تخطّي إلى المحتوى

Bytedance Seed Speech Text to Speech

التكامل

معرّف النموذج bytedance/seed-speech/tts/v2
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/bytedance/seed-speech/tts/v2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence."
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

هذا الطلب: ⁨‏0.002 $⁩ 2 رصيدا API · ≈ ⁨‏0.22 ₽⁩ تشغيله في هذه الصفحة

الحصول على مفتاح API
ByteDance تحويل النص إلى كلام مزامنة الشفاه #stylized#transform#lipsync

تحويل النص إلى كلام مع أصوات مسبقة متعددة وتحكم في السرعة والنغمة ومستوى الصوت وتعليمات بأسلوب منطوق

ByteDance · صوت

ستظهر نتيجتك الأولى هنا

أنشئ طلبًا أدناه وشغّله باستخدام مفتاح API الخاص بك. تُنسخ المخرجات إلى تخزيننا، وتُحفظ إلى الأبد أو لمدة 7 أيام مجانًا.

إنشاء طلب

تُنشأ عناصر التحكم من مخطط النموذج. يتحدّث الرمز والسعر عند تغييرها.

•مطلوب 50 / 5000

النص المراد تحويله إلى كلام مُولّد.

متقدم voice_instruction · output_format · sample_rate · voice · language · speed · volume · pitch

تعليمة اختيارية للإلقاء باللغة الطبيعية، مثل 'تحدث بنبرة مرحة' أو 'هل يمكنك التحدث ببطء أكثر قليلًا؟'. ويمكنها توجيه النبرة والعاطفة ومستوى الصوت والإيقاع.

output_format الافتراضي mp3

ترميز الصوت المخرج: ينتج 'mp3' صيغة MP3، بينما ينتج 'opus' صيغة Opus داخل حاوية Ogg.

sample_rate الافتراضي 24000

تردد أخذ العينات بالهرتز للصوت المخرج.

الافتراضي stokie_en

إعداد صوت التوليف المسبق، ويُحدَّد باسم يتضمن أيضًا رموز اللغات المدعومة. قد يكون دعم اللغات مستقلًا، كما في 'en_zh'، أو يسمح بمزج الإنجليزية والصينية بسلاسة، كما يشير 'mixed_en_zh'.

تجاوز لغة القراءة: عند حذفه، يكون الاكتشاف تلقائيًا ويمكن للأصوات ثنائية اللغة مزج الصينية والإنجليزية بسلاسة؛ وعند توفيره، يعطّل الاكتشاف ويقيّد القراءة بلغة واحدة. اختر الصينية باستخدام zh، والإنجليزية باستخدام en، واليابانية باستخدام ja، والإسبانية المكسيكية باستخدام es-mx، والإندونيسية باستخدام id، والبرتغالية البرازيلية باستخدام pt-br، والكورية باستخدام ko، والإيطالية باستخدام it، والألمانية باستخدام de، أو الفرنسية باستخدام fr.

الافتراضي 1

مضاعِف سرعة الكلام: تمنح 1.0 السرعة العادية، و0.5 نصف السرعة، و2.0 ضعف السرعة.

الافتراضي 1

مضاعِف مستوى الصوت: تمنح 1.0 المستوى العادي، و0.5 نصف المستوى، و2.0 ضعف المستوى.

الافتراضي 0

ضبط طبقة الصوت بوحدة أنصاف النغمات: تترك 0 الطبقة دون تغيير، وتخفض -12 الطبقة أوكتافًا، وترفعها 12 أوكتافًا.

POST /run/bytedance/seed-speech/tts/v2?wait=20 عرض السعر → ⁨‏0.002 $⁩
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/bytedance/seed-speech/tts/v2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence."
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

تشغيل هذا الطلب

يبقى مفتاحك في هذا المتصفح: لا يُرسل إلا إلى Doitong API ويُحفظ في localStorage فقط إذا فعّلت خيار التذكّر. الحصول على مفتاح API

حول Bytedance Seed Speech Text to Speech

يحوّل ما يصل إلى 5000 حرف من `text` إلى صوت. اختر `voice`، ويمكن اختياريًا فرض `language` أو ترك الاكتشاف التلقائي مفعّلًا. تتراوح `speed` و`volume` من 0.5 إلى 2، وتتغير `pitch` من -12 إلى 12 نصف نغمة، وتوجه `voice_instruction` طريقة الإلقاء. يكون الخرج mp3 أو opus بمعدلات أخذ عينات من 8000 إلى 48000 Hz.

