PopNow APIpopnow.ai
Odbierz klucz API

Chatterbox API

od Resemble AI

Mowa po angielsku, która potrafi naśladować krótką próbkę głosu

resemble-ai/chatterbox-v1/text-to-speechOd 6 kredytówza generację · 0,06 USD
Wypróbuj w PlaygroundzieZdobądź klucz API
  • Tekst na mowę
Zobacz przykłady

O modelu Chatterbox

Chatterbox, otwartoźródłowy model syntezy mowy od Resemble AI: wyślij do 1000 znaków angielskiego tekstu i odbierz plik WAV odczytany jego wbudowanym głosem, z suwakami regulującymi ekspresję i zróżnicowanie.

Wywołujesz go nazwą modelu resemble-ai/chatterbox-v1/text-to-speech w POST /jobs/createTask, od 6 kredytów za generację (0,06 USD). Nowe konta dostają 30 darmowych kredytów, więc możesz najpierw przetestować go w Playgroundzie.

Ten poradnik jest na razie tylko po angielsku. →

Parametry żądania

ParametrWymaganyOpis
exaggerationNieHow emotional the reading is, from 0 (flat) to 1 (dramatic). ≥ 0 · ≤ 1 · Domyślnie: 0.5
guidance_scaleNieJak ściśle model trzyma się promptu. ≥ 0.1 · ≤ 1 · Domyślnie: 0.5
reference_audio_urlNieOptional clip of the voice to imitate; the reading takes on its timbre.
temperatureNieVariation between takes, from 0.05 to 2. ≥ 0.05 · ≤ 2 · Domyślnie: 0.7
textTakUp to 1,000 characters of English, read exactly as written. Spell sounds out; tags are read aloud.

Ceny

Ceny podajemy w kredytach, tych samych, których używasz na stronie (1 kredyt = 0,01 $). Kwota jest rezerwowana, gdy zadanie zostaje przyjęte, a po zakończeniu rozliczana według rzeczywistego kosztu; za nieudane zadania kredyty wracają.

OpcjaKredyty za generację≈ USD
Standard5,40,054 USD

Każde zadanie jest zaokrąglane w górę do pełnych kredytów, więc jedno uruchomienie na najniższym poziomie kosztuje 6 kredytów za generację (0,06 USD).

Żeby poznać dokładną kwotę przed uruchomieniem, wyślij to samo body na POST /jobs/quote.

Szybki start z API

Wywołaj API Chatterbox w trzech krokach

  1. Utwórz klucz API. Zaloguj się do PopNow i utwórz klucz w konsoli API. Klucze zaczynają się od sk-popnow- i korzystają z tych samych kredytów co strona.
  2. Wyślij żądanie. Wyślij POST /jobs/createTask z model resemble-ai/chatterbox-v1/text-to-speech i obiektem input zgodnym z tabelą parametrów. Odpowiedź od razu zwraca ID zadania.
  3. Odbierz wynik. Odpytuj GET /jobs/recordInfo po ID zadania albo podaj callBackUrl, a wyślemy tam wynik. Gdy zadanie się powiedzie, pobierz pliki z linków wyjściowych.
# 1. Create the task. Keep the Idempotency-Key if you retry after a network error.
export IDEMPOTENCY_KEY="$(uuidgen)"
curl -X POST https://api.popnow.ai/api/v1/jobs/createTask \
  -H "Authorization: Bearer $POPNOW_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: $IDEMPOTENCY_KEY" \
  -d '{
  "model": "resemble-ai/chatterbox-v1/text-to-speech",
  "input": {
    "text": "Welcome back. Your files finished rendering a minute ago and are ready to download."
  }
}'

# 2. Copy data.taskId from the response, then poll until state is succeeded, failed, canceled or expired.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.popnow.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
  -H "Authorization: Bearer $POPNOW_API_KEY"

Podmień prompt i linki na własne. Odniesienie do odpowiedzi, odpytywania i callbacku znajdziesz na karcie API.

Pytania o API Chatterbox

Ile kosztuje API Chatterbox?

Chatterbox kosztuje 6 kredytów (0,06 USD) za generację. Kredyty są te same co na stronie (1 kredyt = 0,01 USD), nowe konta dostają 30 darmowych kredytów, a nieudane zadania są zwracane.

Jaka jest nazwa modelu Chatterbox w API?

Wpisz resemble-ai/chatterbox-v1/text-to-speech do zadania Tekst na mowę w polu model żądania POST /jobs/createTask.

Czy mogę wybrać głos?

Listy głosów nie ma, ale możesz sklonować głos: wyślij w reference_audio_url krótki klip MP3 lub WAV, a odczyt przejmie barwę tego głosu. Bez klipu każde żądanie korzysta z wbudowanego głosu Chatterbox. Suwaki zmieniają sposób, w jaki głos brzmi, a nie to, czyj to głos. Używaj tylko głosów, do których masz prawa.

Czy znaczniki takie jak <laugh> lub [sigh] działają?

Nie. W naszych testach model odczytywał takie znaczniki na głos jako słowa. Zamiast tego zapisz dźwięki fonetycznie — „ha…”, „mmm…”, „ahh…” — i podnieś exaggeration, aby uzyskać bardziej emocjonalny odczyt.

Jakie języki potrafi czytać?

Angielski. Ten model nie obsługuje innych języków.

Jakie limity ma API Chatterbox?

Długość tekstu (znaki): 1,000; Największy przesyłany plik: 90 MB. Żądania poza tymi limitami są odrzucane, zanim cokolwiek zostanie pobrane.

Czy mogę wypróbować Chatterbox bez pisania kodu?

Tak. Playground uruchamia Chatterbox na twoich kredytach PopNow, nie wymaga klucza API i pokazuje kod do każdej generacji.

Więcej o Chatterbox