स्पीच जनरेशन API
एंडपॉइंट विवरण
Speech भाषण के पाठ या एक पंक्ति के विवरण को "बोलने/भाषण" ऑडियो में बदलता है, साथ में बैकग्राउंड म्यूज़िक वैकल्पिक है। यह भाषण, स्वागत-भाषण, वर्णन, वॉइस-ओवर स्क्रिप्ट, ऑडियो सामग्री और ऐसे ही उपयोगों के लिए उपयुक्त है।
ध्यान दें: यह एंडपॉइंट बोलने का ऑडियो बनाता है, गाया हुआ गाना नहीं (न धुन, न गाया हुआ वोकल)। गाना चाहिए तो सरल मोड जनरेशन API या कस्टम मोड जनरेशन API इस्तेमाल करें।
एंडपॉइंट: POST /api/music/speech
बिलिंग: सशुल्क, अभी डिफ़ॉल्ट 0.6 युआन प्रति कॉल। हर कॉल आम तौर पर 2 ऑडियो लौटाती है; असल में कटने वाली रकम मौजूदा बैक-ऑफ़िस मूल्य कॉन्फ़िगरेशन के अनुसार होती है।
Max Mode / Variety: यह एंडपॉइंट वैकल्पिक पैरामीटर max_mode और variety (0-4) समर्थित करता है। max_mode
चालू होने पर यह कॉल 2× दर पर बिल होती है (0.6 → 1.2 युआन प्रति कॉल); variety का कोई अतिरिक्त शुल्क नहीं
है। दोनों का अर्थ और भेजने का तरीका नए API का अवलोकन के
"उन्नत पैरामीटर" भाग में है।
प्रतीक्षा समय और टाइमआउट (ज़रूरी): यह सिंक्रोनस एंडपॉइंट है — ऑर्डर तभी स्वीकार होता है और जनरेशन को सौंपा जाता है जब जवाब आ जाता है। मापन के अनुसार ज़्यादातर अनुरोध कुछ सेकंड (1-10 सेकंड) में जवाब देते हैं; पर अन्य सिंक्रोनस जनरेशन एंडपॉइंट की तरह चरम स्थितियों में ज़्यादा समय लग सकता है। क्लाइंट टाइमआउट 300 सेकंड या ज़्यादा रखें; जवाब न आना इसका मतलब नहीं कि कुछ बना नहीं, और टाइमआउट के तुरंत बाद दोबारा कोशिश न करें (इससे ऑर्डर दोहरा होता है और दोबारा शुल्क लगता है)। कनेक्शन टूटा हो तो बाद में
GET /api/music/songsसे जाँचें। नए API का अवलोकन में "प्रतीक्षा समय और टाइमआउट सेटिंग" देखें।
सामग्री अनुपालन: प्लेटफ़ॉर्म पाठ की कॉपीराइट और कंटेंट नीति जाँच करता है। यदि उसे संरक्षित सामग्री माना जाए (जैसे किसी और के गीत के बोल या किसी प्रसिद्ध कृति का शब्दशः पाठ उद्धृत करना), तो यह कॉल विफल होती है और पूरी रकम स्वतः वापस कर दी जाती है। अपनी भाषा में लिखें, या उद्धरण को पुनर्कथन में बदलें, और दोबारा भेजें।
अनुरोध पैरामीटर
Headers
| पैरामीटर | प्रकार | ज़रूरी | नोट |
|---|---|---|---|
| Authorization | string | हाँ | Bearer YOUR_API_KEY |
| Content-Type | string | हाँ | application/json |
Body पैरामीटर
| पैरामीटर | प्रकार | ज़रूरी | डिफ़ॉल्ट | नोट |
|---|---|---|---|---|
| script | string | हाँ | - | भाषण का पूरा पाठ; अधिकतम 3000 अक्षर (ज़्यादा पर 400 लौटता है, शुल्क नहीं) |
| tone | string | नहीं | - | लहज़ा / गति / भावना / स्थान का विवरण, जैसे "ओजपूर्ण और शक्तिशाली, गति धीमी से तेज़; स्कूल सभागार"; अधिकतम 1000 अक्षर |
| song_title | string | नहीं | - | शीर्षक; अधिकतम 100 अक्षर |
| gender | string | नहीं | कोई भी | वक्ता का लिंग: m, f (male, female भी स्वीकार्य); वही मान vocal_gender से भी भेज सकते हैं |
| backing_music | boolean | नहीं | true |
बैकग्राउंड म्यूज़िक जोड़ना है या नहीं; false से केवल आवाज़ वाला भाषण मिलता है |
| model | string | नहीं | suno-v6 |
ग्राहक के लिए मॉडल नाम: suno-v6, suno-v6-wild या suno-v6-mini |
