Neidio i'r cynnwys

Bytedance Seed Speech Text to Speech

Integreiddio

ID y model 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"

Y cais hwn: $0.002 2 o gredydau API · ≈ ₽0.22 Ei redeg ar y dudalen hon

Cael allwedd API
ByteDance Testun i Leferydd Cydamseru gwefusau #stylized#transform#lipsync

Testun-i-leferydd gyda llawer o leisiau rhagosodedig, rheolaeth ar gyflymder, traw a chyfaint, a chyfarwyddiadau arddull llefaru

ByteDance · Sain

Mae eich canlyniad cyntaf yn mynd yma

Adeiladwch gais isod a'i redeg gyda'ch allwedd API. Mae allbynnau'n cael eu copïo i'n storio, wedi'u cadw am byth neu am 7 diwrnod am ddim.

Adeiladu cais

Cynhyrchir rheolyddion o sgema'r model. Mae'r cod a'r pris yn diweddaru wrth i chi eu newid.

•gofynnol 50 / 5000

Testun i'w drosi'n lleferydd wedi'i syntheseiddio.

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

Cyfarwyddyd cyflwyno mewn iaith naturiol dewisol, megis 'Siaradwch mewn tôn siriol' neu 'A allech siarad ychydig yn arafach?'. Gall gyfeirio tôn, emosiwn, cyfaint a chyflymder.

output_format rhagosodedig mp3

Amgodio sain allbwn: mae 'mp3' yn cynhyrchu MP3, tra bod 'opus' yn cynhyrchu Opus wedi'i becynnu mewn cynhwysydd Ogg.

sample_rate rhagosodedig 24000

Amledd samplu mewn Hz ar gyfer y sain allbwn.

rhagosodedig stokie_en

Rhagosodiad llais synthesis, wedi'i nodi gan enw sydd hefyd yn cynnwys codau ieithoedd a gefnogir. Gall cefnogaeth ieithoedd fod yn annibynnol, fel gydag 'en_zh', neu ganiatáu cymysgu Saesneg–Tsieinëeg yn ddi-dor, wedi'i nodi gan 'mixed_en_zh'.

Diystyru iaith ddarllen: pan gaiff ei hepgor, mae'r canfod yn awtomatig a gall lleisiau dwyieithog gymysgu Tsieinëeg â Saesneg yn ddi-dor; pan gaiff ei ddarparu, mae'n analluogi'r canfod ac yn cyfyngu darllen i un iaith. Dewiswch Tsieinëeg gyda zh, Saesneg gyda en, Japaneeg gyda ja, Sbaeneg Mecsicanaidd gyda es-mx, Indoneseg gyda id, Portiwgaleg Brasil gyda pt-br, Corëeg gyda ko, Eidaleg gyda it, Almaeneg gyda de, neu Ffrangeg gyda fr.

rhagosodedig 1

Lluosydd cyfradd lleferydd: mae 1.0 yn rhoi cyflymder normal, 0.5 yn rhoi hanner y cyflymder, a 2.0 yn rhoi dwywaith y cyflymder.

rhagosodedig 1

Lluosydd cyfaint: mae 1.0 yn rhoi cyfaint normal, 0.5 yn rhoi hanner y cyfaint, a 2.0 yn rhoi dwywaith y cyfaint.

rhagosodedig 0

Addasiad traw'r llais, wedi'i fesur mewn hanner-tonau: mae 0 yn gadael y traw heb ei newid, mae -12 yn ei symud i lawr wythfed, a 12 yn ei symud i fyny wythfed.

POST /run/bytedance/seed-speech/tts/v2?wait=20 dyfynbris → $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"

Rhedeg y cais hwn

Mae'ch allwedd yn aros yn y porwr hwn: caiff ei hanfon at Doitong API yn unig a'i chadw (localStorage) dim ond os ticiwch Cofio. Cael allwedd API

Ynglŷn â Bytedance Seed Speech Text to Speech

Yn trosi hyd at 5000 nod o `text` yn sain. Dewiswch `voice`, ac yn ddewisol gorfodwch `language` neu gadewch ganfod awtomatig ymlaen. Mae `speed` a `volume` yn amrywio o 0.5 i 2, mae `pitch` yn symud o -12 i 12 hanner tôn, ac mae `voice_instruction` yn llywio’r cyflwyniad. Mae’r allbwn yn mp3 neu opus ar gyfraddau sampl o 8000 i 48000 Hz.

