{
"audio": "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...",
"mimeType": "audio/wav",
"chunksSynthesized": 1,
"_note": "Response truncated for documentation purposes"
}
curl --location --request POST 'https://zylalabs.com/api/13293/high+quality+multilingual+text+to+speech+tts+and+speech+to+text+stt+api/27512/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/13293/high+quality+multilingual+text+to+speech+tts+and+speech+to+text+stt+api/27513/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 उच्च गुणवत्ता वाली बहुभाषी टेक्स्ट-टू-स्पीच टीटीएस और स्पीच-टू-टेक्स्ट एसटीटी 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 TTS और 99.8 प्रतिशत सटीक स्पीच-टू-टेक्स STT API जो वियतनामी, अंग्रेजी, जापानी, कोरियाई, चीनी, फ्रेंच, जर्मन, स्पेनिश सहित 70 वैश्विक भाषाओं का समर्थन करता है गूगल जेमिनी और ओपनएआई चैटजीपीटी द्वारा संचालित
पाठ से भाषण (TTS) अंत बिंदु इनपुट पाठ से संश्लेषित उच्च-निष्ठा WAV ऑडियो फ़ाइलें लौटाता है जबकि भाषण से पाठ (STT) अंत बिंदु अपलोड की गई ऑडियो फ़ाइलों के शाब्दिक अनुाचारों को पाठ प्रारूप में लौटाता है
टीटीएस के लिए, कुंजी फ़ील्ड "ऑडियो" है, जिसमें ऑडियो डेटा होता है। एसटीटी के लिए, कुंजी फ़ील्ड में "पाठ" (लेखित पाठ), "प्रदाता" (उपयोग की गई सेवा), "मॉडल" (विशिष्ट मॉडल का उपयोग), "कालावधिSecs" (ऑडियो की लंबाई), और "खंड संसाधित" (संसाधित ऑडियो खंडों की संख्या) शामिल हैं
TTS एंडपॉइंट "text" (इनपुट टेक्स्ट) "language" (संश्लेषण के लिए वांछित भाषा) और "voice" (विशिष्ट आवाज़ मॉडल) जैसे पैरामीटर स्वीकार करता है STT एंडपॉइंट "audioFile" (जिस ऑडियो को ट्रांसक्राइब करना है) और "language" (ऑडियो की भाषा) जैसे पैरामीटर स्वीकार करता है
TTS प्रतिक्रिया में एकल फ़ील्ड "ऑडियो" होता है जिसमें संश्लेषित ऑडियो डेटा होता है STT प्रतिक्रिया को कई फ़ील्ड के साथ व्यवस्थित किया गया है "टेक्स्ट" के लिए लिप्यांतरण "प्रदाता" के लिए उपयोग की गई सेवा "मॉडल" के लिए लिप्यांतरण मॉडल "काल" के लिए ऑडियो की लंबाई और "प्रसंस्कृत भाग" के लिए प्रसंस्कृत खंडों की संख्या
TTS और STT कार्यक्षमताएं गूगल जेमिनी और ओपनएआई चैटजीपीटी की उन्नत तकनीकों द्वारा संचालित हैं जो उच्च गुणवत्ता वाली ऑडियो संश्लेषण और ट्रांसक्रिप्शन सटीकता सुनिश्चित करती हैं
विशिष्ट उपयोग के मामलों में वीडियो के लिए टीटीएस का उपयोग करके वॉयसओवर बनाना ऑडियोबुक उत्पन्न करना और दस्तावेज़ीकरण और पहुंच के लिए बैठक या साक्षात्कार को एसटीटी के साथ ट्रांसक्राइब करना शामिल है
उपयोगकर्ता टीटीएस अंत बिंदु द्वारा लौटाए गए ऑडियो को सीधे अनुप्रयोगों में चला सकते हैं या इसे फ़ाइल के रूप में सहेज सकते हैं। एसटीटी के लिए, लिप्यंतरण किया गया पाठ दस्तावेज़ीकरण, विश्लेषण, या चैटबॉट या सामग्री निर्माण जैसे अनुप्रयोगों में आगे की प्रोसेसिंग के लिए उपयोग किया जा सकता है
डेटा सटीकता को गूगल और ओपनएआई के उन्नत न्यूरल मॉडलों के उपयोग के माध्यम से बनाए रखा जाता है जो लगातार प्रशिक्षित और अपडेट किए जाते हैं ताकि प्रदर्शन में सुधार हो सके और विभिन्न भाषाओं और उच्चारणों के अनुसार अनुकूलित हो सकें