{
"audio": "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...",
"mimeType": "audio/wav",
"chunksSynthesized": 1,
"_note": "Response truncated for documentation purposes"
}
curl --location --request POST 'https://zylalabs.com/api/13294/multi+voice+multilingual+text+to+speech+tts+and+speech+to+text+stt+api/27508/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/13294/multi+voice+multilingual+text+to+speech+tts+and+speech+to+text+stt+api/27509/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 मल्टी वॉयस 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 गुणवत्ता वाली 24kHz न्यूरल टेक्स्ट-टू-स्पीच TTS और 99.8 प्रतिशत सटीक स्पीच-टू-टेक्स्ट STT API जो वियतनामी, अंग्रेजी, जापानी, कोरियाई, चीनी, फ्रेंच, जर्मन, स्पेनिश सहित 70 वैश्विक भाषाओं का समर्थन करती है गूगल जेमिनी और ओपनएआई चैटजीपीटी द्वारा संचालित
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 शाब्दिक लिप्यंतरण को टेक्स्ट प्रारूप में लौटाता है
टीटीएस के लिए मुख्य क्षेत्र "ऑडियो" है, जिसमें ऑडियो डेटा होता है। एसटीटी के लिए प्रमुख क्षेत्रों में "पाठ" (प्रतिलिपि पाठ), "प्रदाता" (उपयोग की गई सेवा), "मॉडल" (विशिष्ट मॉडल प्रयुक्त), "अवधिSecs" (ऑडियो की लंबाई), और "चंक्सप्रोसेस्ड" (प्रोसेस किए गए ऑडियो खंडों की संख्या) शामिल हैं
TTS अंत बिंदु "text" (इनपुट पाठ) "language" (संलेखन के लिए वांछित भाषा) और "voice" (विशिष्ट आवाज़ मॉडल) जैसे पैरामीटर स्वीकार करता है STT अंत बिंदु "audioFile" (ट्रांसक्राइब करने के लिए ऑडियो) और "language" (ऑडियो की भाषा) जैसे पैरामीटर स्वीकार करता है
TTS प्रतिक्रिया में एकल फ़ील्ड "audio" होता है जिसमें संश्लेषित ऑडियो डेटा होता है STT प्रतिक्रिया कई फ़ील्ड्स के साथ संरचित होती है "text" ट्रांसक्रिप्शन के लिए "provider" उपयोग की गई सेवा के लिए "model" ट्रांसक्रिप्शन मॉडल के लिए "durationSecs" ऑडियो की लंबाई के लिए और "chunksProcessed" संसाधित खंडों की संख्या के लिए
TTS और STT कार्यक्षमताएँ Google Gemini और OpenAI ChatGPT की उन्नत प्रौद्योगिकियों द्वारा संचालित हैं जो उच्च गुणवत्ता वाली ऑडियो संश्लेषण और ट्रांसक्रिप्शन सटीकता सुनिश्चित करती हैं
शीर्ष उपयोग के मामलों में वीडियो के लिए टीटीएस का उपयोग करके वॉयसओवर बनाना ऑडियोबुक बनाना और दस्तावेज़ीकरण और पहुँच के लिए बैठकों या इंटरव्यूज को एसटीटी के साथ ट्रांसक्राइब करना शामिल है
उपयोगकर्ता TTS एंडपॉइंट द्वारा लौटाई गई ऑडियो को सीधे एप्लिकेशनों में खेल सकते हैं या इसे फ़ाइल के रूप में सहेज सकते हैं STT के लिए ट्रांसक्राइब किया गया टेक्स्ट दस्तावेज़ीकरण विश्लेषण या चैटबॉट्स या सामग्री निर्माण जैसी एप्लिकेशनों में आगे की प्रक्रियाओं 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 जिन्हें प्रदर्शन को बेहतर बनाने और विभिन्न भाषाओं और उच्चारणों के अनुकूल बनाने के लिए लगातार प्रशिक्षित और अपडेट किया जाता है