{
"audio": "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...",
"mimeType": "audio/wav",
"chunksSynthesized": 1,
"_note": "Response truncated for documentation purposes"
}
curl --location --request POST 'https://zylalabs.com/api/13298/real+time+multilingual+text+to+speech+tts+and+speech+to+text+stt+api/27518/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/13298/real+time+multilingual+text+to+speech+tts+and+speech+to+text+stt+api/27519/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 रीयल टाइम 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 टीटीएस और 99.8 प्रतिशत सटीक स्पीच-टू-टेक्स्ट एसटीटी एपीआई जो वियतनामी, अंग्रेजी, जापानी, कोरियाई, चीनी, फ्रांसीसी, जर्मन, स्पेनिश सहित 70 वैश्विक भाषाओं का समर्थन करता है
मेट्रन आवाज़ (TTS) अंत बिंदु इनपुट टेक्स्ट से संश्लेषित उच्च गुणवत्ता वाले WAV ऑडियो फ़ाइलें लौटाता है जबकि स्पीच टू टेक्स्ट (STT) अंत बिंदु अपलोड की गई ऑडियो फ़ाइलों के शब्दशः प्रतिलेख को टेक्स्ट प्रारूप में लौटाता है
टीटीएस के लिए, कुंजी क्षेत्र "ऑडियो" है, जिसमें ऑडियो डेटा होता है। एसटीडी के लिए, कुंजी क्षेत्रों में "पाठ" (प्रतिलिपि किया गया पाठ), "प्रदाता" (उपयोग की जाने वाली सेवा), "मॉडल" (विशिष्ट मॉडल का उपयोग), "अवधिSecs" (ऑडियो की लंबाई) और "चंक्सप्रोसेस्ड" (प्रक्रिया किए गए ऑडियो खंडों की संख्या) शामिल हैं
TTS अंत बिंदु "पाठ" (इनपुट पाठ) "भाषा" (संश्लेषण के लिए इच्छित भाषा) और "स्वर" (विशिष्ट स्वर मॉडल) जैसे पैरामीटर स्वीकार करता है STT अंत बिंदु "ऑडियो फ़ाइल" (ट्रांसक्राइब करने के लिए ऑडियो) और "भाषा" (ऑडियो की भाषा) जैसे पैरामीटर स्वीकार करता है
TTS प्रतिक्रिया में एक फ़ील्ड "ऑडियो" है जिसमें संश्लेषित ऑडियो डेटा है STT प्रतिक्रिया कई फ़ील्ड के साथ संरचित है "पाठ" प्रतिलिपि के लिए "प्रदाता" सेवा के लिए जो उपयोग की गई है "मॉडल" प्रतिलिपि मॉडल के लिए "कालावधिSecs" ऑडियो की लंबाई के लिए और "संविभाजित" संसाधित खंडों की संख्या के लिए
TTS और STT कार्यक्षमताएं Google Gemini और OpenAI ChatGPT की उन्नत तकनीकों द्वारा संचालित हैं जिससे उच्च गुणवत्ता वाली ऑडियो संश्लेषण और अनुलेखन सटीकता सुनिश्चित होती है
विशिष्ट उपयोग के मामलों में वीडियो के लिए वॉयसओवर बनाने के लिए टीटीएस का उपयोग करना ऑडियोबुक बनाना और दस्तावेज़ीकरण और पहुंच के लिए स्टेटी का उपयोग कर बैठकों या साक्षात्कारों को लिखित रूप में प्रस्तुत करना शामिल है
उपयोगकर्ता TTS अंत बिंदु द्वारा लौटाए गए ऑडियो को सीधे अनुप्रयोगों में खेल सकते हैं या इसे एक फाइल के रूप में सहेज सकते हैं STT के लिए ट्रांसक्राइब किया गया पाठ दस्तावेज़ीकरण विश्लेषण या चैटबोट्स या कंटेंट निर्माण जैसे अनुप्रयोगों में आगे की प्रक्रिया के लिए उपयोग 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 निरंतर प्रशिक्षित और अपडेट किया जाता है ताकि प्रदर्शन में सुधार हो सके और विभिन्न भाषाओं और भाषणों के लिए अनुकूलन किया जा सके