{
"audio": "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...",
"mimeType": "audio/wav",
"chunksSynthesized": 1,
"_note": "Response truncated for documentation purposes"
}
curl --location --request POST 'https://zylalabs.com/api/13295/cloud+based+multilingual+text+to+speech+tts+and+speech+to+text+stt+api/27510/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/13295/cloud+based+multilingual+text+to+speech+tts+and+speech+to+text+stt+api/27511/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 क्लाउड आधारित 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।
टेक्स्ट टू स्पीच (टीटीएस) एंडपॉइंट उच्च गुणवत्ता वाले WAV ऑडियो फ़ाइलें लौटाता है जो इनपुट टेक्स्ट से संश्लेषित होती हैं जबकि स्पीच टू टेक्स्ट (एसटीटी) एंडपॉइंट अपलोड की गई ऑडियो फ़ाइलों की शुद्ध ट्रांसक्रिप्शन टेक्स्ट प्रारूप में लौटाता है
TTS के लिए मुख्य क्षेत्र "ऑडियो" है जो ऑडियो डेटा को शामिल करता है STT के लिए मुख्य क्षेत्रों में "पाठ" (ट्रांसक्राइब किया हुआ पाठ) "प्रदाता" (उपयोग की गई सेवा) "मॉडल" (विशिष्ट मॉडल उपयोग में) "अवधिSecs" (ऑडियो की लंबाई) और "chunksProcessed" (प्रोसेस किए गए ऑडियो खंडों की संख्या) शामिल हैं
TTS समाप्ति बिंदु ऐसे पैरामीटर स्वीकार करता है जैसे "पाठ" (इनपुट पाठ), "भाषा" (संश्लेषण के लिए इच्छित भाषा), और "स्वर" (विशिष्ट स्वर मॉडल) STT समाप्ति बिंदु ऐसे पैरामीटर स्वीकार करता है जैसे "ऑडियोफाइल" (ट्रांसक्राइब किया जाने वाला ऑडियो) और "भाषा" (ऑडियो की भाषा)
TTS प्रतिक्रिया में एकल क्षेत्र "ऑडियो" होता है जिसमें संश्लेषित ऑडियो डेटा होता है STT प्रतिक्रिया कई क्षेत्रों के साथ संरचित होती है "पाठ" लिप्यंतरण के लिए "प्रदाता" उपयोग की गई सेवा के लिए "मॉडल" लिप्यंतरण मॉडल के लिए "अवधिSecs" ऑडियो लंबाई के लिए और "प्रसंस्कृत टुकड़े" प्रसंस्कृत खंडों की संख्या के लिए
TTS और STT कार्यक्षमता Google Gemini और OpenAI ChatGPT की उन्नत तकनीकों द्वारा संचालित हैं जो उच्च गुणवत्ता वाली ऑडियो सिंथेसिस और लेखन सटीकता सुनिश्चित करती हैं
सामान्य उपयोग के मामलों में वीडियो के लिए टीटीएस का उपयोग करते हुए वॉयसओवर बनाने, ऑडियोबुक उत्पन्न करने और दस्तावेज़ीकरण और उपलब्धता के लिए मीटिंग्स या इंटरव्यू का एसटीटी के साथ ट्रांसक्राइब करना शामिल है
उपयोगकर्ता टीटीएस एंडपॉइंट द्वारा लौटाए गए ऑडियो को सीधे एप्लिकेशन में चला सकते हैं या इसे एक फाइल के रूप में सहेज सकते हैं एसटीटी के लिए ट्रांसक्राइब किया गया पाठ डोक्यूमेंटेशन एनालिसिस या चैटबॉट्स या कंटेंट निर्माण जैसी एप्लिकेशनों में आगे की प्रोसेसिंग के लिए उपयोग किया जा सकता है
डेटा की सटीकता को गूगल और ओपनएआई के उन्नत न्यूरल मॉडलों का उपयोग करके बनाए रखा जाता है जो प्रदर्शन को सुधारने और विभिन्न भाषाओं और लहजों के अनुकूल बनने के लिए निरंतर प्रशिक्षित और अपडेट होते हैं