APIAPI de Síntese de Voz

Dê voz ao vídeo
e uma banda sonora, com uma só chave

Uma chamada pronuncia uma linha da sua timeline e volta alinhada palavra a palavra pelo Whisper, para as legendas caírem na sílaba. Outra escreve a canção por baixo. Quatro fornecedores de voz, um endpoint cada.

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

Obter uma chave API Referência da API

Três chamadas, do silêncio à banda sonora

Dê voz ao bloco, junte uma canção se quiser e depois renderize tudo.

Dê voz a um bloco

Aponte a chamada a um bloco da timeline e à voz que quiser. Recebe o áudio, a sua duração exata e os tempos do Whisper palavra a palavra que fazem as legendas cair na sílaba.

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
    }
  }'

Escreva a canção

Um briefing, um estilo ou a sua própria letra. A música é assíncrona: a chamada devolve uma tarefa e o music.completed traz as faixas alojadas.

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.

Renderize tudo junto

O áudio decide a duração de um bloco, por isso, assim que a voz entra, o renders.create transforma a timeline num mp4 com tudo sincronizado.

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"
  }'

O que pode enviar

Três campos para falar um bloco, um para dar o briefing de uma canção.

video_id

O vídeo cuja timeline contém o bloco que vai sonorizar.

block_id

Que bloco recebe a voz. A duração dele segue o áudio, e não o contrário.

voice_settings

A voz em si: fornecedor, referência de voz, velocidade. Com a sua própria chave de fornecedor a geração não custa nada.

prompt

Para o music.generate: o briefing da canção. Envie lyrics se já escreveu a letra.

Quatro fornecedores, uma só forma de chamada

As vozes são um catálogo, não uma lista fixa. Traga a sua chave de fornecedor e as gerações são gratuitas; use a nossa e são faturadas em créditos como tudo o resto.

ElevenLabsGoogleCartesiaFish Audio

As canções anunciam-se sozinhas

A fala volta na resposta. Uma canção demora mais, por isso dispara um evento: registe um webhook uma vez e as faixas chegam alojadas, com os créditos já reconciliados.

generation.completedmusic.completedmusic.failed

O que os programadores perguntam primeiro

Recebo tempos ao nível da palavra?

Sim. O alinhamento do Whisper corre sobre o que acabou de ser gerado, por isso a resposta traz tempos por palavra com precisão total, nunca arredondados ao segundo.

Posso usar a minha própria chave da ElevenLabs?

Pode, e é esse o sentido do modo duplo: com a sua chave a geração custa zero créditos, e o áudio continua a ser alojado, alinhado e colocado no bloco.

Quanto demora uma canção?

Minutos, não milissegundos, e por isso a música é assíncrona. Releia-a com o music.get_task se um webhook não for opção na sua stack.

O que acontece à duração do bloco?

É o áudio que a decide. Um bloco dura exatamente a fala que contém mais as pausas configuradas, por isso não há nada para acertar à mão depois.

Especificação OpenAPI Códigos de erro Explorar a API