टी.टी.एसजियो
मिनीमैक्समिनीमैक्स स्पीच 2.6 एचडी
ऑडियोबुक, पॉडकास्ट और कथन के लिए स्पष्ट उच्चारण, सहज गति और यथार्थवादी भावना के साथ स्टूडियो-गुणवत्ता वाला भाषण।
Text → audio
$0.13/1,000 chars
जियो10 मॉडल
टेक्स्ट टू स्पीच एपीआई - प्राकृतिक एआई वॉयस जेनरेशन
Muapi का text-to-speech API लिखे हुए टेक्स्ट को एकीकृत REST इंटीग्रेशन के ज़रिए स्वाभाविक, इंसानी आवाज़ जैसे ऑडियो में बदलता है। एकल-वक्ता नैरेशन या कई वक्ताओं वाले संवाद के लिए MiniMax, Google Gemini, ElevenLabs (Eleven v4 API सहित) और Fish Audio (Fish Audio S2.1 Pro API) में से चुनें।आवाज़, भावना, गति, स्थिरता और समानता पर नियंत्रण के साथ स्टूडियो-स्तरीय या बेहद तेज़ जनरेशन का उपयोग करें। सभी मॉडल में एक ही एसिंक्रोनस सबमिट-और-पोल प्रक्रिया काम करती है; कीमतें $0.015 प्रति 1,000 अक्षरों से शुरू होती हैं।
i
मुआपी पर टेक्स्ट टू स्पीच लाइव है
एकल-आवाज़ या मल्टी-स्पीकर मॉडल चुनें, अपनी स्क्रिप्ट सबमिट करें, और डाउनलोड करने योग्य ऑडियो फ़ाइल के लिए लौटाई गई अनुरोध आईडी का सर्वेक्षण करें।
मिनीमैक्स भाषण
स्टूडियो और टर्बो स्तरों के साथ एकल-स्वर कथन2 मॉडलमॉडल आज़माएं
टी.टी.एसजियो
मिनीमैक्समिनीमैक्स स्पीच 2.6 टर्बो
त्वरित-परिवर्तन ऑडियो के लिए प्राकृतिक गुणवत्ता और समायोज्य गति, मात्रा, पिच और भावनाओं के साथ तेज़, हल्का भाषण।
Text → audioतेज
$0.07/1,000 chars
जेमिनी टीटीएस
आवाज और टोन नियंत्रण के साथ अभिव्यंजक मल्टी-स्पीकर संवाद4 मॉडलटी.टी.एसजियो
गूगल जेमिनीजेमिनी 3.1 फ़्लैश टीटीएस
अलग-अलग आवाजों, उच्चारणों, भावनात्मक शैलियों और [फुसफुसाते हुए] जैसे इनलाइन टोन टैग के साथ लागत प्रभावी मल्टी-स्पीकर भाषण।
Dialogue → audioतेज
$0.035/1,000 chars
टी.टी.एसजियो
गूगल जेमिनीजेमिनी 2.5 प्रो टीटीएस
ऑडियोबुक के लिए प्रीमियम मल्टी-स्पीकर भाषण, सिनेमाई संवाद और उच्च-निष्ठा डिलीवरी के साथ लंबे-चौड़े कथन।
Dialogue → audio
$0.035/1,000 chars
टी.टी.एसnew
गूगल जेमिनीDialogue → audioतेज
$0.015/1,000 chars
टी.टी.एसnew
गूगल जेमिनीDialogue → audioतेज
$0.01/1,000 chars
इलेवनलैब्स
Eleven v4 की अभिव्यक्तिपूर्ण स्पीच, तेज़ एकल-वक्ता स्पीच और बहुभाषी संवाद3 मॉडलटी.टी.एसजियो
इलेवनलैब्सइलेवनलैब्स टीटीएस टर्बो 2.5
वॉयसओवर, आईवीआर और उच्च-थ्रूपुट कथन के लिए ट्यून करने योग्य स्थिरता, समानता और बोलने की दर के साथ तेज़ एकल-आवाज़ भाषण।
Text → audioतेज
$0.05/1,000 chars
टी.टी.एसजियो
इलेवनलैब्सइलेवनलैब्स टेक्स्ट टू डायलॉग V3
एक संरचित स्क्रिप्ट से बहुभाषी मल्टी-स्पीकर संवाद, प्रति-स्पीकर वॉयस आईडी और जीवंत टर्न-टेकिंग के साथ।
Dialogue → audio
$0.10/1,000 chars
टी.टी.एसnew
इलेवनलैब्सEleven v4
अभिव्यक्तिपूर्ण एकल-वक्ता नैरेशन के लिए ElevenLabs का Eleven v4 text-to-speech: हर अनुरोध में 2,000 अक्षरों तक, कीमत $0.08/1,000 अक्षर, और आउटपुट MP3 में।
Text → audio
$0.08/1,000 chars
Fish Audio S2.1 Pro
हर अनुरोध में 10,000 अक्षरों तक का लंबा नैरेशन1 मॉडलटी.टी.एसnew
Fish AudioFish Audio S2.1 Pro
लंबा text-to-speech: हर अनुरोध में 10,000 अक्षरों तक, कीमत $15 प्रति 1M UTF-8 bytes (लगभग $0.015/1,000 अंग्रेज़ी अक्षर), और आउटपुट MP3 में।
Text → audio
$15/1M UTF-8 bytes
कोई भी मॉडल आपके फ़िल्टर से मेल नहीं खाता.
