You're looking at a specific version of this model. Jump to the model overview.
irulkenzei /voice-over-web:4580bbef
Input schema
The fields you can use to run this model with an API. If you don’t give a value for a field its default value will be used.
| Field | Type | Default value | Description |
|---|---|---|---|
| text |
string
|
|
Teks yang akan disintesis menjadi ucapan (mode single-speaker, biarkan kosong kalau pakai 'script')
|
| speaker_wav |
string
|
File audio referensi suara untuk voice cloning (mode single-speaker, wajib diisi kalau 'text' dipakai)
|
|
| script |
string
|
|
Skrip dialog multi-speaker (mode dialog). Format per baris: '[Nama Speaker]: teks...'. Baris tanpa tag dianggap lanjutan speaker sebelumnya. Kalau diisi, 'text'/'speaker_wav' diabaikan -- pakai 'speaker_map' untuk assign voice ke tiap nama.
|
| speaker_map |
string
|
{}
|
JSON string mapping nama speaker -> URL speaker_wav, mis. '{"Ayah": "https://.../ayah.wav", "Anak": "https://.../anak.wav"}'. Wajib diisi kalau 'script' dipakai.
|
| speaker_pause_ms |
integer
|
500
Max: 3000 |
Jeda otomatis (ms) tiap pergantian giliran bicara di mode dialog
|
| language |
string
|
en
|
Kode bahasa (mis. 'en', 'id', 'es')
|
| speed |
number
|
1
Min: 0.5 Max: 2 |
Kecepatan bicara (0.5 - 2.0)
|
| temperature |
number
|
0.7
Min: 0.1 Max: 1 |
Temperature sampling XTTS (0.1 - 1.0)
|
| output_format |
None
|
wav
|
Format file audio output
|
| chunk_by_punctuation |
boolean
|
True
|
Pecah teks otomatis per '.'/',' dengan silence manual (mengurangi drift/halusinasi pada teks panjang)
|
| comma_pause_ms |
integer
|
300
Max: 5000 |
Durasi jeda (ms) setelah koma
|
| period_pause_ms |
integer
|
600
Max: 5000 |
Durasi jeda (ms) setelah titik
|
| background_music |
string
|
File musik latar opsional. Otomatis di-duck (volume diperhalus sementara) setiap kali ada narasi berbicara, dan naik lagi secara halus saat narasi diam -- audio ducking otomatis.
|
|
| music_volume_db |
number
|
-6
Min: -30 |
Volume dasar musik latar dalam dB relatif ke file aslinya (negatif = lebih pelan dari file asli). Musik akan otomatis lebih redup lagi saat narasi bicara (ducking), lalu kembali ke level ini saat narasi diam.
|
Output schema
The shape of the response you’ll get when you run this model with an API.
Schema
{'format': 'uri', 'title': 'Output', 'type': 'string'}