{
"audio": "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...",
"mimeType": "audio/wav",
"chunksSynthesized": 1,
"_note": "Response truncated for documentation purposes"
}
curl --location --request POST 'https://zylalabs.com/api/13296/enhanced+multilingual+text+to+speech+tts+and+speech+to+text+stt+api/27516/text+to+speech+tts+-+multilingual+synthesis' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{"text": "Hello world from Zyla Labs", "provider": "gemini", "voiceName": "en-US-Journey-F"}'
{
"text": "Xin lỗi, bạn chưa đính kèm file âm thanh nào vào yêu cầu. Vui lòng tải file âm thanh lên hoặc cung cấp đường dẫn (link) để tôi có thể hỗ trợ bạn chuyển đổi thành văn bản.",
"provider": "Google Gemini",
"model": "gemini-3.1-flash-lite",
"durationSecs": 1,
"chunksProcessed": 1
}
curl --location --request POST 'https://zylalabs.com/api/13296/enhanced+multilingual+text+to+speech+tts+and+speech+to+text+stt+api/27517/speech+to+text+stt+-+multilingual+audio+transcription' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"audioBase64": "UklGRiQAAABXQVZFZm10IBAAAAABAAEAQB8AAEAfAAABAAgAZGF0YQAAAAA=",
"mimeType": "audio/wav",
"lang": "vi"
}'
साइन अप करने के बाद, प्रत्येक डेवलपर को एक पर्सनल API एक्सेस की असाइन की जाती है, जो अक्षरों और अंकों का एक यूनिक संयोजन होता है, जिसका उपयोग हमारे API एंडपॉइंट तक पहुंचने के लिए किया जाता है। प्रमाणीकरण के लिए संवर्धित बहुभाषी पाठ से भाषण TTS और भाषण से पाठ STT API के साथ बस अपने बेयरर टोकन को Authorization हेडर में शामिल करें।
| हेडर | विवरण |
|---|---|
Authorization
|
आवश्यक
होना चाहिए Bearer access_key. जब आप सब्सक्राइब हों तो ऊपर "Your API Access Key" देखें।
|
कोई लंबी अवधि की प्रतिबद्धता नहीं। कभी भी अपग्रेड, डाउनग्रेड या कैंसल करें। फ्री ट्रायल में 50 रिक्वेस्ट तक शामिल हैं।
उच्च-निष्ठा 24kHz न्यूरल टेक्स्ट-टू-स्पीच टीटीएस और 99.8 प्रतिशत सटीक स्पीच-टू-टेक्स्ट एसटीटी एपीआई जो वियतनामी, अंग्रेजी, जापानी, कोरियाई, चीनी, फ्रेंच, जर्मन, स्पेनिश सहित 70 वैश्विक भाषाओं का समर्थन करता है। गूगल जेमिनी और ओपनएआई चैटजीपीटी द्वारा संचालित
द टेक्स्ट टू स्पीच (टीटीएस) एंडपॉइंट इनपुट टेक्स्ट से संश्लेषित उच्च फिडेलिटी WAV ऑडियो फ़ाइलें लौटाता है जबकि स्पीच टू टेक्स्ट (एसटीटी) एंडपॉइंट अपलोड की गई ऑडियो फ़ाइलों के शब्दशः प्रतिलेख को टेक्स्ट प्रारूप में लौटाता है
टीटीएस के लिए मुख्य क्षेत्र "ऑडियो" है, जिसमें ऑडियो डेटा होता है। एसटीटी के लिए मुख्य क्षेत्रों में "पाठ" (लिप्यांकित पाठ), "प्रदाता" (उपयोग की जाने वाली सेवा), "मॉडल" (विशिष्ट मॉडल का उपयोग किया गया), "अवधिSecs" (ऑडियो की लंबाई), और "प्रसंस्कृतChunks" (प्रसंस्कृत ऑडियो खंडों की संख्या) शामिल हैं
TTS एंडपॉइंट पैरामीटर स्वीकार करता है जैसे "text" (इनपुट टेक्स्ट), "language" (सिंथेसिस के लिए वांछित भाषा) और "voice" (विशिष्ट वॉयस मॉडल) STT एंडपॉइंट पैरामीटर स्वीकार करता है जैसे "audioFile" (प्रतिलिपि बनने के लिए ऑडियो) और "language" (ऑडियो की भाषा)
TTS प्रतिक्रिया में एकल फ़ील्ड "ऑडियो" है जिसमें संश्लेषित ऑडियो डेटा है STT प्रतिक्रिया को कई फ़ील्ड के साथ संरचना में किया गया है "टेक्स्ट" प्रतिलेखन के लिए "प्रदाता" उपयोग की गई सेवा के लिए "मॉडल" प्रतिलेखन मॉडल के लिए "अवधिSecs" ऑडियो लंबाई के लिए और "चंकप्रोसेस्ड" संसाधित खंडों की संख्या के लिए
टीटीएस और एसटीटी कार्यक्षमताएं गूगल जेमिनी और ओपनएआई चैटजीपीटी की उन्नत तकनीकों द्वारा समर्थित हैं जो उच्च गुणवत्ता की ऑडियो संश्लेषण और लेखन सटीकता सुनिश्चित करती हैं
विशिष्ट उपयोग मामलों में वीडियो के लिए टीटीएस का उपयोग करके वॉयसओवर बनाना ऑडियोबुक उत्पन्न करना और बैठकें या साक्षात्कारों का ट्रांसक्रिप्शन करना शामिल है स्टेट के लिए दस्तावेज़ीकरण और पहुंच के लिए
उपयोगकर्ता ऑडियो को सीधे एप्लिकेशनों में खेल सकते हैं या इसे फ़ाइल के रूप में सहेज सकते हैं STT के लिए ट्रांसक्राइब किया गया पाठ दस्तावेज़ीकरण विश्लेषण या चैटबॉट्स या सामग्री निर्माण जैसी एप्लिकेशनों में आगे की प्रक्रिया के लिए उपयोग किया जा सकता है
डेटा की सटीकता को गूगल और ओपनएआई के उन्नत न्यूरल मॉडल के उपयोग के माध्यम से बनाए रखा जाता है जिन्हें लगातार प्रशिक्षित और अपडेट किया जाता है ताकि प्रदर्शन में सुधार हो सके और विभिन्न भाषाओं और लहजों के अनुरूप ढाला जा सके