टेक्स्ट टू स्पीच एपीआई क्या है?
text-to-speech (TTS) API एक HTTP अनुरोध के ज़रिए लिखे हुए टेक्स्ट को बोली गई आवाज़ में बदलता है। स्क्रिप्ट भेजें, आवाज़ और बोलने का अंदाज़ चुनें, और ऑडियो इंजीनियरिंग पाइपलाइन बनाए बिना डाउनलोड करने योग्य ऑडियो फ़ाइल पाएँ।
Muapi लाइव TTS endpoints को एक ही एकीकृत REST प्रक्रिया से उपलब्ध कराता है: एक API key, एक अनुरोध और पोल प्रक्रिया, और उपयोग के अनुसार भुगतान। वॉइसओवर और IVR के लिए एकल-वक्ता नैरेशन (Eleven v4 API और Fish Audio S2.1 Pro API सहित) चुनें, या किरदारों, पॉडकास्ट और ऑडियोबुक के लिए कई-वक्ता संवाद।
पाठ से वाक् क्षमताएँ
कई वक्ताओं वाला संवाद
Gemini TTS और ElevenLabs Text to Dialogue V3 स्क्रिप्टेड बातचीत के हर संवाद को अलग आवाज़, लहजा और बोलने का अंदाज़ देते हैं।
पंक्ति के भीतर भावना और लहजा
Gemini मॉडल किसी पंक्ति में अभिव्यक्ति नियंत्रित करने के लिए [whispers], [shouting] और [determination] जैसे इनलाइन टैग का समर्थन करते हैं।
स्टूडियो और टर्बो स्तर
बेहतर ध्वनि गुणवत्ता के लिए MiniMax Speech 2.6 HD या Gemini 2.5 Pro TTS चुनें, या जब कम विलंब और लागत ज़्यादा मायने रखे तो इनके तेज़ विकल्प इस्तेमाल करें।
समायोज्य वॉइस पैरामीटर
गति, वॉल्यूम, पिच, भावना, स्थिरता, समानता और मॉडल के अनुसार अन्य नियंत्रणों को समायोजित करें।
कस्टम और क्लोन की गई आवाज़ें
ElevenLabs endpoints कस्टम voice ID स्वीकार करते हैं। संगत voice-cloning प्रक्रिया से पहले दोबारा इस्तेमाल की जा सकने वाली आवाज़ बनाएँ।
चार प्रदाता, एक API
MiniMax, Google Gemini, ElevenLabs और Fish Audio मॉडल में Muapi प्रमाणीकरण, एसिंक्रोनस टास्क, परिणाम पोलिंग और बिलिंग समान हैं।
पाठ से वाक् उपयोग के मामले
वर्णन और वॉयसओवर
स्क्रिप्ट से ऑडियोबुक अध्याय, वीडियो कथन, विज्ञापन, व्याख्याकार और सामाजिक क्लिप तैयार करें।
पात्र और पॉडकास्ट
अलग-अलग आवाजों और भावनात्मक दिशा के साथ बहु-मेजबान वार्तालाप और चरित्र संवाद प्रस्तुत करें।
आईवीआर और ऐप ऑडियो
बड़े पैमाने पर फ़ोन संकेत, सूचनाएं, पहुंच योग्य ऑडियो और अन्य गतिशील भाषण उत्पन्न करें।
स्थानीयकरण
वैश्विक सामग्री और शिक्षण सामग्री के लिए बहुभाषी संवाद और भाषा नियंत्रण का उपयोग करें।
Text-to-speech मॉडल की तुलना: Eleven v4 API और Fish Audio S2.1 Pro API सहित
| मॉडल | प्रदाता | कीमत | के लिए सर्वोत्तम |
|---|---|---|---|
Fish Audio S2.1 Pro का बिल UTF-8 byte के हिसाब से बनता है: अंग्रेज़ी टेक्स्ट में प्रति अक्षर लगभग एक byte होता है, जबकि लैटिन लिपि से इतर लिपियों में प्रति अक्षर तीन से चार bytes लगते हैं।
टेक्स्ट टू स्पीच एपीआई उदाहरण
अपनी मुआपी एपीआई कुंजी के साथ सादा पाठ या संरचित संवाद सबमिट करें, अनुरोध आईडी सहेजें, और ऑडियो यूआरएल के लिए मानक भविष्यवाणी परिणाम समापन बिंदु का सर्वेक्षण करें।
एकल-वक्ता स्पीच जनरेट करें
curl -X POST https://api.muapi.ai/api/v1/minimax-speech-2.6-hd \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt":"Welcome to Muapi. Your workspace is ready.","voice_id":"Friendly_Person","speed":1,"emotion":"happy","format":"mp3"}'