المعاملات

الاسمالنوع الافتراضيمسموح الوصف
textمطلوب
النوعstring
≤ 5,000 حرف
النص المراد تحويله إلى كلام مُولّد.
voiceاختياري
النوعenum
الافتراضيstokie_en
vivi_mixed_en_zh_ja_es_idmindy_en_es_id_pt_zhstokie_endacey_entim_enkian_en_zhcedric_en_zhsophie_en_zhjean_en_zhmagnus_en_zhmabel_en_zhnadia_en_zhopal_en_zhpearl_en_zhquentin_en_zhvienna_mixed_en_zh
+25 أخرىalina_mixed_en_zhcorinne_mixed_en_zhesther_mixed_en_zhfreya_mixed_en_zhgigi_mixed_en_zhholly_mixed_en_zhlyla_mixed_en_zhdaisy_mixed_en_zhtracy_es_zhjess_ja_es_id_pt_en_zhpinky_es_ko_mixed_en_zhsweety_ja_essandy_es_mixed_en_zhsven_deminimi_jausseau_frfelipe_eshan_idmartins_ptenzo_itshane_kobonnie_zhfelix_zhceleste_zhmonkey_king_zh
إعداد صوت التوليف المسبق، ويُحدَّد باسم يتضمن أيضًا رموز اللغات المدعومة. قد يكون دعم اللغات مستقلًا، كما في 'en_zh'، أو يسمح بمزج الإنجليزية والصينية بسلاسة، كما يشير 'mixed_en_zh'.
output_formatاختياري
النوعenum
الافتراضيmp3
mp3opus
ترميز الصوت المخرج: ينتج 'mp3' صيغة MP3، بينما ينتج 'opus' صيغة Opus داخل حاوية Ogg.
sample_rateاختياري
النوعenum
الافتراضي24000
8000160002205024000320004410048000
تردد أخذ العينات بالهرتز للصوت المخرج.
speedاختياري
النوعnumber
الافتراضي1
0.5 – 2
مضاعِف سرعة الكلام: تمنح 1.0 السرعة العادية، و0.5 نصف السرعة، و2.0 ضعف السرعة.
volumeاختياري
النوعnumber
الافتراضي1
0.5 – 2
مضاعِف مستوى الصوت: تمنح 1.0 المستوى العادي، و0.5 نصف المستوى، و2.0 ضعف المستوى.
pitchاختياري
النوعinteger
الافتراضي0
-12 – 12
ضبط طبقة الصوت بوحدة أنصاف النغمات: تترك 0 الطبقة دون تغيير، وتخفض -12 الطبقة أوكتافًا، وترفعها 12 أوكتافًا.
languageاختياري
النوعenum
zhenjaes-mxidpt-brkoitdefr
تجاوز لغة القراءة: عند حذفه، يكون الاكتشاف تلقائيًا ويمكن للأصوات ثنائية اللغة مزج الصينية والإنجليزية بسلاسة؛ وعند توفيره، يعطّل الاكتشاف ويقيّد القراءة بلغة واحدة. اختر الصينية باستخدام zh، والإنجليزية باستخدام en، واليابانية باستخدام ja، والإسبانية المكسيكية باستخدام es-mx، والإندونيسية باستخدام id، والبرتغالية البرازيلية باستخدام pt-br، والكورية باستخدام ko، والإيطالية باستخدام it، والألمانية باستخدام de، أو الفرنسية باستخدام fr.
voice_instructionاختياري
النوعstring | null
تعليمة اختيارية للإلقاء باللغة الطبيعية، مثل 'تحدث بنبرة مرحة' أو 'هل يمكنك التحدث ببطء أكثر قليلًا؟'. ويمكنها توجيه النبرة والعاطفة ومستوى الصوت والإيقاع.
مطلوب

المخرجات

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "bytedance/seed-speech/tts/v2",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 2,
    "usd": "0.002",
    "charged": 2,
    "refunded": 0
  },
  "input": {
    "text": "Hello from Doitong. This is a short test sentence."
  },
  "output": {
    "audio": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_name": "0-output.mp3",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "audio",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_size": 1843200,
      "duration": 12,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
ملفاتك، خيارككل outputs[].url هو نسخة على تخزيننا: تُحفظ إلى الأبد (مع الدفع لكل غيغابايت-شهر) أو لمدة 7 أيام مجانًا، وفق إعداد حسابك أو ?storage=.
البنية نفسها في كل نموذجtype وurl وcontent_type وwidth وheight وduration للصور والفيديو والصوت على حد سواء. output هو كائن النتائج الخاص بالنموذج.
حقول المخرجات
audio
object {url, content_type, file_name, file_size}ملف الصوت الناتج عن التوليد.

لوكلاء الذكاء الاصطناعي: تتوفر هذه الصفحة بصيغة Markdown على https://doitong.com/ar/developers/models/bytedance/seed-speech/tts/v2.md. جميع النماذج والأدلة: https://doitong.com/developers/llms.txt