APIAPI til talesyntese

Giv videoen en stemme
og et soundtrack, fra én nøgle

Ét kald læser en linje fra din tidslinje op og kommer tilbage ordret justeret af Whisper, så undertekster lander på stavelsen. Et andet skriver sangen nedenunder. Fire stemmeleverandører, ét endpoint hver.

POSThttps://autostud.ai/api/v1/actions/timeline.generate_audio

Få en API-nøgle API-reference

Tre kald, fra stilhed til soundtrack

Giv blokken stemme, læg en sang til hvis du vil, og render så det hele.

Giv en blok stemme

Peg kaldet mod en blok i tidslinjen og den stemme, du vil have. Tilbage kommer lyden, dens præcise længde og de Whisper-ordtimings, der får undertekster til at lande på stavelsen.

export AUTOSTUD_API_KEY="sk_live_xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"

curl -X POST https://autostud.ai/api/v1/actions/timeline.generate_audio \
  -H "Authorization: Bearer $AUTOSTUD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "video_id": "0f4c8b71-2d95-47a3-9e6c-15b8ad7f3c20",
    "block_id": "block_2",
    "voice_settings": {
      "voice_provider": "elevenlabs",
      "voice_id": "rachel",
      "playback_speed": 1
    }
  }'

Skriv sangen

En brief, en stil eller din egen tekst. Musik er asynkron: kaldet returnerer en opgave, og music.completed henter de hostede numre hjem.

curl -X POST https://autostud.ai/api/v1/actions/music.generate \
  -H "Authorization: Bearer $AUTOSTUD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "title": "Lighthouse",
    "style": "warm lo-fi, slow, no drums",
    "prompt": "A calm bed under a voice-over about the sea",
    "instrumental": true
  }'

# Already wrote the words? Send lyrics instead of prompt.

Render det hele sammen

Lyden bestemmer en bloks længde, så når stemmen er på plads, laver renders.create tidslinjen om til en mp4 med alt i sync.

curl -X POST https://autostud.ai/api/v1/webhooks \
  -H "Authorization: Bearer $AUTOSTUD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "url": "https://your-app.com/hooks/autostud",
    "events": ["music.completed", "music.failed"],
    "description": "Audio"
  }'

Hvad du kan sende med

Tre felter til at læse en blok op, ét til at briefe en sang.

video_id

Videoen, hvis tidslinje indeholder blokken, du giver stemme.

block_id

Hvilken blok der får stemmen. Dens længde følger lyden, ikke omvendt.

voice_settings

Selve stemmen: leverandør, stemmereference, hastighed. Med din egen leverandørnøgle koster genereringen ingenting.

prompt

Til music.generate: briefen på sangen. Send lyrics i stedet, hvis teksten allerede er skrevet.

Fire leverandører, én kaldeform

Stemmer er et katalog, ikke en hårdkodet liste. Tag din egen leverandørnøgle med, så er genereringerne gratis; brug vores, og de afregnes i kreditter som alt andet.

ElevenLabsGoogleCartesiaFish Audio

Sange melder sig selv

Tale kommer tilbage i svaret. En sang tager længere tid og udløser derfor en hændelse: registrér ét webhook, og numrene ankommer hostede, med kreditterne allerede afstemt.

generation.completedmusic.completedmusic.failed

Det udviklere spørger om først

Får jeg timings på ordniveau?

Ja. Whisper-justeringen kører på det, der lige er genereret, så svaret bærer ordtimings i fuld præcision, aldrig rundet af til nærmeste sekund.

Kan jeg bruge min egen ElevenLabs-nøgle?

Ja, og det er netop pointen med dobbelttilstanden: med din nøgle koster genereringen nul kreditter, og lyden bliver alligevel hostet, justeret og lagt på blokken.

Hvor lang tid tager en sang?

Minutter, ikke millisekunder, og derfor er musik asynkron. Læs den tilbage med music.get_task, hvis et webhook ikke er en mulighed i din stack.

Hvad sker der med blokkens længde?

Lyden afgør den. En blok varer præcis den tale, den indeholder, plus de pauser du har sat op, så der er intet at time i hånden bagefter.

OpenAPI-spec Fejlkoder Udforsk API'et