Wprowadzenie
Wyślij tekst do odczytania i opcjonalnie gotowy głos, krótką uwagę o sposobie wypowiedzi oraz język. Zadanie zwraca jeden plik audio z tekstem odczytanym tym głosem: MP3 24 kHz mono, chyba że ustawisz output_format lub sample_rate. speed, pitch i volume regulują sposób wypowiedzi. instructions przyjmuje wskazówki prostym językiem, np. ton, emocje, tempo czy głośność, i nie jest czytane na głos. SpicyAPI nie stosuje filtra treści, więc słyszysz dokładnie ten skrypt, który wysłałeś. Opłata jest naliczana za każde 1000 znaków wysłanego tekstu.
| Pole | Wartość |
|---|---|
| Wejście | Tekst |
| Wyjście | Audio |
| Pole wymagane | text — od 1 do 5000 znaków |
| Pola opcjonalne |
|
| Wynik | Jeden plik audio: domyślnie MP3 (24 kHz, mono), albo Ogg Opus |
| Rozliczana ilość | Znaki wysłanego text, za każde 1000 |
| Typowy czas | Około 8 sekund dla 300 znaków |
| Przechowywanie | Wygenerowane nagrania są przechowywane przez 14 dni |
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
text | Tak | Słowa, które mają zostać wypowiedziane, dokładnie tak, jak zostały napisane. Opłata naliczana za każde 1000 znaków, łącznie ze spacjami i znakami interpunkcyjnymi. od 1 znaków · do 5000 znaków |
voice_id | Nie | Jeden z 41 gotowych głosów. Sufiks pokazuje, do jakich języków jest przystosowany głos. |
instructions | Nie | Wskazówka w prostym języku dotycząca tonu, emocji, tempa lub głośności. Kształtuje sposób odczytu i nie jest wypowiadana na głos. do 1000 znaków |
speed | Nie | Tempo mowy od 0,5 (wolniej) do 2 (szybciej); 1 to zwykłe tempo głosu. Nie zmienia ceny. |
pitch | Nie | Przesunięcie wysokości głosu w półtonach, od -12 do 12; 0 zachowuje naturalną wysokość głosu. Nie zmienia ceny. |
volume | Nie | Mnożnik głośności od 0,5 do 2; 1 to normalny poziom. Nie zmienia ceny. |
language | Nie | Wymusza język odczytu. Zostaw puste, aby był wykrywany na podstawie skryptu. |
output_format | Nie | Format pliku: mp3 (domyślnie) lub opus, czyli plik Ogg Opus, mniejszy przy tej samej jakości. Nie zmienia ceny. |
sample_rate | Nie | Częstotliwość próbkowania dźwięku w Hz: 8000, 16000, 22050, 24000, 32000, 44100, 48000. Wartość domyślna: 24000. |
Cennik
$0.072 / 1000 znaków
Opłata naliczana za każde 1000 znaków wysłanego tekstu, licząc spacje i znaki interpunkcyjne. Wycena pokazana przed uruchomieniem jest ceną ostateczną.
Zastosowania
Lektor do krótkich filmów
Narracja do materiałów instruktażowych, klipów produktowych i postów w mediach społecznościowych. Cena zależy od długości skryptu, więc znasz koszt partii jeszcze przed rozpoczęciem.
Treści wielojęzyczne
Odczytaj ten sam skrypt po angielsku, japońsku, hiszpańsku, niemiecku i nie tylko. Kilka głosów jest przystosowanych do mówienia więcej niż jednym językiem tym samym tembrem.
Nieocenzurowane historie audio
Skrypty są wypowiadane zgodnie z zapisem, bez względu na ich śmiałość. W naszych testach model wypowiadał każde słowo najmocniejszych monologów i opisanych scen, które wysłaliśmy, bez pomijania czegokolwiek i bez urywania klipu.
Głosy postaci
Nadaj każdej postaci gotowy głos i jednolinijkową notatkę o sposobie mówienia — zdyszanym, sennym, przekornym — i zachowaj oba elementy przez całą serię.
Wskazówki
Wyślij skrypt w text
Napisz go dokładnie tak, jak ma zostać wypowiedziany, z interpunkcją wyznaczającą pauzy. Do 5000 znaków.
Wybierz głos
Domyślna wartość
voice_idtostokie_en. Sufiks każdego głosu pokazuje, do jakich języków jest przystosowany, na przykład _en lub _ja_es.Opisz sposób odczytu
Wpisz w instructions jedno lub dwa zdania, na przykład „wolno, cicho i blisko, jakbyś mówił do jednej osoby”. Nie jest to czytane na głos.
Co zwraca
Jeden plik audio na zadanie: MP3 mono 24 kHz, o ile nie zmienisz output_format ani sample_rate. Plik jest kopiowany do zasobów SpicyAPI i przechowywany przez 14 dni. Wynik nie zawiera znaczników czasowych dla poszczególnych słów ani napisów.
Wybór głosu
voice_id przyjmuje jeden z 41 gotowych głosów, domyślnie stokie_en. Sufiks każdej nazwy głosu wskazuje języki, do których jest przystosowany — tim_en to angielski, minimi_ja japoński, sven_de niemiecki, jess_ja_es_id_pt_en_zh mówi kilkoma. Głosy wielojęzyczne zachowują ten sam tembr we wszystkich swoich językach.
Kierowanie sposobem odczytu
instructions przyjmuje jedno lub dwa zdania w prostym języku o tym, jak czytać: ton, emocje, tempo, głośność. Kształtuje sposób wykonania i nie jest wypowiadane na głos. Do dokładnych wartości służą osobne suwaki speed (0,5–2), pitch (od -12 do 12 półtonów) i volume (0,5–2).
Format wyjściowy
output_format wybiera mp3 (domyślnie) lub opus, czyli plik Ogg Opus, mniejszy przy tej samej jakości, a sample_rate mieści się w zakresie od 8000 do 48000 Hz. Żadne z tych ustawień nie zmienia ceny.
Język
Język jest wykrywany na podstawie skryptu. language wymusza zh, en, ja, es-mx, id, pt-br, ko, it, de lub fr, gdy krótki lub wielojęzyczny skrypt jest czytany w niewłaściwym języku.
Rozliczenie
Opłata naliczana za każde 1000 znaków text, licząc spacje, znaki interpunkcyjne i znaki nowej linii; instructions jest bezpłatne. Liczba znaków jest znana jeszcze przed rozpoczęciem zadania, więc wycena jest ostateczną opłatą. Nieudane żądania nie są obciążane opłatą.
Treść
SpicyAPI nie dodaje filtra treści. W naszych testach nawet najmocniejsze skrypty zostały wypowiedziane słowo w słowo, bez pomijania czegokolwiek i bez urwanych klipów.
SpicyAPI nie dodaje żadnego filtra treści: skrypty NSFW są czytane dokładnie tak, jak zostały napisane. Odpowiadasz za wysyłane skrypty oraz za sposób wykorzystania powstałego nagrania, w tym za to, by nie przedstawiać go jako wypowiedzi prawdziwej osoby.
Szybki start z API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "bytedance/seed-speech-2.0/text-to-speech",
"input": {
"text": "Welcome back. Your files finished rendering a minute ago and are ready to download.",
"voice_id": "stokie_en",
"output_format": "mp3"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.