Skip to main content
POST
Predict text-to-speech duration
このドキュメントは英語の原文から自動翻訳されています。表現に不自然な箇所がある場合があります。正確な内容は英語の原文もあわせてご確認ください。
指定された入力から生成される音声の予想される長さ(秒)を返します。コスト見積もり、UI のヒント表示、バッチジョブの事前チェックなどに有用です。
このエンドポイントは クレジットを消費しません。300 文字の上限は適用され、自動チャンキングは行われません。

エンドポイント

パスパラメータ

リクエストボディ

音声生成 と同じ形式で、textlanguagestylemodelvoice_settings を指定します。長さに影響しない output_formatinclude_phonemesnormalized_text は含まれません。

リクエスト例

レスポンス

長さは float 型の秒数で返されます。

注意事項

  • 予測時には、実際の create_speech 呼び出しと 同じ modelspeed を指定してください。両方が結果に影響します。異なる速度で予測と生成を行うと、長さに不整合が生じます。
  • クレジットは差し引かれません。 UI のヒント表示や予算の事前チェックに安全にご利用いただけます。

関連項目

Docs: Cost and usage

予測と予算管理に predict_duration を活用する方法。

Create speech

見積もりを確認したうえで、実際にオーディオを生成します。

Authorizations

x-sup-api-key
string
header
required

Path Parameters

voice_id
string
required

Body

application/json
text
string
required

The text to convert to speech. Max length is 300 characters.

Maximum string length: 300
language
enum<string>
required

Language code of the voice

Available options:
en,
ko,
ja,
bg,
cs,
da,
el,
es,
et,
fi,
hu,
it,
nl,
pl,
pt,
ro,
ar,
de,
fr,
hi,
id,
ru,
vi,
hr,
lt,
lv,
sk,
sl,
sv,
tr,
uk
style
string

The style of character to use for the text-to-speech conversion

model
enum<string>
default:sona_speech_1

The model type to use for the text-to-speech conversion

Available options:
sona_speech_1,
sona_speech_2,
sona_speech_2_flash,
supertonic_api_1,
supertonic_api_3
output_format
enum<string>
default:wav

The desired output format of the audio file (wav, mp3). Default is wav.

Available options:
wav,
mp3
voice_settings
object

Response

Returns predicted duration of the audio in seconds

duration
number