কনটেন্টে যান

Seed Audio 1.0

ইন্টিগ্রেট করুন

মডেল id bytedance/seed-audio-1.0
# 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-audio-1.0?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# 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"

প্রতি রান সর্বোচ্চ ০.১৫৪$ পর্যন্ত প্রকৃত ব্যবহার অনুযায়ী চার্জ করা হয়, বাকি অর্থ ফেরত দেওয়া হয় এই পেজে চালান

API কী পান
ByteDance অডিও

টেক্সটচালিত স্পিচ ও অডিও জেনারেটর; সর্বোচ্চ 3টি রেফারেন্স অডিও ক্লিপ বা একটি ছবি, পিচ ও গতির নিয়ন্ত্রণসহ

ByteDance · অডিও

আপনার প্রথম ফলাফল এখানে আসবে

নিচে একটি রিকোয়েস্ট তৈরি করে আপনার API কী দিয়ে চালান। আউটপুট আমাদের স্টোরেজে কপি করা হয়, চিরকাল বা বিনামূল্যে ৭ দিন পর্যন্ত রাখা হয়।

একটি অনুরোধ তৈরি করুন

মডেল স্কিমা থেকে কন্ট্রোল তৈরি করা হয়। এগুলো পরিবর্তন করলে কোড ও মূল্য আপডেট হয়।

•আবশ্যক 88 / 2048

সিন্থেসিস প্রম্পট বা টেক্সট, যেখানে ক্রমানুসারে অডিও রেফারেন্সগুলো প্রথম ইনপুটের জন্য @Audio1, দ্বিতীয়টির জন্য @Audio2 এবং তৃতীয়টির জন্য @Audio3 হিসেবে উল্লেখ করা হয়।

ডিফল্ট 1

স্পিচ রেট গুণক: 1.0 স্বাভাবিক গতি, 0.5 অর্ধেক গতি এবং 2.0 দ্বিগুণ গতি দেয়।

অ্যাডভান্সড audios · image · output_format · sample_rate · voice · volume · pitch · multilingual · enable_safety_checker
audio_urls
একটি ফাইল ড্রপ করুন, অথবা · 3 পর্যন্ত

সর্বাধিক 3টি URL-এর মাধ্যমে রেফারেন্স অডিও দিন; প্রতিটি ফাইল wav/mp3/pcm/ogg_opus ফরম্যাটের এবং সর্বোচ্চ 10 MB ও 30 সেকেন্ডের হতে হবে। প্রম্পটে ক্লিপগুলো @Audio1, @Audio2, @Audio3 দিয়ে শনাক্ত করুন।

image_url
একটি ফাইল ড্রপ করুন, অথবা

শুধু তখনই URL-এর মাধ্যমে একটি ছবি রেফারেন্স দিন, যখন কোনো অডিও রেফারেন্স দেওয়া হয়নি। ছবিটি jpeg/png/webp হতে হবে এবং আকার 10 MB-এর বেশি হওয়া যাবে না।

output_format ডিফল্ট mp3

জেনারেট করা অডিওর ফরম্যাট।

sample_rate ডিফল্ট 24000

আউটপুট অডিওর Hz-এ স্যাম্পলিং ফ্রিকোয়েন্সি।

এর প্রিসেট নাম দিয়ে অথবা ক্লোন করা ভয়েসের ক্ষেত্রে এর ID দিয়ে একটি সিন্থেসিস ভয়েস নির্বাচন করুন।

ডিফল্ট 1

ভলিউম গুণক: 1.0 স্বাভাবিক ভলিউম, 0.5 অর্ধেক ভলিউম এবং 2.0 দ্বিগুণ ভলিউম দেয়।

ডিফল্ট 0

সেমিটোনে মাপা ভয়েসের পিচ সমন্বয়: 0 পিচ অপরিবর্তিত রাখে, -12 এক অক্টেভ নিচে নামায় এবং 12 এক অক্টেভ ওপরে তোলে।

POST /run/bytedance/seed-audio-1.0?wait=20 মূল্য → ০.১৫৪$
# 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-audio-1.0?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# 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"

এই অনুরোধ চালান

আপনার key এই ব্রাউজারেই থাকে: এটি শুধু Doitong API-তে পাঠানো হয় এবং Remember টিক দিলে কেবল localStorage-এ সংরক্ষিত হয়। একটি API কী পান

Seed Audio 1.0 সম্পর্কে

সর্বোচ্চ 2048 অক্ষরের একটি প্রম্পট থেকে অডিও সংশ্লেষণ করে। প্রিসেট বা ক্লোন করা `voice` বেছে নেওয়া যায়, এবং প্রম্পটে @Audio1 থেকে @Audio3 হিসেবে সর্বোচ্চ 3টি রেফারেন্স ক্লিপ উল্লেখ করা যায়; এর পরিবর্তে একটি রেফারেন্স ছবি ব্যবহার করা যায়, তবে অডিওর সঙ্গে একসঙ্গে নয়। আউটপুট 8000 থেকে 48000 Hz স্যাম্পল রেটে wav, mp3, pcm বা ogg_opus হতে পারে। গতি ও ভলিউমের পরিসর 0.5 থেকে 2, পিচ শিফট -12 থেকে 12 সেমিটোন, এবং `multilingual` মিশ্র-ভাষার টেক্সটের জন্য একটি ভ্যারিয়েন্টে পরিবর্তন করে।

