Перейти к содержимому

Bytedance Seed Speech Text to Speech

Интеграция

ID модели 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"

Этот запрос: 0,002 $ 2 API-кредита · ≈ 0,22 ₽ Запустить на этой странице

Получить API-ключ
ByteDance Текст в речь Синхронизация губ #stylized#transform#lipsync

Синтез речи из текста с множеством готовых голосов, управлением скоростью, высотой тона и громкостью, а также инструкциями по манере речи

ByteDance · Аудио

Здесь появится ваш первый результат

Составьте запрос ниже и выполните его с помощью API-ключа. Результаты копируются в наше хранилище и хранятся навсегда или 7 дней бесплатно.

Сформировать запрос

Элементы управления сгенерированы из схемы модели. Код и цена обновляются при изменении параметров.

•обязательно 50 / 5000

Текст для преобразования в синтезированную речь.

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

Необязательная инструкция на естественном языке, например 'Speak in a cheerful tone' или 'Could you speak a bit slower?'. Она может задавать тон, эмоции, громкость и темп.

output_format по умолчанию mp3

Кодирование выходного аудио: 'mp3' создаёт MP3, а 'opus' — Opus в контейнере Ogg.

sample_rate по умолчанию 24000

Частота дискретизации выходного аудио в Гц.

по умолчанию stokie_en

Предустановка голоса для синтеза, обозначенная именем, которое также содержит коды поддерживаемых языков. Поддержка языков может быть независимой, как в 'en_zh', или допускать плавное смешивание английского и китайского, обозначенное как 'mixed_en_zh'.

Переопределение языка чтения: если параметр не указан, язык определяется автоматически, а двуязычные голоса могут плавно смешивать китайский и английский; если параметр указан, определение отключается и чтение ограничивается одним языком. Выберите китайский с помощью zh, английский — en, японский — ja, мексиканский испанский — es-mx, индонезийский — id, бразильский португальский — pt-br, корейский — ko, итальянский — it, немецкий — de или французский — fr.

по умолчанию 1

Множитель скорости речи: 1.0 — обычная скорость, 0.5 — половина скорости, 2.0 — удвоенная скорость.

по умолчанию 1

Множитель громкости: 1.0 — обычная громкость, 0.5 — половина громкости, 2.0 — удвоенная громкость.

по умолчанию 0

Настройка высоты голоса в полутонах: 0 оставляет высоту без изменений, -12 понижает её на октаву, а 12 повышает на октаву.

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

Запустить этот запрос

Ваш ключ хранится в этом браузере: он отправляется только в Doitong API и сохраняется в localStorage только при включении параметра «Запомнить». Получить API-ключ

О Bytedance Seed Speech Text to Speech

Преобразует до 5000 символов `text` в аудио. Можно выбрать `voice` и при необходимости задать `language` либо оставить автоматическое определение. `speed` и `volume` принимают значения от 0.5 до 2, `pitch` изменяется от -12 до 12 полутонов, а `voice_instruction` задаёт манеру произношения. Вывод — mp3 или opus с частотой дискретизации от 8000 до 48000 Hz.

Параметры

ИмяТип По умолчаниюДопустимые значения Описание
textобязательно
Типstring
≤ 5 000 символов
Текст для преобразования в синтезированную речь.
voiceнеобязательно
Типenum
По умолчаниюstokie_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
ещё 25alina_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
Предустановка голоса для синтеза, обозначенная именем, которое также содержит коды поддерживаемых языков. Поддержка языков может быть независимой, как в 'en_zh', или допускать плавное смешивание английского и китайского, обозначенное как 'mixed_en_zh'.
output_formatнеобязательно
Типenum
По умолчаниюmp3
mp3opus
Кодирование выходного аудио: 'mp3' создаёт MP3, а 'opus' — Opus в контейнере Ogg.
sample_rateнеобязательно
Типenum
По умолчанию24000
8000160002205024000320004410048000
Частота дискретизации выходного аудио в Гц.
speedнеобязательно
Типnumber
По умолчанию1
0,5 – 2
Множитель скорости речи: 1.0 — обычная скорость, 0.5 — половина скорости, 2.0 — удвоенная скорость.
volumeнеобязательно
Типnumber
По умолчанию1
0,5 – 2
Множитель громкости: 1.0 — обычная громкость, 0.5 — половина громкости, 2.0 — удвоенная громкость.
pitchнеобязательно
Типinteger
По умолчанию0
-12 – 12
Настройка высоты голоса в полутонах: 0 оставляет высоту без изменений, -12 понижает её на октаву, а 12 повышает на октаву.
languageнеобязательно
Типenum
zhenjaes-mxidpt-brkoitdefr
Переопределение языка чтения: если параметр не указан, язык определяется автоматически, а двуязычные голоса могут плавно смешивать китайский и английский; если параметр указан, определение отключается и чтение ограничивается одним языком. Выберите китайский с помощью zh, английский — en, японский — ja, мексиканский испанский — es-mx, индонезийский — id, бразильский португальский — pt-br, корейский — ko, итальянский — it, немецкий — de или французский — fr.
voice_instructionнеобязательно
Типstring | null
Необязательная инструкция на естественном языке, например 'Speak in a cheerful tone' или 'Could you speak a bit slower?'. Она может задавать тон, эмоции, громкость и темп.
обязательно

Результат

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"
  }
}
Ваши файлы — ваш выборКаждый URL из outputs[].url — это копия в нашем хранилище: она хранится навсегда (оплата за ГБ в месяц) или 7 дней бесплатно — в зависимости от настройки вашего аккаунта или параметра ?storage=.
Одинаковая структура у каждой моделиtype, url, content_type, width, height и duration — одинаково для изображений, видео и аудио. output — собственный объект результата модели.
Поля результата
audio
object {url, content_type, file_name, file_size}Аудиофайл, созданный в результате генерации.

Для AI-агентов: эта страница в формате Markdown доступна по адресу https://doitong.com/developers/models/bytedance/seed-speech/tts/v2.md. Все модели и руководства: https://doitong.com/developers/llms.txt