متن سے گفتگو
فعال انجن، کلون شدہ پروفائل یا ڈیزائن کردہ آواز سے گفتگو بنائیں۔
POST /v1/audio/speech OpenAI گفتگو کا فارمیٹ لیتا اور آڈیو بائٹس واپس کرتا ہے۔ tts-1 اور tts-1-hd VoiceStudio میں منتخب انجن استعمال کرتے ہیں؛ omnivoice، voxcpm2، cosyvoice یا kittentts جیسی انجن ID اسی انجن کو چنتی ہے۔
curl "$VOICESTUDIO_BASE_URL/audio/speech" \
-H "Authorization: Bearer $VOICESTUDIO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "tts-1",
"voice": "default",
"input": "Every voice. Every language. On your machine.",
"response_format": "wav",
"speed": 1.0
}' \
--output speech.wavفیلڈز
| فیلڈ | مطلب |
|---|---|
input | بولنے کا متن، زیادہ سے زیادہ 4,096 حروف |
model | tts-1، tts-1-hd یا انجن ID |
voice | default، OpenAI عرف، انجن پری سیٹ یا پروفائل ID |
response_format | mp3، opus، aac، flac، wav یا خام pcm |
speed | 0.25 سے 4.0 |
انجن کنٹرولز
درخواست انجن کے مخصوص فیلڈز بھی لیتی ہے:
{
"model": "omnivoice",
"input": "Say this softly, then pause.",
"voice": "your-profile-id",
"language": "en",
"instruct": "quiet, intimate, unhurried",
"seed": 42,
"num_step": 32,
"guidance_scale": 2.0
}سپورٹ انجن کے مطابق بدلتی ہے۔ GET /v1/audio/voices انسٹال شدہ انجن اور ان کی صلاحیتیں دکھاتا ہے: کلوننگ، جذبات، ڈیوائس اور روٹنگ۔
جواب بائنری ہے
اسے فائل میں لکھیں یا اسٹریم کریں؛ JSON کے طور پر پارس نہ کریں۔ Content-Type دیکھیں: انکوڈر دستیاب نہ ہو تو سرور WAV استعمال کر سکتا ہے۔
طویل متن
ایک درخواست زیادہ سے زیادہ 4,096 حروف لیتی ہے۔ کتابوں، پوڈکاسٹس یا دوبارہ شروع ہونے والے کاموں کے لیے API حوالہ میں آڈیو بک اور طویل فارم راستے استعمال کریں۔