Paramedrau

EnwMath RhagosodedigCaniateir Disgrifiad
textgofynnol
Mathstring
≤ 5,000 nod
Testun i'w drosi'n lleferydd wedi'i syntheseiddio.
voicedewisol
Mathenum
Rhagosodedigstokie_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 yn rhagoralina_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
Rhagosodiad llais synthesis, wedi'i nodi gan enw sydd hefyd yn cynnwys codau ieithoedd a gefnogir. Gall cefnogaeth ieithoedd fod yn annibynnol, fel gydag 'en_zh', neu ganiatáu cymysgu Saesneg–Tsieinëeg yn ddi-dor, wedi'i nodi gan 'mixed_en_zh'.
output_formatdewisol
Mathenum
Rhagosodedigmp3
mp3opus
Amgodio sain allbwn: mae 'mp3' yn cynhyrchu MP3, tra bod 'opus' yn cynhyrchu Opus wedi'i becynnu mewn cynhwysydd Ogg.
sample_ratedewisol
Mathenum
Rhagosodedig24000
8000160002205024000320004410048000
Amledd samplu mewn Hz ar gyfer y sain allbwn.
speeddewisol
Mathnumber
Rhagosodedig1
0.5 – 2
Lluosydd cyfradd lleferydd: mae 1.0 yn rhoi cyflymder normal, 0.5 yn rhoi hanner y cyflymder, a 2.0 yn rhoi dwywaith y cyflymder.
volumedewisol
Mathnumber
Rhagosodedig1
0.5 – 2
Lluosydd cyfaint: mae 1.0 yn rhoi cyfaint normal, 0.5 yn rhoi hanner y cyfaint, a 2.0 yn rhoi dwywaith y cyfaint.
pitchdewisol
Mathinteger
Rhagosodedig0
-12 – 12
Addasiad traw'r llais, wedi'i fesur mewn hanner-tonau: mae 0 yn gadael y traw heb ei newid, mae -12 yn ei symud i lawr wythfed, a 12 yn ei symud i fyny wythfed.
languagedewisol
Mathenum
zhenjaes-mxidpt-brkoitdefr
Diystyru iaith ddarllen: pan gaiff ei hepgor, mae'r canfod yn awtomatig a gall lleisiau dwyieithog gymysgu Tsieinëeg â Saesneg yn ddi-dor; pan gaiff ei ddarparu, mae'n analluogi'r canfod ac yn cyfyngu darllen i un iaith. Dewiswch Tsieinëeg gyda zh, Saesneg gyda en, Japaneeg gyda ja, Sbaeneg Mecsicanaidd gyda es-mx, Indoneseg gyda id, Portiwgaleg Brasil gyda pt-br, Corëeg gyda ko, Eidaleg gyda it, Almaeneg gyda de, neu Ffrangeg gyda fr.
voice_instructiondewisol
Mathstring | null
Cyfarwyddyd cyflwyno mewn iaith naturiol dewisol, megis 'Siaradwch mewn tôn siriol' neu 'A allech siarad ychydig yn arafach?'. Gall gyfeirio tôn, emosiwn, cyfaint a chyflymder.
gofynnol

Allbwn

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"
  }
}
Eich ffeiliau, eich dewisMae pob outputs[].url yn gopi ar ein storio: wedi'i gadw am byth (telir fesul GB-mis) neu am 7 diwrnod am ddim, yn ôl gosodiad eich cyfrif neu ?storage=.
Yr un siâp ar bob modeltype, url, content_type, width, height a duration, ar gyfer delweddau, fideo a sain fel ei gilydd. Gwrthrych canlyniad y model ei hun yw output.
Meysydd yr allbwn
audio
object {url, content_type, file_name, file_size}Ffeil sain a gynhyrchir.

Ar gyfer asiantau AI: mae'r dudalen hon fel Markdown ar gael yn https://doitong.com/cy/developers/models/bytedance/seed-speech/tts/v2.md. Pob model a chanllaw: https://doitong.com/developers/llms.txt