Μετάβαση στο περιεχόμενο

Bytedance Seed Speech Text to Speech

Ενσωμάτωση

id μοντέλου 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"

Αυτό το αίτημα: 0,002 $ 2 πιστώσεις API · ≈ 0,22 ₽ Εκτέλεση σε αυτήν τη σελίδα

Λήψη κλειδιού API
ByteDance Κείμενο σε ομιλία Συγχρονισμός χειλιών #stylized#transform#lipsync

Text-to-speech με πολλές προκαθορισμένες φωνές, έλεγχο ταχύτητας, ύψους και έντασης και οδηγίες ύφους εκφώνησης

ByteDance · Ήχος

Το πρώτο σας αποτέλεσμα θα εμφανιστεί εδώ

Δημιουργήστε ένα αίτημα παρακάτω και εκτελέστε το με το κλειδί API σας. Οι έξοδοι αντιγράφονται στην αποθήκευσή μας και διατηρούνται για πάντα ή 7 ημέρες δωρεάν.

Δημιουργία αιτήματος

Τα στοιχεία ελέγχου δημιουργούνται από το σχήμα του μοντέλου. Ο κώδικας και η τιμή ενημερώνονται καθώς τα αλλάζετε.

•απαιτείται 50 / 5000

Κείμενο προς μετατροπή σε συνθετική ομιλία.

Για προχωρημένους voice_instruction · output_format · sample_rate · voice · language · speed · volume · pitch

Προαιρετική οδηγία εκφοράς σε φυσική γλώσσα, όπως 'Speak in a cheerful tone' ή 'Could you speak a bit slower?'. Μπορεί να καθοδηγεί τον τόνο, το συναίσθημα, την ένταση και τον ρυθμό.

output_format προεπιλογή mp3

Κωδικοποίηση ήχου εξόδου: το 'mp3' παράγει MP3, ενώ το 'opus' παράγει Opus σε κοντέινερ Ogg.

sample_rate προεπιλογή 24000

Συχνότητα δειγματοληψίας σε Hz για τον ήχο εξόδου.

προεπιλογή stokie_en

Προκαθορισμένη φωνή σύνθεσης, που προσδιορίζεται από όνομα το οποίο περιλαμβάνει επίσης υποστηριζόμενους κωδικούς γλωσσών. Η υποστήριξη γλωσσών μπορεί να είναι ανεξάρτητη, όπως στο 'en_zh', ή να επιτρέπει απρόσκοπτη ανάμειξη Αγγλικών–Κινεζικών, όπως υποδεικνύεται από το 'mixed_en_zh'.

Παράκαμψη γλώσσας ανάγνωσης: όταν παραλείπεται, η ανίχνευση γίνεται αυτόματα και οι δίγλωσσες φωνές μπορούν να αναμείξουν απρόσκοπτα Κινεζικά με Αγγλικά· όταν παρέχεται, απενεργοποιεί την ανίχνευση και περιορίζει την ανάγνωση σε μία γλώσσα. Επιλέξτε Κινεζικά με zh, Αγγλικά με en, Ιαπωνικά με ja, Ισπανικά Μεξικού με es-mx, Ινδονησιακά με id, Πορτογαλικά Βραζιλίας με pt-br, Κορεατικά με ko, Ιταλικά με it, Γερμανικά με de ή Γαλλικά με fr.

προεπιλογή 1

Πολλαπλασιαστής ρυθμού ομιλίας: το 1.0 δίνει κανονική ταχύτητα, το 0.5 τη μισή και το 2.0 τη διπλάσια.

προεπιλογή 1

Πολλαπλασιαστής έντασης: το 1.0 δίνει κανονική ένταση, το 0.5 τη μισή και το 2.0 τη διπλάσια.

προεπιλογή 0

Ρύθμιση τονικού ύψους της φωνής, σε ημιτόνια: το 0 αφήνει το τονικό ύψος αμετάβλητο, το -12 το κατεβάζει κατά μία οκτάβα και το 12 το ανεβάζει κατά μία οκτάβα.

