Gå til indhold

Bytedance Seed Speech Text to Speech

Integrer

Model-id 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"

Denne anmodning: 0,002 $ 2 API-kreditter · ≈ 0,22 ₽ Kør den på denne side

Hent API-nøgle
ByteDance Tekst til tale Lipsync #stylized#transform

Tekst-til-tale med mange forudindstillede stemmer, styring af hastighed, tonehøjde og lydstyrke samt instruktioner i talestil

ByteDance · Lyd

Dit første resultat kommer her

Opret en anmodning nedenfor, og kør den med din API-nøgle. Output kopieres til vores lagring, gemt for altid eller 7 dage gratis.

Opret en anmodning

Kontrollerne genereres fra modellens skema. Koden og prisen opdateres, når du ændrer dem.

•påkrævet 50 / 5000

Tekst, der skal konverteres til syntetiseret tale.

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

Valgfri instruktion i naturligt sprog, såsom 'Speak in a cheerful tone' eller 'Could you speak a bit slower?'. Den kan styre tone, følelse, lydstyrke og tempo.

output_format standard mp3

Lydoutputkodning: 'mp3' producerer MP3, mens 'opus' producerer Opus pakket i en Ogg-container.

sample_rate standard 24000

Samplingsfrekvens i Hz for outputlyden.

standard stokie_en

Forudindstillet syntesestemme identificeret ved et navn, der også indeholder understøttede sprogkoder. Sprogunderstøttelsen kan være uafhængig, som med 'en_zh', eller tillade problemfri blanding af engelsk og kinesisk, angivet med 'mixed_en_zh'.

Tilsidesættelse af oplæsningssprog: når den udelades, sker registreringen automatisk, og tosprogede stemmer kan blande kinesisk og engelsk problemfrit; når den angives, deaktiveres registreringen, og oplæsningen begrænses til ét sprog. Vælg kinesisk med zh, engelsk med en, japansk med ja, mexicansk spansk med es-mx, indonesisk med id, brasiliansk portugisisk med pt-br, koreansk med ko, italiensk med it, tysk med de eller fransk med fr.

standard 1

Talehastighedsmultiplikator: 1.0 giver normal hastighed, 0.5 halv hastighed, og 2.0 dobbelt hastighed.

standard 1

Lydstyrkemultiplikator: 1.0 giver normal lydstyrke, 0.5 halv lydstyrke, og 2.0 dobbelt lydstyrke.

standard 0

Justering af stemmens tonehøjde målt i halvtoner: 0 ændrer ikke tonehøjden, -12 sænker den en oktav, og 12 hæver den en oktav.

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

Kør denne anmodning

Din nøgle forbliver i denne browser: Den sendes kun til Doitong API og gemmes kun i localStorage, hvis du markerer Husk. Hent en API-nøgle

Om Bytedance Seed Speech Text to Speech

Konverterer op til 5000 tegn i `text` til lyd. Vælg en `voice`, og angiv eventuelt et bestemt `language`, eller lad automatisk registrering være aktiveret. `speed` og `volume` går fra 0.5 til 2, `pitch` ændres fra -12 til 12 halvtoner, og `voice_instruction` styrer fremførelsen. Output er mp3 eller opus ved samplingsfrekvenser fra 8000 til 48000 Hz.

Parametre

NavnType StandardTilladt Beskrivelse
textpåkrævet
Typestring
≤ 5.000 tegn
Tekst, der skal konverteres til syntetiseret tale.
voicevalgfri
Typeenum
Standardstokie_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 flerealina_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
Forudindstillet syntesestemme identificeret ved et navn, der også indeholder understøttede sprogkoder. Sprogunderstøttelsen kan være uafhængig, som med 'en_zh', eller tillade problemfri blanding af engelsk og kinesisk, angivet med 'mixed_en_zh'.
output_formatvalgfri
Typeenum
Standardmp3
mp3opus
Lydoutputkodning: 'mp3' producerer MP3, mens 'opus' producerer Opus pakket i en Ogg-container.
sample_ratevalgfri
Typeenum
Standard24000
8000160002205024000320004410048000
Samplingsfrekvens i Hz for outputlyden.
speedvalgfri
Typenumber
Standard1
0,5 – 2
Talehastighedsmultiplikator: 1.0 giver normal hastighed, 0.5 halv hastighed, og 2.0 dobbelt hastighed.
volumevalgfri
Typenumber
Standard1
0,5 – 2
Lydstyrkemultiplikator: 1.0 giver normal lydstyrke, 0.5 halv lydstyrke, og 2.0 dobbelt lydstyrke.
pitchvalgfri
Typeinteger
Standard0
-12 – 12
Justering af stemmens tonehøjde målt i halvtoner: 0 ændrer ikke tonehøjden, -12 sænker den en oktav, og 12 hæver den en oktav.
languagevalgfri
Typeenum
zhenjaes-mxidpt-brkoitdefr
Tilsidesættelse af oplæsningssprog: når den udelades, sker registreringen automatisk, og tosprogede stemmer kan blande kinesisk og engelsk problemfrit; når den angives, deaktiveres registreringen, og oplæsningen begrænses til ét sprog. Vælg kinesisk med zh, engelsk med en, japansk med ja, mexicansk spansk med es-mx, indonesisk med id, brasiliansk portugisisk med pt-br, koreansk med ko, italiensk med it, tysk med de eller fransk med fr.
voice_instructionvalgfri
Typestring | null
Valgfri instruktion i naturligt sprog, såsom 'Speak in a cheerful tone' eller 'Could you speak a bit slower?'. Den kan styre tone, følelse, lydstyrke og tempo.
påkrævet

Output

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"
  }
}
Dine filer, dit valgHver outputs[].url er en kopi på vores lagring: gemt for altid (betales pr. GB-måned) eller 7 dage gratis, afhængigt af din kontoindstilling eller ?storage=.
Samme struktur for alle modellertype, url, content_type, width, height og duration for billeder, video og lyd. output er modellens eget resultatobjekt.
Outputfelter
audio
object {url, content_type, file_name, file_size}Lydfil produceret ved generering.

Til AI-agenter: Denne side som Markdown findes på https://doitong.com/da/developers/models/bytedance/seed-speech/tts/v2.md. Alle modeller og vejledninger: https://doitong.com/developers/llms.txt