# Bytedance Seed Speech Text to Speech API

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

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.

- Model id: `bytedance/seed-speech/tts/v2`
- Made by: ByteDance
- Category: Text to Speech
- Output: audio
- Price: $0.03 / 1000 characters (cheapest run $0.03 (30 API credits))
- Run: `POST https://api.doitong.ru/v1/run/bytedance/seed-speech/tts/v2`
- Quote: `POST https://api.doitong.ru/v1/quote/bytedance/seed-speech/tts/v2`
- Docs page: https://doitong.com/ar/developers/models/bytedance/seed-speech/tts/v2

## Pricing

Price: **$0.03 / 1000 characters**. Billed per character of `text` (the price is per 1000 characters).

The full example input below costs $0.002 = 2 API credits (50 characters × 30 API credits / 1000 characters).

Prices are the upstream price in USD, paid from the API balance in API credits (1000 API credits = 1 USD). `POST https://api.doitong.ru/v1/quote/bytedance/seed-speech/tts/v2` with the same JSON body returns the exact price for that input; the quote is exactly what a run charges. Invalid input is never charged and failed or canceled requests are refunded automatically.

## Input parameters

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `text` |  | string | yes |  | ≤ 5000 characters | النص المراد تحويله إلى كلام مُولّد. |
| `voice` |  | enum (string) | no | `stokie_en` | `vivi_mixed_en_zh_ja_es_id`, `mindy_en_es_id_pt_zh`, `stokie_en`, `dacey_en`, `tim_en`, `kian_en_zh`, `cedric_en_zh`, `sophie_en_zh`, `jean_en_zh`, `magnus_en_zh`, `mabel_en_zh`, `nadia_en_zh`, `opal_en_zh`, `pearl_en_zh`, `quentin_en_zh`, `vienna_mixed_en_zh`, `alina_mixed_en_zh`, `corinne_mixed_en_zh`, `esther_mixed_en_zh`, `freya_mixed_en_zh`, `gigi_mixed_en_zh`, `holly_mixed_en_zh`, `lyla_mixed_en_zh`, `daisy_mixed_en_zh`, `tracy_es_zh`, `jess_ja_es_id_pt_en_zh`, `pinky_es_ko_mixed_en_zh`, `sweety_ja_es`, `sandy_es_mixed_en_zh`, `sven_de`, `minimi_ja`, `usseau_fr`, `felipe_es`, `han_id`, `martins_pt`, `enzo_it`, `shane_ko`, `bonnie_zh`, `felix_zh`, `celeste_zh`, `monkey_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_format` |  | enum (string) | no | `mp3` | `mp3`, `opus` | ترميز الصوت المخرج: ينتج 'mp3' صيغة MP3، بينما ينتج 'opus' صيغة Opus داخل حاوية Ogg. |
| `sample_rate` |  | enum (integer) | no | `24000` | `8000`, `16000`, `22050`, `24000`, `32000`, `44100`, `48000` | تردد أخذ العينات بالهرتز للصوت المخرج. |
| `speed` |  | number | no | `1` | 0.5 – 2 | مضاعِف سرعة الكلام: تمنح 1.0 السرعة العادية، و0.5 نصف السرعة، و2.0 ضعف السرعة. |
| `volume` |  | number | no | `1` | 0.5 – 2 | مضاعِف مستوى الصوت: تمنح 1.0 المستوى العادي، و0.5 نصف المستوى، و2.0 ضعف المستوى. |
| `pitch` |  | integer | no | `0` | -12 – 12 | ضبط طبقة الصوت بوحدة أنصاف النغمات: تترك 0 الطبقة دون تغيير، وتخفض -12 الطبقة أوكتافًا، وترفعها 12 أوكتافًا. |
| `language` |  | enum (string) \| null | no |  | `zh`, `en`, `ja`, `es-mx`, `id`, `pt-br`, `ko`, `it`, `de`, `fr` | 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_instruction` |  | string \| null | no |  |  | تعليمة اختيارية للإلقاء باللغة الطبيعية، مثل 'تحدث بنبرة مرحة' أو 'هل يمكنك التحدث ببطء أكثر قليلًا؟'. ويمكنها توجيه النبرة والعاطفة ومستوى الصوت والإيقاع. |

## Example input

Required parameters only:

```json
{
  "text": "Hello from Doitong. This is a short test sentence."
}
```

A fuller example:

```json
{
  "text": "Hello from Doitong. This is a short test sentence."
}
```

## Run it

Set `DOITONG_API_KEY` to a key from https://doitong.com/developers/dashboard#keys. `?wait=20` returns the finished request in the same call when it is ready within 20 seconds; otherwise poll `GET /requests/{id}` (it also accepts `?wait=`), or pass `webhook_url`.

