> This is a page from the ElevenLabs documentation. For a complete page index, fetch https://elevenlabs.io/docs/llms.txt. For the full documentation in a single file, fetch https://elevenlabs.io/docs/llms-full.txt.

# टाइमस्टैम्प के साथ टेक्स्ट टू डायलॉग स्ट्रीमिंग

POST https://api.elevenlabs.io/v1/text-to-dialogue/stream/with-timestamps
Content-Type: application/json

टेक्स्ट और वॉइस ID जोड़ों की सूची को स्पीच (डायलॉग) में बदलता है और base64 एन्कोडेड स्ट्रिंग व टाइमस्टैंप के रूप में ऑडियो वाले JSON ब्लॉब्स की स्ट्रीम लौटाता है।

Reference: https://elevenlabs.io/docs/api-reference/text-to-dialogue/stream-with-timestamps

## Servers

- `https://api.elevenlabs.io` (Production, default)
- `https://api.us.elevenlabs.io` (Production US)
- `https://api.eu.residency.elevenlabs.io` (Production EU)
- `https://api.in.residency.elevenlabs.io` (Production India)
- `https://api.sg.residency.elevenlabs.io` (Production Singapore)

## Request

### Query parameters

- `output_format` (enum, optional) — जनरेट किए गए ऑडियो का output format। codec_sample_rate_bitrate के रूप में फ़ॉर्मैट किया जाता है। इसलिए, 32kbs पर 22.05kHz sample rate वाले mp3 को mp3_22050_32 के रूप में दर्शाया जाता है। 192kbps bitrate वाले MP3 के लिए Creator tier या उससे ऊपर का subscription चाहिए। 44.1kHz sample rate वाले PCM के लिए Pro tier या उससे ऊपर का subscription चाहिए। ध्यान दें कि μ-law format (कभी-कभी mu-law लिखा जाता है, और अक्सर u-law के रूप में अनुमानित) का उपयोग आमतौर पर Twilio audio inputs के लिए होता है।
  - Allowed values: `mp3_22050_32`, `mp3_24000_48`, `mp3_44100_32`, `mp3_44100_64`, `mp3_44100_96`, `mp3_44100_128`, `mp3_44100_192`, `pcm_8000`, `pcm_16000`, `pcm_22050`, `pcm_24000`, `pcm_32000`, `pcm_44100`, `pcm_48000`, `ulaw_8000`, `alaw_8000`, `opus_48000_32`, `opus_48000_64`, `opus_48000_96`, `opus_48000_128`, `opus_48000_192`
- `enable_logging` (boolean, optional, default: true) — जब enable_logging को false सेट किया जाता है, तो अनुरोध के लिए zero retention mode इस्तेमाल होगा। इसका मतलब है कि इस अनुरोध के लिए history सुविधाएं, जिनमें request stitching भी शामिल है, उपलब्ध नहीं होंगी। zero retention mode केवल enterprise ग्राहक इस्तेमाल कर सकते हैं।

### Body (application/json)

This endpoint expects a Body_text_to_dialogue_stream_with_timestamps.