| wait_completion | boolean | नहीं | false |
जवाब देने से पहले जनरेशन पूरा होने की प्रतीक्षा करें या नहीं |
| max_mode | boolean | नहीं | false |
चालू होने पर यह कॉल 2× दर पर बिल होती है |
| variety | integer | नहीं | - | स्टाइल विविधता की मात्रा 0-4; अवलोकन में "उन्नत पैरामीटर" देखें |
यह एंडपॉइंट
durationका समर्थन नहीं करता: भेजने पर HTTP 400 लौटता है, चुपचाप नज़रअंदाज़ नहीं होता। भाषण की अवधिscriptकी सामग्री की लंबाई से तय होती है।
अनुरोध उदाहरण
न्यूनतम अनुरोध (केवल पाठ)
curl -X POST https://www.suno-api.io/api/music/speech \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
--max-time 300 \
-d '{
"script": "सभी शिक्षकों और साथियों, नमस्कार! आज मेरे भाषण का विषय है समय का सदुपयोग और आगे बढ़ते रहना।"
}'
पूरा अनुरोध (लहज़ा, लिंग और बैकग्राउंड म्यूज़िक बंद)
curl -X POST https://www.suno-api.io/api/music/speech \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
--max-time 300 \
-d '{
"script": "Good evening everyone, thank you all for coming to celebrate this special day with us.",
"tone": "warm and slow, wedding reception",
"song_title": "Wedding Toast",
"gender": "f",
"backing_music": false,
"model": "suno-v6"
}'
Python उदाहरण
import requests
response = requests.post(
'https://www.suno-api.io/api/music/speech',
headers={'Authorization': 'Bearer YOUR_API_KEY'},
json={
'script': 'साथियों, नमस्कार। मैं इस सप्ताह की प्रगति बताऊँगा।',
'tone': 'शांत और स्पष्ट, मीटिंग रिपोर्ट',
'gender': 'male',
'backing_music': True,
},
timeout=300,
)
response.raise_for_status()
items = response.json() # आम तौर पर 2 आइटम
for item in items:
print(item['song_id'], item['status'])
पैरामीटर विवरण
script (भाषण, ज़रूरी)
- जो कहना है वह सीधे चिपकाएँ; एक वाक्य का विवरण लिखकर मॉडल से भाषण लिखवा भी सकते हैं (जैसे "बीस अंक पीछे चल रही टीम के लिए हाफ़-टाइम प्रेरणा, धीमी फुसफुसाहट से लेकर ज़ोरदार गर्जना तक")।
- लाइन ब्रेक, पैराग्राफ़ और
[ठहराव]जैसे मंच-निर्देश सीधे लिखे जा सकते हैं, मॉडल यथासंभव उनका पालन करता है। - सीमा 3000 अक्षर है (यूनिकोड अक्षरों में गिना जाता है, एक चीनी अक्षर 1 माना जाता है); सीमा से ज़्यादा पर 400 लौटता है और शुल्क नहीं लगता।
tone (लहज़ा और परिदृश्य, वैकल्पिक)
यह बताता है कैसे बोलना है, क्या कहना है नहीं। चार तरह की जानकारी रखें: लहज़ा, गति/लय, भावना और स्थान।
ओजपूर्ण और शक्तिशाली, गति धीमी से तेज़, स्पष्ट ठहराव; स्कूल सभागार, सभी शिक्षकों और छात्रों के सामने
गर्मजोश और कोमल, धीमी गति; विवाह समारोह
संयत और नियंत्रित, एकसमान और स्पष्ट; निदेशक मंडल को रिपोर्ट
सीमा 1000 अक्षर है। न भेजें तो मॉडल script की सामग्री से अनुमान लगाता है।
gender / vocal_gender (वक्ता का लिंग, वैकल्पिक)
- पुरुष स्वर के लिए
mयाmale, महिला स्वर के लिएfयाfemaleभेजें; सर्वर इन्हेंm/fमें सामान्यीकृत करता है। - दोनों फ़ील्ड नाम काम करते हैं, कोई एक ही इस्तेमाल करें: इस एंडपॉइंट पर
