{
"audio": "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...",
"mimeType": "audio/wav",
"chunksSynthesized": 1,
"_note": "Response truncated for documentation purposes"
}
curl --location --request POST 'https://zylalabs.com/api/13299/customizable+multilingual+text+to+speech+tts+and+speech+to+text+stt+api/27520/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/13299/customizable+multilingual+text+to+speech+tts+and+speech+to+text+stt+api/27521/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 अनुकूलन योग्य बहभाषी 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 इनपुट टेक्स्ट से संश्लेषित उच्च गुणवत्ता वाले WAV ऑडियो फ़ाइलें लौटाता है जबकि स्पीच टू टेक्स्ट (एसटीटी) एंडपॉइंट अपलोड की गई ऑडियो फ़ाइलों के शब्दशः प्रतिलिपियाँ टेक्स्ट प्रारूप में लौटाता है
TTS के लिए, मुख्य फ़ील्ड "ऑडियो" है, जिसमें ऑडियो डेटा होता है। STT के लिए, मुख्य फ़ील्ड में "टेक्स्ट" (लिप्यांतरित टेक्स्ट), "प्रदाता" (उपयोग की गई सेवा), "मॉडल" (विशिष्ट मॉडल जो उपयोग किया गया है), "अवधिSecs" (ऑडियो की लंबाई), और "चंक्सप्रोसेस्ड" (प्रोसेस किए गए ऑडियो खंडों की संख्या) शामिल हैं
TTS एंडपॉइंट "टेक्स्ट" (इनपुट टेक्स्ट), "भाषा" (संश्लेषण के लिए इच्छित भाषा), और "वॉइस" (विशिष्ट वॉइस मॉडल) जैसे पैरामीटर स्वीकार करता है STT एंडपॉइंट "ऑडियोफाइल" (ट्रांसक्राइब करने के लिए ऑडियो) और "भाषा" (ऑडियो की भाषा) जैसे पैरामीटर स्वीकार करता है
TTS प्रतिक्रिया में "ऑडियो" नाम का एक एकल क्षेत्र होता है जिसमें सिंथesized ऑडियो डेटा होता है STT प्रतिक्रिया को कई क्षेत्रों में संरचित किया गया है "टेक्स्ट" ट्रांसक्रिप्शन के लिए "प्रदाता" सेवा के लिए "मॉडल" ट्रांसक्रिप्शन मॉडल के लिए "अवधिSecs" ऑडियो की लंबाई के लिए और "chunksProcessed" संसाधित खंडों की संख्या के लिए
TTS और STT फ़ंक्शनलिटीज़ को Google Gemini और OpenAI ChatGPT की उन्नत तकनीकों द्वारा संचालित किया जाता है जो उच्च गुणवत्ता वाली ऑडियो संश्लेषण और प्रतिलेखन सटीकता सुनिश्चित करती हैं
विशिष्ट उपयोग के मामलों में वीडियो के लिए आवाज़ ऑवर बनाने के लिए टीटीएस का उपयोग करना ऑडियोबुक उत्पन्न करना और दस्तावेज़ीकरण और पहुंच के लिए बैठकों या साक्षात्कारों को एसटीटी के साथ ट्रांसक्राइब करना शामिल है
उपयोगकर्ता TTS एंडपॉइंट द्वारा लौटाई गई ऑडियो को सीधे ऐप्लिकेशनों में चला सकते हैं या इसे फ़ाइल के रूप में सहेज सकते हैं STT के लिए, लिखित पाठ का उपयोग दस्तावेज़ीकरण, विश्लेषण, या चैटबॉट या सामग्री निर्माण जैसे ऐप्लिकेशनों में आगे की प्रक्रिया के लिए किया जा सकता है
डेटा की सटीकता को गूगल और ओपनएआई के उन्नत न्यूरल मॉडलों के उपयोग के माध्यम से बनाए रखा जाता है जिन्हें प्रदर्शन में सुधार करने और विभिन्न भाषाओं और लहजों के अनुकूल होने के लिए निरंतर प्रशिक्षित और अपडेट किया जाता है