{
"audio": "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...",
"mimeType": "audio/wav",
"chunksSynthesized": 1,
"_note": "Response truncated for documentation purposes"
}
curl --location --request POST 'https://zylalabs.com/api/13292/advanced+multilingual+text+to+speech+tts+and+speech+to+text+stt+api/27506/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/13292/advanced+multilingual+text+to+speech+tts+and+speech+to+text+stt+api/27507/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 उन्नत बहुभाषी टेक्स्ट से स्पीच टीटीएस और स्पीच से 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।
टेक्स्ट टू स्पीच (टीटीएस) एंडपॉइंट इनपुट टेक्स्ट से संचित उच्च-विशिष्टता वाले WAV ऑडियो फ़ाइलें लौटाता है जबकि स्पीच टू टेक्स्ट (एसटीटी) एंडपॉइंट अपलोड की गई ऑडियो फ़ाइलों के शब्दशः प्रतिलेख टेक्स्ट प्रारूप में लौटाता है
TTS के लिए मुख्य क्षेत्र "ऑडियो" है जिसमें ऑडियो डेटा होता है STT के लिए मुख्य क्षेत्रों में "पाठ" (लिप्यांकित पाठ) "प्रदाता" (उपयोग की गई सेवा) "मॉडल" (विशिष्ट मॉडल का उपयोग) "अवधिSecs" (ऑडियो की लंबाई) और "प्रोसेस किए गए टुकड़े" (प्रोसेस किए गए ऑडियो खंडों की संख्या) शामिल हैं
TTS अंतर्निहित पैरामीटर स्वीकार करता है जैसे "पाठ" (इनपुट पाठ) "भाषा" (निर्धारित भाषण के लिए) और "स्वर" (विशिष्ट स्वर मॉडल) STT अंतर्निहित पैरामीटर स्वीकार करता है जैसे "ऑडियोफ़ाइल" (जिस ऑडियो को रूपांतरित करना है) और "भाषा" (ऑडियो की भाषा)
TTS प्रतिक्रिया में एकल फ़ील्ड "ऑडियो" होता है जिसमें संश्लेषित ऑडियो डेटा होता है STT प्रतिक्रिया कई फ़ील्ड के साथ संरचित होती है "टेक्स्ट" के लिए लिप्यांतरण "प्रदाता" के लिए उपयोग की जाने वाली सेवा "मॉडल" के लिए लिप्यांतरण मॉडल "ड्यूरेशनसेकंड" के लिए ऑडियो की लंबाई और "चंकप्रोसेस्ड" के लिए संसाधित खंडों की संख्या
TTS और STT कार्यक्षमताएं Google Gemini और OpenAI ChatGPT की उन्नत तकनीकों द्वारा संचालित हैं जो उच्च गुणवत्ता वाली ऑडियो संश्लेषण और ट्रांस्क्रिप्शन सटीकता सुनिश्चित करती हैं
सामान्य उपयोग के मामले में वीडियो के लिए टीटीएस का उपयोग करके वॉयसओवर बनाना ऑडियोबुक बनाना और दस्तावेज़ीकरण और पहुंच के लिए मीटिंग या साक्षात्कार को एसटीटी के साथ ट्रांसक्राइब करना शामिल है
उपयोगकर्ता एप्लिकेशन में सीधे TTS अंत बिंदु द्वारा लौटाए गए ऑडियो को खेल सकते हैं या इसे फ़ाइल के रूप में सहेज सकते हैं STT के लिए, ट्रांसक्राइब किया गया पाठ दस्तावेज़ीकरण, विश्लेषण या चैटबॉट्स या सामग्री निर्माण जैसी एप्लिकेशन में आगे की प्रोसेसिंग के लिए उपयोग किया जा सकता है
डाटा 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 उच्चारणों के अनुकूल होने के लिए लगातार प्रशिक्षित और अपडेट किया जाता है