שפּרינגען צו אינהאַלט

Tada

אינטעגרירן

מאָדעל־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"

דער דאָזיקער ריקוועסט: ⁨$ 0.004⁩ 4 API־קרעדיטן לויפֿן עס אויף דער דאָזיקער בלאַט

באַקומען אַן API שליסל

קול־קלאָנירנדיקער טעקסט־צו־רייד וואָס רעדט אײַער טעקסט מיטן קול פֿון אַ רעפֿערענץ־קליפּ, מיט 10 שפּראַך־קאָדן

Open model · אַודיאָ

דאָ קומט אײַער ערשטער רעזולטאַט

בויט אונטן אַ בקשה און לויפט זי מיט אײַער API שליסל. רעזולטאַטן ווערן קאַפּירט צו אונדזער סטאָרידזש, געהאַלטן אויף אייביק אָדער 7 טעג אומזיסט.

בויען אַ בעטן

קאָנטראָלן ווערן דזשענערירט פֿון דעם מאָדעל־סכעמע. דער קאָד און דער פּרײַז דערהײַנטיקן זיך ווען איר ענדערט זיי.

•פארלאנגט

רעדע־אינהאַלט צוגעשטעלט ווי טעקסט; דער רעפֿערענץ־רעדנער גיט דעם קול וואָס ווערט געניצט עס צו רענדערן.

•פארלאנגט audio_url
לייגט אַרײַן אַ טעקע, אָדער

קוואַל פֿאַר קול־קלאָנירונג צוגעשטעלט ווי אַן אַודיאָ־פֿײַל־URL, וואָס אידענטיפֿיצירט דעם רעדנער וועמענס קול־אייגנשאַפֿטן דער מאָדעל זאָל רעפּראָדוצירן.

פֿאָרגעשריטן 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 סטאַנדאַרט wav

פֿײַל־פֿאָרמאַט פֿאַרן גענערירטן אַודיאָ.

סטאַנדאַרט

טראַנסקריפּט פון דעם רעפֿערענץ־אַודיאָ, וואָס מוז ווערן צוגעשטעלט פֿאַר אויפֿנאַמעס אין שפּראַכן אַנדערע ווי English; אויטאָמאַטישע טראַנסקריפּציע איז איינגעבויט נאָר פֿאַר English.

סטאַנדאַרט en

שפּראַך־קאָד פֿאַר טעקסט־אַליינמענט, וואָס מוז שטימען מיט דער סינטעז־שפּראַך ווען מען גענערירט רעדע אין אַ שפּראַך אַנדערער ווי English.

סטאַנדאַרט 0

נאָך־אַוטאָרעגרעסיווער סטעפּ־צאָל פֿאַר צולייגן נאָכפֿאָלגנדיקע פּראָסאָדיע אָדער שטילקייט דורך פֿאַרלענגערן די רעדע נאָך דעם צוגעשטעלטן טעקסט.

סטאַנדאַרט 0.6

סאַמפּלינג־טעמפּעראַטור פֿאַר טעקסט־טאָקענס: דאָס הייבן לייגט צו רעזולטאַט־פֿאַרשיידנקייט, און 0 אָדער ווייניקער איז נישט ערלויבט.

סטאַנדאַרט 0.9

Top-p (nucleus) סאַמפּלינג־באַשטעטיקונג געניצט צו גענערירן טעקסט.

סטאַנדאַרט 1.1

שטראָף פֿאַר טאָקען־ווידערהאָלונג בעת גענערירונג פון רעזולטאַט.

סטאַנדאַרט 1.6

Classifier-free guidance־שטאַרקייט געניצט צו גענערירן אַקוסטישע שטריכן.

סטאַנדאַרט 0.9

רעש־טעמפּעראַטור געניצט בעת flow-matching דיפוזיע.

סטאַנדאַרט 20

ODE סאָלווער־סטעפּ־צאָל געניצט צו גענערירן אַקוסטיק דורך flow matching.

סטאַנדאַרט 1

רעדע־גיכקייט־מולטיפּליקאַטאָר: גענערירטע רעדע ווערט פּאַמעלעכער אונטער 1.0 און שנעלער העכער 1.0.

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

לויפֿן דעם ריקוועסט

אײַער key בלײַבט אין דעם בלעטערער: זי ווערט געשיקט נאָר צום Doitong API און אָפּגעהיט (localStorage) נאָר אויב איר טיקט אָן געדענקען. באַקומען אַן API שליסל

וועגן Tada

קלאָנט אַ רעדנער פֿון אַ רעפֿערענץ־קליפּ (`audio_url`) און לייענט דעם `prompt`־טעקסט מיט יענעם קול. די אָפּציע `language` נעמט en, ar, ch, de, es, fr, it, ja, pl און pt. פֿאַר ניט־ענגלישע רעפֿערענצן צושטעלן אַ `transcript`, ווײַל די געבויטע דערקענונג איז בלויז ענגליש. די גיכקייט קען ווערן סקאַלירט פֿון 0.5 ביז 2, און דער רעזולטאַט איז wav אָדער mp3.