- `inputs` (list of DialogueInput, required) — डायलॉग इनपुट की सूची, जिनमें से हर एक में टेक्स्ट और एक वॉइस ID होती है जिसे स्पीच में बदला जाएगा। अद्वितीय वॉइस IDs की अधिकतम संख्या 10 है। भरोसेमंद जनरेशन के लिए, सभी `inputs[].text` मानों में कुल वर्ण संख्या प्रति अनुरोध 2,000 वर्ण या उससे कम रखें। लंबे अनुरोध streaming responses में जल्दी समाप्त हो सकते हैं या validation error दे सकते हैं।
- `model_id` (string, optional, default: eleven_v3) — इस्तेमाल किए जाने वाले मॉडल का पहचानकर्ता। आप GET /v1/models से इनके बारे में क्वेरी कर सकते हैं। मॉडल में टेक्स्ट टू स्पीच का समर्थन होना चाहिए, जिसे आप can_do_text_to_speech प्रॉपर्टी से जांच सकते हैं।
- `language_code` (string, optional, nullable) — मॉडल और टेक्स्ट नॉर्मलाइज़ेशन के लिए भाषा लागू करने में इस्तेमाल होने वाला भाषा कोड (ISO 639-1)। अगर मॉडल दिए गए भाषा कोड को सपोर्ट नहीं करता, तो उसे अनदेखा कर दिया जाएगा। यह पैरामीटर multilingual_v2 मॉडल के लिए समर्थित नहीं है।
- `settings` (ToDialogueSettingsResponseModel, optional, nullable) — dialogue generation को नियंत्रित करने वाली settings।
- `pronunciation_dictionary_locators` (list of PronunciationDictionaryVersionLocatorRequestModel, optional, nullable) — टेक्स्ट पर लागू किए जाने वाले उच्चारण शब्दकोश लोकेटर्स (id, version_id) की सूची। इन्हें क्रम से लागू किया जाएगा। हर अनुरोध में अधिकतम 3 लोकेटर्स हो सकते हैं।
- `seed` (integer, optional, nullable) — निर्दिष्ट होने पर, हमारा सिस्टम नियतात्मक रूप से सैंपल करने का सर्वोत्तम प्रयास करेगा, ताकि एक ही seed और पैरामीटर्स वाली बार-बार की गई रिक्वेस्ट से एक ही परिणाम मिले। नियतात्मकता की गारंटी नहीं है। यह 0 से 4294967295 के बीच एक पूर्णांक होना चाहिए।
- `apply_text_normalization` (enum, optional, default: auto) — यह पैरामीटर तीन मोड के साथ टेक्स्ट नॉर्मलाइज़ेशन नियंत्रित करता है: 'auto', 'on' और 'off'। 'auto' पर सेट होने पर, सिस्टम अपने-आप तय करेगा कि टेक्स्ट नॉर्मलाइज़ेशन लागू करना है या नहीं, जैसे संख्याओं को शब्दों में लिखना। 'on' के साथ टेक्स्ट नॉर्मलाइज़ेशन हमेशा लागू होगा, जबकि 'off' के साथ इसे छोड़ दिया जाएगा।
  - Allowed values: `auto`, `on`, `off`
- `use_pvc_as_ivc` (boolean, optional, default: false) — प्रोफेशनल वॉइस का IVC वर्शन इस्तेमाल करना है या नहीं। इससे अभिव्यक्तिशीलता बेहतर हो सकती है और लेटेंसी कम हो सकती है।
- `previous_request_ids` (list of string, optional, nullable) — इससे पहले हुई डायलॉग जनरेशन्स के request_ids की सूची। किसी बड़े कार्य को कई अनुरोधों में बाँटते समय निरंतरता के लिए मॉडल को कंडीशन करने में उपयोग होती है। अधिकतम 3 request_ids भेजे जा सकते हैं। आखिरी request_id उस ऑडियो का है जो वर्तमान अनुरोध के सबसे निकट है। हर मॉडल इसका समर्थन नहीं करता।
- `next_request_ids` (list of string, optional, nullable) — इसके बाद होने वाली डायलॉग जनरेशन्स के request_ids की सूची। किसी सीक्वेंस के बीच में क्लिप को फिर से जनरेट करते समय निरंतरता बनाए रखने के लिए उपयोगी है। अधिकतम 3 request_ids भेजे जा सकते हैं। पहला request_id उस ऑडियो का है जो वर्तमान अनुरोध के सबसे निकट है। हर मॉडल इसका समर्थन नहीं करता।
- `previous_text` (string, optional, nullable) — वह टेक्स्ट जो इस जनरेशन से तुरंत पहले आता है और मॉडल को प्रोसोडिक निरंतरता के लिए कंडीशन करने में इस्तेमाल होता है। अधिकतम 100 कैरेक्टर भेजे जा सकते हैं। हर मॉडल में समर्थित नहीं है।
- `future_text` (string, optional, nullable) — वह टेक्स्ट जो इस जनरेशन के तुरंत बाद आता है और मॉडल को प्रोसोडिक निरंतरता के लिए कंडीशन करने में इस्तेमाल होता है। अधिकतम 100 कैरेक्टर भेजे जा सकते हैं। हर मॉडल में समर्थित नहीं है।
- `audio_effects` (EffectsSpec-Input, optional, nullable) — जनरेट किए गए ऑडियो पर लागू किए गए ऑडियो इफेक्ट्स। अज्ञात ID पर 404 मिलता है, जिसमें `param` फ़ील्ड का नाम बताता है। रीवर्ब (`environment_id`, जिसमें `send_level` 0 से अधिक हो) और गैर-शून्य `pan` स्टीरियो ऑडियो बनाते हैं और `ulaw_*`, `alaw_*` और `pcm_*` आउटपुट फ़ॉर्मैट के लिए 400 के साथ अस्वीकार कर दिए जाते हैं। इफेक्ट्स से अनुरोध की लागत नहीं बदलती।