# Response: {"request_id":"REQUEST_ID"}prompt, voice और वैकल्पिक delivery पैरामीटर के साथ MiniMax या ElevenLabs के एकल-वक्ता endpoint का उपयोग करें।
Gemini संवाद जनरेट करें
curl -X POST https://api.muapi.ai/api/v1/gemini-3-1-flash-tts \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"speakers":[{"speaker_id":"Speaker 1","voice_name":"Kore","accent":"Neutral","style":"Empathetic","pace":"Natural"},{"speaker_id":"Speaker 2","voice_name":"Puck","accent":"British (RP)","style":"Deadpan","pace":"Natural"}],"dialogue_turns":[{"speaker_id":"Speaker 1","text":"[warmly] Welcome to the show."},{"speaker_id":"Speaker 2","text":"[whispers] Let us begin."}]}'वक्ताओं और क्रमबद्ध संवाद पंक्तियों को तय करें; हर पंक्ति उस voice configuration का संदर्भ देती है जिसका उसे उपयोग करना है।
Eleven v4 API से स्पीच जनरेट करें
curl -X POST https://api.muapi.ai/api/v1/elevenlabs-v4 \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt":"Welcome to the future of voice. This is Eleven v4, speaking with natural rhythm and emotion.","voice_id":"voice_daniel"}'
# Response: {"request_id":"REQUEST_ID"}prompt में 2,000 अक्षरों तक भेजें और voice_daniel या voice_liam चुनें; Eleven v4 की कीमत $0.08 प्रति 1,000 अक्षर है।
Fish Audio S2.1 Pro API से लंबा नैरेशन जनरेट करें
curl -X POST https://api.muapi.ai/api/v1/fish-s2-1-pro \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt":"Welcome to the show. Today we look at how voice models have changed the way we tell stories.","voice_id":"voice_fish_narrator"}'
# Response: {"request_id":"REQUEST_ID"}voice_fish_narrator के साथ prompt में 10,000 अक्षरों तक भेजें; बिल $15 प्रति 1M UTF-8 bytes के हिसाब से बनता है।
ElevenLabs संवाद जनरेट करें
curl -X POST https://api.muapi.ai/api/v1/elevenlabs-text-to-dialogue-v3 \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"dialogue":[{"text":"Welcome to the show.","voice_id":"ZQe5CZNOzWyzPSCn5a3c"},{"text":"Let us begin.","voice_id":"EXAVITQu4vr4xnSDxMaL"}],"language_code":"en","stability":0.5}'बहुभाषी कई-वक्ता आउटपुट के लिए हर संवाद पंक्ति की voice ID के साथ व्यवस्थित dialogue array भेजें।
ऑडियो परिणाम पोल करें
curl https://api.muapi.ai/api/v1/predictions/REQUEST_ID/result \ -H "x-api-key: YOUR_API_KEY" # Read the generated audio URL after status becomes completed.
status के completed होने तक पोल करें, फिर response से डाउनलोड करने योग्य ऑडियो URL पढ़ें।
टेक्स्ट टू स्पीच एपीआई अक्सर पूछे जाने वाले प्रश्न
Text to Speech API क्या है?
Muapi का TTS API, एकल-वक्ता नैरेशन और कई-वक्ता संवाद के लिए MiniMax, Google Gemini, ElevenLabs और Fish Audio endpoints के ज़रिए लिखे हुए टेक्स्ट को स्वाभाविक ऑडियो में बदलता है।
कई-वक्ता संवाद के लिए कौन-सा मॉडल इस्तेमाल करूँ?