### curl

```bash
# 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"
```

### JavaScript

```javascript
const API = "https://api.doitong.ru/v1";
const headers = {
  "Authorization": "Bearer " + process.env.DOITONG_API_KEY,
  "Content-Type": "application/json",
};

// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/bytedance/seed-speech/tts/v2?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "text": "Hello from Doitong. This is a short test sentence."
  }),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);

// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
  res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
  request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");
```

### Python

```python
import os
import requests

API = "https://api.doitong.ru/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "text": "Hello from Doitong. This is a short test sentence.",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/bytedance/seed-speech/tts/v2", params={"wait": 20}, json=payload, headers=headers)
request = r.json()
if not r.ok:
    raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"])

# Not finished yet: long-poll until it is
while request["status"] in ("queued", "running"):
    request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json()
if request["status"] != "succeeded":
    raise RuntimeError(request["error"])
print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"])
```

### MCP

The MCP server at `https://api.doitong.ru/v1/mcp` exposes the tools `search_models`, `get_model`, `quote`, `run`, `get_request`, `cancel_request`, `list_requests`, `create_upload` and `get_account`. A `run` call for this model:

```json
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "bytedance/seed-speech/tts/v2",
      "input": {
        "text": "Hello from Doitong. This is a short test sentence."
      },
      "wait_seconds": 20
    }
  }
}
```

## Response

Every call returns a request object. `status` is one of `queued`, `running`, `succeeded`, `failed`, `canceled`. `outputs` lists the generated files with URLs on our storage (kept forever, or 7 days with `?storage=temporary`; `storage` says which); `output` is the model's own result object with the same URLs.

```json
{
  "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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `audio` | object {url, content_type, file_name, file_size} | ملف الصوت الناتج عن التوليد. |

## Related models

- [Eleven v4 Text to Speech](https://doitong.com/developers/models/elevenlabs/tts/eleven-v4.md) (`elevenlabs/tts/eleven-v4`): $0.08 / 1000 characters
- [MiniMax Speech 2.8 HD](https://doitong.com/developers/models/minimax/speech-2.8-hd.md) (`minimax/speech-2.8-hd`): $0.10 / 1000 characters
- [Async Text to Speech Pro V1.0](https://doitong.com/developers/models/async/tts-pro/v1.0.md) (`async/tts-pro/v1.0`): $0.01 / 1000 characters
- [Chatterbox · Speech to Speech](https://doitong.com/developers/models/chatterbox/speech-to-speech.md) (`chatterbox/speech-to-speech`): $0.015 / minute of input audio
- [Chatterbox · Text to Speech](https://doitong.com/developers/models/chatterbox/text-to-speech.md) (`chatterbox/text-to-speech`): $0.025 / 1000 characters
- [Chatterbox · Text to Speech · Multilingual](https://doitong.com/developers/models/chatterbox/text-to-speech/multilingual.md) (`chatterbox/text-to-speech/multilingual`): $0.025 / 1000 characters
- [Chatterboxhd · Speech to Speech](https://doitong.com/developers/models/resemble-ai/chatterboxhd/speech-to-speech.md) (`resemble-ai/chatterboxhd/speech-to-speech`): $0.02 / minute of input audio
- [Chatterboxhd · Text to Speech](https://doitong.com/developers/models/resemble-ai/chatterboxhd/text-to-speech.md) (`resemble-ai/chatterboxhd/text-to-speech`): $0.0108 / run

## Links

- HTML page: https://doitong.com/developers/models/bytedance/seed-speech/tts/v2
- All models and guides for AI agents: https://doitong.com/developers/llms.txt
- OpenAPI 3.1 with this model's typed request body: https://doitong.com/developers/openapi.json?model=bytedance/seed-speech/tts/v2
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.ru/v1/models/bytedance/seed-speech/tts/v2