## Response

### 200

ट्रांसक्रिप्शन चंक्स की स्ट्रीम

- Streaming response of `StreamingAudioChunkWithTimestampsAndVoiceSegmentsResponseModel`.
- `audio_base64` (string, required) — Base64-एन्कोड किया गया ऑडियो डेटा
- `voice_segments` (list of VoiceSegment, required) — ऑडियो के लिए वॉइस सेगमेंट्स
- `alignment` (CharacterAlignmentResponseModel, optional, nullable) — मूल टेक्स्ट के हर वर्ण की टाइमस्टैम्प जानकारी
- `normalized_alignment` (CharacterAlignmentResponseModel, optional, nullable) — सामान्यीकृत टेक्स्ट के हर वर्ण की टाइमस्टैम्प जानकारी

## Errors

### 422 Unprocessable Entity Error

वैलिडेशन एरर

- `detail` (list of ValidationError, optional)

## Types

### DialogueInput

- `text` (string, required) — वह टेक्स्ट जिसे स्पीच में बदला जाना है।
- `voice_id` (string, required) — जनरेशन के लिए इस्तेमाल की जाने वाली वॉइस का ID।

### ToDialogueSettingsResponseModel

- `stability` (double, optional, nullable, default: 0.5) — यह वॉइस की स्थिरता और हर जनरेशन के बीच रैंडमनेस तय करता है। कम मान वॉइस में भावनाओं की व्यापक रेंज लाते हैं। ज़्यादा मान से सीमित भावनाओं वाली एकरस वॉइस बन सकती है।
- `similarity` (double, optional, nullable, default: 0.75) — यह तय करता है कि जनरेट करते समय मॉडल को कितनी मजबूती से गाइड किया जाए। ज़्यादा मान मॉडल को वॉइस का अधिक करीब से पालन कराते हैं, लेकिन विविधता कम हो जाती है। हर मॉडल इसे सपोर्ट नहीं करता।

### PronunciationDictionaryVersionLocatorRequestModel

- `pronunciation_dictionary_id` (string, required) — उच्चारण डिक्शनरी की ID।
- `version_id` (string, optional, nullable) — उच्चारण डिक्शनरी के वर्ज़न की ID। न देने पर नवीनतम वर्ज़न का उपयोग किया जाएगा।

### EffectsSpec-Input

जनरेट की गई स्पीच पर लागू ऑडियो इफेक्ट्स: फ़िल्टर प्रीसेट, महसूस होने वाली दूरी, रीवर्ब environment, बैकग्राउंड नॉइज़ बेड और स्टीरियो पैनिंग। बिना प्रोसेस किया हुआ ऑडियो पाने के लिए हर फ़ील्ड को उसके डिफ़ॉल्ट मान पर छोड़ दें।

- `filter_preset_id` (string, optional, nullable) — वॉइस का टोन बदलने वाले फ़िल्टर प्रीसेट की ID, जैसे `phone` या `old_radio`। मान्य IDs की सूची `GET /v1/audio-effects/catalog` से प्राप्त करें।
- `distance` (double, optional, default: 0) — स्पीकर माइक्रोफ़ोन से कितना दूर सुनाई देता है: 0 (पास, अपरिवर्तित) से 1 (दूर) तक। ज़्यादा मान कम और ज़्यादा फ़्रीक्वेंसी को घटाते हैं और environment सेट होने पर संतुलन को ड्राई वॉइस से रीवर्ब की ओर ले जाते हैं।
- `environment_id` (string, optional, nullable) — वॉइस को किसी स्थान में रखने वाले रीवर्ब environment की ID, जैसे `small_room` या `hall`। मान्य IDs की सूची `GET /v1/audio-effects/catalog` से प्राप्त करें। रीवर्ब स्टीरियो में रेंडर होता है और स्पीच खत्म होने के बाद कई सेकंड तक टेल जोड़ता है।
- `background_noise_id` (string, optional, nullable) — वॉइस के नीचे लूप होने वाले बैकग्राउंड नॉइज़ बेड की ID, जैसे `cafe` या `keyboard`। मान्य IDs की सूची `GET /v1/audio-effects/catalog` से प्राप्त करें।
- `send_level` (double, optional, default: 1) — वॉइस का कितना हिस्सा रीवर्ब में भेजा जाए: 0 (कोई नहीं) से 1 (पूरा) तक। यह केवल `environment_id` सेट होने पर लागू होता है; 0 रीवर्ब बंद कर देता है।
- `pan` (double, optional, default: 0) — वॉइस की स्टीरियो स्थिति, -1 (पूरी तरह बाएं) से 0 (केंद्र) होते हुए 1 (पूरी तरह दाएं) तक। केवल वॉइस को पैन किया जाता है; रीवर्ब और बैकग्राउंड नॉइज़ केंद्र में रहते हैं।

