Typurl · audio
Quelle für Voice Cloning als URL einer Audiodatei; sie identifiziert den Sprecher, dessen stimmliche Eigenschaften das Modell reproduzieren soll.
transcriptoptional
Typstring
Standard
Transkript des Referenzaudios, das für Aufnahmen in anderen Sprachen als Englisch angegeben werden muss; automatische Transkription ist nur für Englisch integriert.
prompterforderlich
Typstring
Als Text bereitgestellter Sprachinhalt; der Referenzsprecher liefert die Stimme, mit der er gerendert wird.
languageoptional
Typenum
Standarden
enarchdeesfritjaplpt
Sprachcode für die Textausrichtung, der bei der Sprachgenerierung in einer anderen Sprache als Englisch der Synthesesprache entsprechen muss.
num_extra_stepsoptional
Typinteger
Standard0
0 – 50
Zusätzliche Anzahl autoregressiver Schritte zum Hinzufügen von Nachlaufprosodie oder Stille durch Fortsetzen der Sprache über den bereitgestellten Text hinaus.
temperatureoptional
Typnumber
Standard0.6
≤ 2> 0
Sampling-Temperatur für Text-Token: Ein höherer Wert erhöht die Ausgabevielfalt; 0 oder niedriger ist nicht zulässig.
top_poptional
Typnumber
Standard0.9
0 – 1
Top-p-(Nucleus-)Sampling-Einstellung zur Texterzeugung.
repetition_penaltyoptional
Typnumber
Standard1.1
1 – 2
Strafe für die Wiederholung von Token während der Ausgabeerzeugung.
acoustic_cfg_scaleoptional
Typnumber
Standard1.6
0 – 10
Klassifikatorfreie Guidance-Stärke zur Erzeugung akustischer Merkmale.
noise_temperatureoptional
Typnumber
Standard0.9
0 – 2
Rauschtemperatur während der Flow-Matching-Diffusion.
num_inference_stepsoptional
Typinteger
Standard20
1 – 50
Anzahl der ODE-Solver-Schritte zur Erzeugung von Akustik mittels Flow Matching.
speed_up_factoroptional
Typnumber
Standard1
0,5 – 2
Multiplikator für die Sprachgeschwindigkeit: Unter 1.0 wird die generierte Sprache langsamer, über 1.0 schneller.
output_formatoptional
Typenum
Standardwav
wavmp3
Dateiformat für das generierte Audio.
enable_safety_checkeroptional
Typboolean
Standardtrue
Die Prüfung kann durch Setzen auf false gelockert werden, sofern der Aufrufer dazu berechtigt ist.
erforderlich Kanonischer Name, ebenfalls akzeptiert

Dateiparameter akzeptieren eine öffentliche https://-URL, eine data:-URI bis 10 MB oder die file_url eines Uploads. Dateien

Ausgabe

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"
  }
}
Deine Dateien, deine EntscheidungJede outputs[].url ist eine Kopie in unserem Speicher: dauerhaft aufbewahrt (Abrechnung pro GB-Monat) oder 7 Tage kostenlos – je nach Kontoeinstellung oder ?storage=.
Gleiche Struktur bei jedem Modelltype, url, content_type, width, height und duration – für Bilder, Video und Audio gleichermaßen. output ist das Ergebnisobjekt des Modells.
Ausgabefelder
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Audiodatei mit der synthetisierten Sprache.

Weitere Modelle: Text zu Sprache

Für KI-Agenten: Diese Seite ist als Markdown verfügbar unter https://doitong.com/de/developers/models/tada/1b/text-to-speech.md. Alle Modelle und Anleitungen: https://doitong.com/developers/llms.txt