genderसुझाया गया रूप है; यदि आप पहले से कस्टम मोड इस्तेमाल करते हैं तोvocal_genderरख सकते हैं। - न भेजने का अर्थ "कोई भी" है, फ़ैसला मॉडल करता है।
backing_music (बैकग्राउंड म्यूज़िक, वैकल्पिक)
- डिफ़ॉल्ट
true(बैकग्राउंड म्यूज़िक के साथ), Suno वेब संस्करण के डिफ़ॉल्ट जैसा। falseकेवल आवाज़ वाला भाषण देता है, जो बाद में अपनी धुन या डबिंग जोड़ने के लिए सुविधाजनक है।- JSON बूलियन
true/falseहोना चाहिए; स्ट्रिंग"true"और"1"भी स्वीकार्य हैं, पर बूलियन सुझाया जाता है।
model (मॉडल, वैकल्पिक)
तीनों ग्राहक-मॉडल एक ही दर पर उपलब्ध हैं (0.6 युआन प्रति कॉल)। भाषण Suno v6 परिवार से बनता है; न भेजें तो
suno-v6 माना जाता है। स्पष्ट पसंद न हो तो आम तौर पर यह फ़ील्ड भेजने की ज़रूरत नहीं।
पैरामीटर सत्यापन और टेक्स्ट सीमाएँ
नीचे दी स्थितियाँ HTTP 400 लौटाती हैं, और सभी बिलिंग से पहले रोकी जाती हैं, इसलिए कोई खर्च नहीं बनता:
| स्थिति | त्रुटि संदेश |
|---|---|
script नहीं है, या केवल खाली स्थान |
script is required for speech |
gender m/f/male/female नहीं है |
gender must be one of m, f, male, female |
backing_music बूलियन नहीं है |
backing_music must be a boolean |
असमर्थित duration भेजा गया |
duration is not supported on /api/music/speech |
टेक्स्ट फ़ील्ड की सीमाएँ
सीमा से ज़्यादा होने पर भी HTTP 400 लौटता है और जनरेशन शुरू नहीं होता और पहले से शुल्क नहीं कटता। गिनती यूनिकोड अक्षरों में होती है (एक चीनी अक्षर 1 अक्षर),
और शुरू व अंत के खाली स्थान भी गिने जाते हैं:
| फ़ील्ड | सीमा |
|---|---|
script (भाषण) |
3000 अक्षर |
tone (लहज़े का विवरण) |
1000 अक्षर |
song_title (शीर्षक) |
100 अक्षर |
त्रुटि का रूप है script must not exceed 3000 characters; received 4120:
पहला शब्द वह फ़ील्ड है जो सीमा से बढ़ा और अंत में असल संख्या है, इसलिए 400 मिलने पर इन दो संख्याओं से सीधे काट सकते हैं।
प्रतिक्रिया
प्रतिक्रिया अन्य जनरेशन एंडपॉइंट जैसी बिल्कुल वही गाना ऐरे है (आम तौर पर 2 आइटम); song_id सहेजें और
गाना क्वेरी और इतिहास API से अंतिम स्थिति और ऑडियो पता देखें:
[
{
"song_id": "b7529174-b495-465b-8c5e-cd21bea2df8c",
"song_title": "समय का सदुपयोग",
"status": "pending",
"audio_url": "",
"cover_url": "",
"video_url": "",
"model_version": "suno-v6",
"generation_type": "generate",
"created_at": "2026-10-08T01:00:00Z"
}
]
| फ़ील्ड | नोट |
|---|---|
song_id |
ट्रैक ID; आगे की सभी क्वेरी और डाउनलोड इसी से होते हैं |
status |
pending (भेजा गया, बन रहा है), processing, completed (पूरा), failed (विफल) |
song_title |
शीर्षक (song_title न भेजने पर मॉडल बनाता है; खाली हो सकता है) |
audio_url |
ऑडियो पता; जनरेशन पूरा होने से पहले खाली और पूरा होते ही सीधे चलाने या डाउनलोड करने योग्य |
जनरेशन विफलता और धनवापसी
जनरेशन विफल होने पर उस कॉल का शुल्क स्वतः पूरा वापस कर दिया जाता है; सहायता से संपर्क करने की ज़रूरत नहीं। कारण प्रतिक्रिया में या
गाना क्वेरी और इतिहास API के error_message में दिखता है।
सबसे आम कारण सामग्री को संरक्षित सामग्री माना जाना है, उदाहरण:
Your lyrics contain copyrighted material. Please change it and try again.