প্যারামিটার

ক্যানোনিকাল নাম অথবা নেটিভ নাম—দুটো একসঙ্গে নয়—পাঠান। ক্যানোনিকাল নামগুলো

নামধরন ডিফল্টঅনুমোদিত বিবরণ
promptআবশ্যক
ধরনstring
≤ ২,০৪৮টি অক্ষর
সিন্থেসিস প্রম্পট বা টেক্সট, যেখানে ক্রমানুসারে অডিও রেফারেন্সগুলো প্রথম ইনপুটের জন্য @Audio1, দ্বিতীয়টির জন্য @Audio2 এবং তৃতীয়টির জন্য @Audio3 হিসেবে উল্লেখ করা হয়।
voiceঐচ্ছিক
ধরনstring | null
এর প্রিসেট নাম দিয়ে অথবা ক্লোন করা ভয়েসের ক্ষেত্রে এর ID দিয়ে একটি সিন্থেসিস ভয়েস নির্বাচন করুন।
audio_urlsঐচ্ছিক audios
ধরনurl[] · audio
≤ ৩টি আইটেম
সর্বাধিক 3টি URL-এর মাধ্যমে রেফারেন্স অডিও দিন; প্রতিটি ফাইল wav/mp3/pcm/ogg_opus ফরম্যাটের এবং সর্বোচ্চ 10 MB ও 30 সেকেন্ডের হতে হবে। প্রম্পটে ক্লিপগুলো @Audio1, @Audio2, @Audio3 দিয়ে শনাক্ত করুন।
image_urlঐচ্ছিক image
ধরনurl · image
শুধু তখনই URL-এর মাধ্যমে একটি ছবি রেফারেন্স দিন, যখন কোনো অডিও রেফারেন্স দেওয়া হয়নি। ছবিটি jpeg/png/webp হতে হবে এবং আকার 10 MB-এর বেশি হওয়া যাবে না।
output_formatঐচ্ছিক
ধরনenum
ডিফল্টmp3
wavmp3pcmogg_opus
জেনারেট করা অডিওর ফরম্যাট।
sample_rateঐচ্ছিক
ধরনenum
ডিফল্ট24000
80001600024000320004410048000
আউটপুট অডিওর Hz-এ স্যাম্পলিং ফ্রিকোয়েন্সি।
speedঐচ্ছিক
ধরনnumber
ডিফল্ট1
০.৫ – ২
স্পিচ রেট গুণক: 1.0 স্বাভাবিক গতি, 0.5 অর্ধেক গতি এবং 2.0 দ্বিগুণ গতি দেয়।
volumeঐচ্ছিক
ধরনnumber
ডিফল্ট1
০.৫ – ২
ভলিউম গুণক: 1.0 স্বাভাবিক ভলিউম, 0.5 অর্ধেক ভলিউম এবং 2.0 দ্বিগুণ ভলিউম দেয়।
pitchঐচ্ছিক
ধরনinteger
ডিফল্ট0
-১২ – ১২
সেমিটোনে মাপা ভয়েসের পিচ সমন্বয়: 0 পিচ অপরিবর্তিত রাখে, -12 এক অক্টেভ নিচে নামায় এবং 12 এক অক্টেভ ওপরে তোলে।
multilingualঐচ্ছিক
ধরনboolean
ডিফল্টfalse
মডেল ভ্যারিয়েন্ট নির্বাচন: বহুভাষিক ভ্যারিয়েন্ট সক্রিয় করলে প্রম্পটে একাধিক ভাষা মেশানো হলে বা ইংরেজি ছাড়া অন্য ভাষা ব্যবহার করলে তা আরও ভালোভাবে পরিচালিত হয়।
enable_safety_checkerঐচ্ছিক
ধরনboolean
ডিফল্টtrue
কলকারী অনুমোদিত হলে false সেট করে স্ক্রিনিং শিথিল করা যায়।
আবশ্যক ক্যানোনিকাল নাম, এটিও গ্রহণযোগ্য

ফাইল প্যারামিটার হিসেবে একটি পাবলিক https:// URL, 10 MB পর্যন্ত একটি data: URI, অথবা আপলোডের file_url গ্রহণ করা হয়। ফাইল

আউটপুট

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "bytedance/seed-audio-1.0",
  "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": 154,
    "usd": "0.154",
    "charged": 154,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  },
  "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,
      "duration": 5,
      "channels": 1,
      "sample_rate": 1,
      "bitrate": "string"
    }
  },
  "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"
  }
}
আপনার ফাইল, আপনার পছন্দপ্রতিটি outputs[].url আমাদের স্টোরেজে একটি কপি: চিরকাল রাখা হয় (প্রতি GB-মাস অনুযায়ী অর্থপ্রদত্ত) অথবা অ্যাকাউন্ট সেটিংস বা ?storage= অনুযায়ী বিনামূল্যে ৭ দিন পর্যন্ত।
প্রতিটি মডেলে একই গঠনছবি, ভিডিও এবং অডিও—সব ক্ষেত্রেই type, url, content_type, width, height এবং duration। output হলো মডেলের নিজস্ব ফলাফল অবজেক্ট।
আউটপুটের ফিল্ড
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}জেনারেশনের মাধ্যমে তৈরি অডিও ফাইল।

AI এজেন্টদের জন্য: এই পৃষ্ঠাটি Markdown হিসেবে এখানে আছে https://doitong.com/bn/developers/models/bytedance/seed-audio-1.0.md. সব মডেল ও গাইড: https://doitong.com/developers/llms.txt