פּאַראַמעטערס

שיקט אָדער דעם קאַנאָנישן נאָמען אָדער דעם נאַטיוון נאָמען, נישט ביידע. קאַנאָנישע נעמען

נאָמעןטיפּ סטאַנדאַרטערלויבט באַשרײַבונג
audio_urlפארלאנגט audio
טיפּurl · audio
קוואַל פֿאַר קול־קלאָנירונג צוגעשטעלט ווי אַן אַודיאָ־פֿײַל־URL, וואָס אידענטיפֿיצירט דעם רעדנער וועמענס קול־אייגנשאַפֿטן דער מאָדעל זאָל רעפּראָדוצירן.
transcriptאָפּציאָנעל
טיפּstring
סטאַנדאַרט
טראַנסקריפּט פון דעם רעפֿערענץ־אַודיאָ, וואָס מוז ווערן צוגעשטעלט פֿאַר אויפֿנאַמעס אין שפּראַכן אַנדערע ווי English; אויטאָמאַטישע טראַנסקריפּציע איז איינגעבויט נאָר פֿאַר English.
promptפארלאנגט
טיפּstring
רעדע־אינהאַלט צוגעשטעלט ווי טעקסט; דער רעפֿערענץ־רעדנער גיט דעם קול וואָס ווערט געניצט עס צו רענדערן.
languageאָפּציאָנעל
טיפּenum
סטאַנדאַרטen
enarchdeesfritjaplpt
שפּראַך־קאָד פֿאַר טעקסט־אַליינמענט, וואָס מוז שטימען מיט דער סינטעז־שפּראַך ווען מען גענערירט רעדע אין אַ שפּראַך אַנדערער ווי English.
num_extra_stepsאָפּציאָנעל
טיפּinteger
סטאַנדאַרט0
0 – 50
נאָך־אַוטאָרעגרעסיווער סטעפּ־צאָל פֿאַר צולייגן נאָכפֿאָלגנדיקע פּראָסאָדיע אָדער שטילקייט דורך פֿאַרלענגערן די רעדע נאָך דעם צוגעשטעלטן טעקסט.
temperatureאָפּציאָנעל
טיפּnumber
סטאַנדאַרט0.6
≤ 2> 0
סאַמפּלינג־טעמפּעראַטור פֿאַר טעקסט־טאָקענס: דאָס הייבן לייגט צו רעזולטאַט־פֿאַרשיידנקייט, און 0 אָדער ווייניקער איז נישט ערלויבט.
top_pאָפּציאָנעל
טיפּnumber
סטאַנדאַרט0.9
0 – 1
Top-p (nucleus) סאַמפּלינג־באַשטעטיקונג געניצט צו גענערירן טעקסט.
repetition_penaltyאָפּציאָנעל
טיפּnumber
סטאַנדאַרט1.1
1 – 2
שטראָף פֿאַר טאָקען־ווידערהאָלונג בעת גענערירונג פון רעזולטאַט.
acoustic_cfg_scaleאָפּציאָנעל
טיפּnumber
סטאַנדאַרט1.6
0 – 10
Classifier-free guidance־שטאַרקייט געניצט צו גענערירן אַקוסטישע שטריכן.
noise_temperatureאָפּציאָנעל
טיפּnumber
סטאַנדאַרט0.9
0 – 2
רעש־טעמפּעראַטור געניצט בעת flow-matching דיפוזיע.
num_inference_stepsאָפּציאָנעל
טיפּinteger
סטאַנדאַרט20
1 – 50
ODE סאָלווער־סטעפּ־צאָל געניצט צו גענערירן אַקוסטיק דורך flow matching.
speed_up_factorאָפּציאָנעל
טיפּnumber
סטאַנדאַרט1
0.5 – 2
רעדע־גיכקייט־מולטיפּליקאַטאָר: גענערירטע רעדע ווערט פּאַמעלעכער אונטער 1.0 און שנעלער העכער 1.0.
output_formatאָפּציאָנעל
טיפּenum
סטאַנדאַרטwav
wavmp3
פֿײַל־פֿאָרמאַט פֿאַרן גענערירטן אַודיאָ.
enable_safety_checkerאָפּציאָנעל
טיפּboolean
סטאַנדאַרטtrue
סקרינינג קען ווערן פאַרלייכטערט דורך שטעלן false, אויב דער רופער איז אָטעריזירט.
פארלאנגט קאַנאָנישער נאָמען, אויך אַקצעפּטירט

טעקע־פּאַראַמעטערס נעמען אַן עפֿנטלעכע https:// URL, אַ data: URI ביז 10 MB, אָדער דעם file_url פֿון אַן אַרויפֿלאָד. טעקעס

אויסגאַבע

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"
  }
}
אייער טעקעס, אייער ברירהיעדער outputs[].url איז אַ קאַפּיע אין אונדזער סטאָרידזש: געהאַלטן אויף אייביק (באַצאָלט פּער GB־חודש) אָדער 7 טעג אומזיסט, לויט אײַער חשבון־באַשטעטיקונג אָדער ?storage=.
דער זעלבער פֿאָרעם בײַ יעדן מאָדעלtype, url, content_type, width, height און duration, סײַ פֿאַר בילדער, ווידעאָ און אַודיאָ. output איז דער אייגענער רעזולטאַט־אָביעקט פֿון מאָדעל.
פֿעלדער פֿון דער אויסגאַבע
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}אַודיאָ־פֿײַל מיט דער סינטעזירטער רעדע.

מער מאָדעלן: טעקסט צו רעדע

פֿאַר AI־אַגענטן: דער בלאַט ווי Markdown געפֿינט זיך בײַ https://doitong.com/yi/developers/models/tada/3b/text-to-speech.md. אַלע מאָדעלן און גוידעס: https://doitong.com/developers/llms.txt