### VoiceSegment

- `voice_id` (string, required) — इस सेगमेंट के लिए इस्तेमाल की गई वॉइस ID
- `start_time_seconds` (double, required) — इस वॉइस सेगमेंट का शुरुआती समय
- `end_time_seconds` (double, required) — इस वॉइस सेगमेंट का समाप्ति समय
- `character_start_index` (integer, required) — कैरेक्टर्स ऐरे में शुरुआती इंडेक्स
- `character_end_index` (integer, required) — कैरेक्टर्स ऐरे में अंतिम इंडेक्स (एक्सक्लूसिव)
- `dialogue_input_index` (integer, required) — डायलॉग (स्क्रिप्ट) की वह पंक्ति जिसका यह सेगमेंट हिस्सा है।

### CharacterAlignmentResponseModel

- `characters` (list of string, required)
- `character_start_times_seconds` (list of double, required)
- `character_end_times_seconds` (list of double, required)

### ValidationError

- `loc` (list of ValidationErrorLocItems, required)
- `msg` (string, required)
- `type` (string, required)

### ValidationErrorLocItems

## Examples

**Request**

```json
{
  "inputs": [
    {
      "text": "Hello, how are you?",
      "voice_id": "bYTqZQo3Jz7LQtmGTgwi"
    },
    {
      "text": "I'm doing well, thank you!",
      "voice_id": "6lCwbsX1yVjD49QmpkTR"
    }
  ]
}
```

**Response**

```json
[
  {
    "alignment": {
      "character_end_times_seconds": [
        0.1,
        0.2
      ],
      "character_start_times_seconds": [
        0,
        0.1
      ],
      "characters": [
        "H",
        "e"
      ]
    },
    "audio_base64": "base64_encoded_audio_chunk",
    "normalized_alignment": {
      "character_end_times_seconds": [
        0.1,
        0.2
      ],
      "character_start_times_seconds": [
        0,
        0.1
      ],
      "characters": [
        "H",
        "e"
      ]
    },
    "voice_segments": [
      {
        "character_end_index": 2,
        "character_start_index": 0,
        "dialogue_input_index": 0,
        "end_time_seconds": 0.2,
        "start_time_seconds": 0,
        "voice_id": "VEDscrYI8uIMttlO2Ztu"
      }
    ]
  }
]
```

