はじめに

声の変換

POST /v1/creative/voice-change は1〜300秒の録音を Eleven 系列の声へ変換します。入力は保存済みの音声または動画 URL とし、duration_seconds には実測した秒数を指定します。

声を選んで送る

GET /v1/creative/tts-router/voices?family=eleven の data.voices[].id を voice.id に指定します。以下の ID は形式の例です。利用可能な声の一覧で確認した値を使ってください。

curl -X POST https://api.orchestor.io/v1/creative/voice-change \
  -H "Authorization: Bearer $ORCHESTOR_API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{
    "audio_url": "https://media.orchestor.io/inputs/narration.wav",
    "duration_seconds": 20,
    "voice": { "id": "21m00Tcm4TlvDq8ikWAM" }
  }'

音声には audio_url、動画には video_url を使います。URL はアップロードしたファイルの取得先に置き換え、処理中も利用できるようにします。入力の JSON スキーマは固定フィールドを列挙していないため、ここに記載した入力名を使います。

変換結果を取得する

受付は 200 または 202 です。返された status_url を next_poll_after_seconds ごとに確認し、result_ready が true になったら result_url を取得します。

音声入力では音声を返します。動画入力では映像を保った video_url と、変換した声だけの audio_url を返します。素材の実際の長さが申告より長いと処理は失敗し、予約分は返金されます。