ऐसी स्थिति में पाठ को अपनी भाषा में बदलें (या उद्धरण को पुनर्कथन बनाएँ) और दोबारा भेजें।
सामान्य प्रश्न
प्र: परिणाम "बोलना" क्यों है, गाना क्यों नहीं? उ: यह भाषण एंडपॉइंट है और इसका आउटपुट बोलने का ऑडियो है। गाने के लिए जनरेशन या कस्टम मोड एंडपॉइंट इस्तेमाल करें।
प्र: हर बार 2 आइटम क्यों लौटते हैं?
उ: प्लेटफ़ॉर्म के अन्य जनरेशन एंडपॉइंट की तरह एक जनरेशन से 2 विकल्प बनते हैं; इन्हें song_id से अलग-अलग पूछें और पसंद का रख लें।
प्र: अवधि कैसे नियंत्रित करें?
उ: यह script की लंबाई से तय होती है; यह एंडपॉइंट duration पैरामीटर नहीं लेता।
प्र: क्या आवाज़ (जैसे मेरी क्लोन की गई आवाज़) चुन सकते हैं?
उ: मौजूदा संस्करण में नहीं। भाषण निश्चित आवाज़ों का सेट इस्तेमाल करता है और gender से पुरुष/महिला चुन सकते हैं;
अपनी आवाज़ चाहिए तो वॉइस प्रोफ़ाइल बनाना API (सुझाया गया) की संबंधित क्षमता इस्तेमाल करें।
प्र: tone न भेजें तो क्या होगा?
उ: मॉडल script की सामग्री से लहज़ा और लय तय करता है। किसी स्टाइल को स्थिर रूप से दोहराना है तो लहज़ा, गति और स्थान tone में लिखें।
संगत फ़ील्ड
| सुझाया गया फ़ील्ड | संगत फ़ील्ड | नोट |
|---|---|---|
gender |
vocal_gender |
दोनों में से एक भेजें; m/f/male/female सभी स्वीकार्य |
नए इंटीग्रेशन में लगातार snake_case इस्तेमाल करें। बाकी फ़ील्ड (script, tone, song_title, backing_music) के camelCase उपनाम नहीं हैं।
आगे के चरण
song_id मिलने के बाद:
- गाना क्वेरी और इतिहास API से जनरेशन स्थिति और ऑडियो पता देखें;
- पूरा होने पर गाने की मीडिया डाउनलोड और प्रीव्यू API से डाउनलोड या सुनें;
- बैच डाउनलोड या अपने स्टोरेज में ले जाने के लिए डाउनलोड केंद्र के एंडपॉइंट देखें।
API कुंजी प्राप्त करें
रजिस्टर करने के बाद कंसोल में API कुंजी बनाएँ। प्रत्येक जनरेशन का खर्च 0.6 युआन है और 2 ट्रैक मिलते हैं, डाउनलोड असीमित हैं और फ़ोन नंबर की ज़रूरत नहीं है।
API कुंजी लें अवलोकन पर लौटें