**SDK Code**

```python
import requests

url = "https://api.elevenlabs.io/v1/text-to-dialogue/stream/with-timestamps"

payload = { "inputs": [
        {
            "text": "Hello, how are you?",
            "voice_id": "bYTqZQo3Jz7LQtmGTgwi"
        },
        {
            "text": "I'm doing well, thank you!",
            "voice_id": "6lCwbsX1yVjD49QmpkTR"
        }
    ] }
headers = {"Content-Type": "application/json"}

response = requests.post(url, json=payload, headers=headers)

print(response.json())
```

```javascript
const url = 'https://api.elevenlabs.io/v1/text-to-dialogue/stream/with-timestamps';
const options = {
  method: 'POST',
  headers: {'Content-Type': 'application/json'},
  body: '{"inputs":[{"text":"Hello, how are you?","voice_id":"bYTqZQo3Jz7LQtmGTgwi"},{"text":"I\'m doing well, thank you!","voice_id":"6lCwbsX1yVjD49QmpkTR"}]}'
};

try {
  const response = await fetch(url, options);
  const data = await response.json();
  console.log(data);
} catch (error) {
  console.error(error);
}
```

```go
package main

import (
	"fmt"
	"strings"
	"net/http"
	"io"
)

func main() {

	url := "https://api.elevenlabs.io/v1/text-to-dialogue/stream/with-timestamps"

	payload := strings.NewReader("{\n  \"inputs\": [\n    {\n      \"text\": \"Hello, how are you?\",\n      \"voice_id\": \"bYTqZQo3Jz7LQtmGTgwi\"\n    },\n    {\n      \"text\": \"I'm doing well, thank you!\",\n      \"voice_id\": \"6lCwbsX1yVjD49QmpkTR\"\n    }\n  ]\n}")

	req, _ := http.NewRequest("POST", url, payload)

	req.Header.Add("Content-Type", "application/json")

	res, _ := http.DefaultClient.Do(req)

	defer res.Body.Close()
	body, _ := io.ReadAll(res.Body)

	fmt.Println(res)
	fmt.Println(string(body))

}
```

```ruby
require 'uri'
require 'net/http'

url = URI("https://api.elevenlabs.io/v1/text-to-dialogue/stream/with-timestamps")

http = Net::HTTP.new(url.host, url.port)
http.use_ssl = true

request = Net::HTTP::Post.new(url)
request["Content-Type"] = 'application/json'
request.body = "{\n  \"inputs\": [\n    {\n      \"text\": \"Hello, how are you?\",\n      \"voice_id\": \"bYTqZQo3Jz7LQtmGTgwi\"\n    },\n    {\n      \"text\": \"I'm doing well, thank you!\",\n      \"voice_id\": \"6lCwbsX1yVjD49QmpkTR\"\n    }\n  ]\n}"

response = http.request(request)
puts response.read_body
```

```java
import com.mashape.unirest.http.HttpResponse;
import com.mashape.unirest.http.Unirest;

HttpResponse<String> response = Unirest.post("https://api.elevenlabs.io/v1/text-to-dialogue/stream/with-timestamps")
  .header("Content-Type", "application/json")
  .body("{\n  \"inputs\": [\n    {\n      \"text\": \"Hello, how are you?\",\n      \"voice_id\": \"bYTqZQo3Jz7LQtmGTgwi\"\n    },\n    {\n      \"text\": \"I'm doing well, thank you!\",\n      \"voice_id\": \"6lCwbsX1yVjD49QmpkTR\"\n    }\n  ]\n}")
  .asString();
```

```php
<?php
require_once('vendor/autoload.php');

$client = new \GuzzleHttp\Client();

$response = $client->request('POST', 'https://api.elevenlabs.io/v1/text-to-dialogue/stream/with-timestamps', [
  'body' => '{
  "inputs": [
    {
      "text": "Hello, how are you?",
      "voice_id": "bYTqZQo3Jz7LQtmGTgwi"
    },
    {
      "text": "I\'m doing well, thank you!",
      "voice_id": "6lCwbsX1yVjD49QmpkTR"
    }
  ]
}',
  'headers' => [
    'Content-Type' => 'application/json',
  ],
]);

echo $response->getBody();
```

```csharp
using RestSharp;

var client = new RestClient("https://api.elevenlabs.io/v1/text-to-dialogue/stream/with-timestamps");
var request = new RestRequest(Method.POST);
request.AddHeader("Content-Type", "application/json");
request.AddParameter("application/json", "{\n  \"inputs\": [\n    {\n      \"text\": \"Hello, how are you?\",\n      \"voice_id\": \"bYTqZQo3Jz7LQtmGTgwi\"\n    },\n    {\n      \"text\": \"I'm doing well, thank you!\",\n      \"voice_id\": \"6lCwbsX1yVjD49QmpkTR\"\n    }\n  ]\n}", ParameterType.RequestBody);
IRestResponse response = client.Execute(request);
```

```swift
import Foundation

let headers = ["Content-Type": "application/json"]
let parameters = ["inputs": [
    [
      "text": "Hello, how are you?",
      "voice_id": "bYTqZQo3Jz7LQtmGTgwi"
    ],
    [
      "text": "I'm doing well, thank you!",
      "voice_id": "6lCwbsX1yVjD49QmpkTR"
    ]
  ]] as [String : Any]

let postData = JSONSerialization.data(withJSONObject: parameters, options: [])

let request = NSMutableURLRequest(url: NSURL(string: "https://api.elevenlabs.io/v1/text-to-dialogue/stream/with-timestamps")! as URL,
                                        cachePolicy: .useProtocolCachePolicy,
                                    timeoutInterval: 10.0)
request.httpMethod = "POST"
request.allHTTPHeaderFields = headers
request.httpBody = postData as Data

let session = URLSession.shared
let dataTask = session.dataTask(with: request as URLRequest, completionHandler: { (data, response, error) -> Void in
  if (error != nil) {
    print(error as Any)
  } else {
    let httpResponse = response as? HTTPURLResponse
    print(httpResponse)
  }
})

dataTask.resume()
```