वक्ता प्रोफ़ाइल और इनलाइन लहजा टैग के लिए Gemini 3.1 Flash TTS या Gemini 2.5 Pro TTS इस्तेमाल करें; या प्रति-वक्ता voice ID वाले बहुभाषी, व्यवस्थित संवादों के लिए ElevenLabs Text to Dialogue V3 चुनें।
text-to-speech की कीमत कितनी है?
Fish Audio S2.1 Pro की कीमत $0.015 प्रति 1,000 अंग्रेज़ी अक्षर से शुरू होती है ($15 प्रति 1M UTF-8 bytes के हिसाब से बिल); Gemini 3.1 Flash और 2.5 Pro TTS के लिए $0.035 प्रति 1,000 अक्षर, ElevenLabs TTS Turbo 2.5 के लिए $0.05, Eleven v4 के लिए $0.08, ElevenLabs Dialogue V3 के लिए $0.10, MiniMax Turbo के लिए $0.07 और MiniMax HD के लिए $0.13। Gemini 3.8 Flash और Flash Lite की कीमत प्रति 1,000 अक्षर क्रमशः $0.015 और $0.01 है।
Eleven v4 API कैसे इस्तेमाल करें और इसकी लंबाई सीमा क्या है?
prompt (2,000 अक्षरों तक) और voice_id के रूप में voice_daniel या voice_liam देकर elevenlabs-v4 endpoint को कॉल करें, फिर MP3 के लिए request ID को पोल करें। Eleven v4 की कीमत $0.08 प्रति 1,000 अक्षर है।
Fish Audio S2.1 Pro API क्या है?
Fish Audio S2.1 Pro API (fish-s2-1-pro) लंबा text-to-speech endpoint है, जो voice_fish_narrator के साथ प्रति अनुरोध 10,000 अक्षरों तक स्वीकार करता है और MP3 लौटाता है। इसका बिल $15 प्रति 1M UTF-8 bytes के हिसाब से बनता है, जो लगभग $0.015 प्रति 1,000 अंग्रेज़ी अक्षर है।
क्या मैं कस्टम या क्लोन की गई आवाज़ इस्तेमाल कर सकता हूँ?
हाँ। ElevenLabs endpoints कस्टम ElevenLabs voice ID स्वीकार करते हैं, और MiniMax उन प्रशिक्षित voice ID का समर्थन करता है जहाँ चुने गए मॉडल का schema इसकी अनुमति देता है।
कौन-सा ऑडियो फ़ॉर्मैट मिलता है?
हर मॉडल मानक prediction result endpoint से डाउनलोड करने योग्य ऑडियो फ़ाइल URL लौटाता है, जिसे वीडियो या lipsync प्रक्रिया में जोड़ने, डाउनलोड करने या आगे भेजने के लिए तैयार किया जाता है।
Text to Speech API मॉडल तक पहुँच कैसे पाएँ?
Muapi API key बनाएँ, अपनी स्क्रिप्ट के अनुरूप endpoint कॉल करें और लौटाई गई request ID को पोल करें। लाइव मॉडल इस्तेमाल करने के लिए प्रतीक्षा सूची की ज़रूरत नहीं है।
Eleven v4 API और ElevenLabs endpoints →Eleven v4, TTS Turbo 2.5 और Text to Dialogue V3 की तुलना करें।Fish Audio S2.1 Pro API →हर अनुरोध में 10,000 अक्षरों तक का लंबा नैरेशन, UTF-8 byte के हिसाब से बिल।Gemini TTS के सभी मॉडल देखें →Gemini TTS के सभी चार स्तरों की तुलना करें: 3.8 Flash, 3.8 Flash Lite, 3.1 Flash और 2.5 Pro।Voice Cloning देखें →संगत speech workflows के लिए दोबारा इस्तेमाल की जा सकने वाली बोलने की आवाज़ बनाएँ।Suno Music देखें →जब स्पीच के बजाय संगीत चाहिए, तो गाने जनरेट करें, रीमिक्स करें और आगे बढ़ाएँ।ऑडियो मॉडल ब्राउज़ करें →स्पीच, संगीत, ध्वनि प्रभाव और वीडियो-से-ऑडियो endpoints की तुलना करें।lipsync मॉडल देखें →बोलता हुआ अवतार बनाने के लिए जनरेट की गई स्पीच को चेहरे वाले वीडियो के साथ जोड़ें।
प्राकृतिक भाषण उत्पन्न करने के लिए तैयार हैं?
वर्णन, चरित्र संवाद, आईवीआर, पॉडकास्ट और बहुभाषी ऑडियो के लिए एक मुआपी एपीआई कुंजी का उपयोग करें।