वाक् संश्लेषण

/v1/models?output_modalities=speech की मॉडल आईडी से पाठ को ऑडियो में बदलें। मॉडल पृष्ठ पर दी गई प्रति दस लाख अक्षर की दर से बिल बनता है। पूरा ऑडियो बफ़र होने के बाद बाइनरी डेटा लौटाया जाता है; चरणबद्ध स्ट्रीमिंग समर्थित नहीं है। provider, transforms, route, service_tier और preset जैसे रूटिंग नियंत्रण फ़ील्ड अनदेखे किए जाते हैं।

POST/v1/audio/speech

प्राधिकरण

Authorizationआवश्यक

string · header

Authorization हेडर में bearer token के रूप में API कुंजी।

Body

modelआवश्यक

string

/v1/models की मॉडल आईडी या उपनाम।

inputआवश्यक

string

संश्लेषण के लिए पाठ।

1–4096 characters (10,000 for elevenlabs/eleven-v4 and eleven-v4-turbo)

voice

string

मॉडल द्वारा समर्थित आवाज़। ElevenLabs मॉडल (elevenlabs/*) आवाज़ के नाम (george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will) लेते हैं, या इसे छोड़ा जा सकता है (डिफ़ॉल्ट george); अन्य मान पर 400 invalid_voice मिलता है (OpenAI: alloy)। अन्य मॉडल के लिए voice आवश्यक है। आपके खाते में चालू होने पर आपकी अपनी कस्टम आवाज़ (voice_…, «कस्टम आवाज़ें» देखें) भी काम करती है।

response_format

string

आउटपुट ऑडियो प्रारूप; समर्थन मॉडल पर निर्भर करता है। नेटिव WAV रूट फ़िलहाल केवल WAV बनाते हैं और ट्रांसकोड नहीं करते; mp3 या opus माँगने पर भी उत्तर audio/wav ही रहता है। फ़ाइल को उत्तर के Content-Type के अनुसार सहेजें।

mp3opusaacflacwavpcm

speed

number

बोलने की गति 0.25–4.0; प्रभावी होगी या नहीं, यह मॉडल पर निर्भर है।

0.25–4.0

instructions

string

वाक् निर्माण के निर्देश; प्रभावी होंगे या नहीं, यह मॉडल पर निर्भर है।

stability

number

आवाज़ की स्थिरता, 0–1 (डिफ़ॉल्ट 0.5)। कम मान अधिक भावपूर्ण, अधिक मान अधिक समतल। यह तब लागू होता है जब elevenlabs/* मॉडल का अनुरोध हमारे सीधे वॉइस रूट से पूरा हो; प्रतिक्रिया हेडर X-Voice-Settings applied या ignored बताता है।

0–1 (0.5)

similarity_boost

number

मूल आवाज़ से समानता, 0–1 (डिफ़ॉल्ट 0.75)। Eleven v3 में उपयोग नहीं होता।

0–1 (0.75)

style

number

शैली पर ज़ोर, 0–1 (डिफ़ॉल्ट 0)। 0 से ऊपर होने पर विलंब बढ़ता है। Eleven v4 में उपयोग नहीं होता।

0–1 (0)

use_speaker_boost

boolean

मूल वक्ता से समानता बढ़ाता है (डिफ़ॉल्ट true); थोड़ा विलंब बढ़ता है।

true / false (true)

clone_strength

number

क्लोन की तीव्रता, 0–1 (अधिकांश आवाज़ों के लिए 0 अनुशंसित)। केवल Eleven v4 के लिए प्रशिक्षित आपकी अपनी प्रोफ़ेशनल क्लोन आवाज़ों (voice_…) के लिए।

0–1

language_code

string

बोली जाने वाली भाषा तय करने के लिए दो अक्षरों का छोटे अक्षरों वाला भाषा कोड (ISO 639-1), जैसे ar, ja, en। multilingual-v2 मॉडल में उपयोग नहीं होता।

ISO 639-1, e.g. ar, ja, en

audio_effects

object

वैकल्पिक ऑडियो-इफ़ेक्ट ऑब्जेक्ट: filter_preset_id (जैसे phone, old_radio), environment_id (रीवर्ब स्थान, जैसे small_room, hall), background_noise_id (जैसे cafe), distance (0–1), send_level (रीवर्ब मात्रा, 0–1) और pan (−1…1)। ID में छोटे अक्षर, अंक और अंडरस्कोर होते हैं; कोई अतिरिक्त शुल्क नहीं। रीवर्ब या शून्य से भिन्न pan स्टीरियो आउटपुट देता है और pcm आउटपुट के साथ नहीं चलता।

filter_preset_id, environment_id, background_noise_id, distance 0–1, send_level 0–1, pan −1…1

गहन गाइड →

POST /v1/audio/speech

1
2
3
4
5
6
7
8
9
10
11
12
curl https://api.bazaarlink.ai/v1/audio/speech \
  -H "$BAZAARLINK_AUTH_HEADER" \
  -H "Content-Type: application/json" \
  -d '{"model":"<speech-model-id>","input":"Hello","voice":"alloy","response_format":"mp3"}' \
  --output speech.mp3

# Voice settings (elevenlabs/* models; the X-Voice-Settings response header says applied or ignored)
curl -D - https://api.bazaarlink.ai/v1/audio/speech \
  -H "$BAZAARLINK_AUTH_HEADER" \
  -H "Content-Type: application/json" \
  -d '{"model":"elevenlabs/eleven-v4","input":"Hello","voice":"george","stability":0.4,"similarity_boost":0.8,"style":0.2,"use_speaker_boost":true,"language_code":"en","audio_effects":{"distance":0.3}}' \
  --output speech.mp3

प्रतिक्रिया उदाहरण

सफल।

1
<binary audio>