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

Εκτέλεση αυτού του αιτήματος

Το κλειδί σας παραμένει σε αυτό το πρόγραμμα περιήγησης: αποστέλλεται μόνο στο Doitong API και αποθηκεύεται (localStorage) μόνο αν ενεργοποιήσετε την επιλογή «Να απομνημονεύεται». Λήψη κλειδιού API

Σχετικά με το Bytedance Seed Speech Text to Speech

Μετατρέπει έως 5000 χαρακτήρες του `text` σε ήχο. Επιλέξτε `voice` και προαιρετικά επιβάλετε `language` ή αφήστε ενεργή την αυτόματη ανίχνευση. Τα `speed` και `volume` κυμαίνονται από 0.5 έως 2, το `pitch` μετατοπίζεται από -12 έως 12 ημιτόνια και το `voice_instruction` καθοδηγεί την εκφορά. Η έξοδος είναι mp3 ή opus με ρυθμούς δειγματοληψίας από 8000 έως 48000 Hz.

Παράμετροι

ΌνομαΤύπος ΠροεπιλογήΕπιτρεπόμενο Περιγραφή
textαπαιτείται
Τύποςstring
≤ 5.000 χαρακτήρες
Κείμενο προς μετατροπή σε συνθετική ομιλία.
voiceπροαιρετικό
Τύποςenum
Προεπιλογήstokie_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 ακόμηalina_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
Προκαθορισμένη φωνή σύνθεσης, που προσδιορίζεται από όνομα το οποίο περιλαμβάνει επίσης υποστηριζόμενους κωδικούς γλωσσών. Η υποστήριξη γλωσσών μπορεί να είναι ανεξάρτητη, όπως στο 'en_zh', ή να επιτρέπει απρόσκοπτη ανάμειξη Αγγλικών–Κινεζικών, όπως υποδεικνύεται από το 'mixed_en_zh'.
output_formatπροαιρετικό
Τύποςenum
Προεπιλογήmp3
mp3opus
Κωδικοποίηση ήχου εξόδου: το 'mp3' παράγει MP3, ενώ το 'opus' παράγει Opus σε κοντέινερ Ogg.
sample_rateπροαιρετικό
Τύποςenum
Προεπιλογή24000
8000160002205024000320004410048000
Συχνότητα δειγματοληψίας σε Hz για τον ήχο εξόδου.
speedπροαιρετικό
Τύποςnumber
Προεπιλογή1
0,5 – 2
Πολλαπλασιαστής ρυθμού ομιλίας: το 1.0 δίνει κανονική ταχύτητα, το 0.5 τη μισή και το 2.0 τη διπλάσια.
volumeπροαιρετικό
Τύποςnumber
Προεπιλογή1
0,5 – 2
Πολλαπλασιαστής έντασης: το 1.0 δίνει κανονική ένταση, το 0.5 τη μισή και το 2.0 τη διπλάσια.
pitchπροαιρετικό
Τύποςinteger
Προεπιλογή0
-12 – 12
Ρύθμιση τονικού ύψους της φωνής, σε ημιτόνια: το 0 αφήνει το τονικό ύψος αμετάβλητο, το -12 το κατεβάζει κατά μία οκτάβα και το 12 το ανεβάζει κατά μία οκτάβα.
languageπροαιρετικό
Τύποςenum
zhenjaes-mxidpt-brkoitdefr
Παράκαμψη γλώσσας ανάγνωσης: όταν παραλείπεται, η ανίχνευση γίνεται αυτόματα και οι δίγλωσσες φωνές μπορούν να αναμείξουν απρόσκοπτα Κινεζικά με Αγγλικά· όταν παρέχεται, απενεργοποιεί την ανίχνευση και περιορίζει την ανάγνωση σε μία γλώσσα. Επιλέξτε Κινεζικά με zh, Αγγλικά με en, Ιαπωνικά με ja, Ισπανικά Μεξικού με es-mx, Ινδονησιακά με id, Πορτογαλικά Βραζιλίας με pt-br, Κορεατικά με ko, Ιταλικά με it, Γερμανικά με de ή Γαλλικά με fr.
voice_instructionπροαιρετικό
Τύποςstring | null
Προαιρετική οδηγία εκφοράς σε φυσική γλώσσα, όπως 'Speak in a cheerful tone' ή 'Could you speak a bit slower?'. Μπορεί να καθοδηγεί τον τόνο, το συναίσθημα, την ένταση και τον ρυθμό.
απαιτείται

Έξοδος

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"
  }
}
Τα αρχεία σας, η επιλογή σαςΚάθε outputs[].url είναι ένα αντίγραφο στην αποθήκευσή μας: διατηρείται για πάντα (χρέωση ανά GB-μήνα) ή 7 ημέρες δωρεάν, σύμφωνα με τη ρύθμιση του λογαριασμού σας ή ?storage=.
Ίδια μορφή σε κάθε μοντέλοtype, url, content_type, width, height και duration, τόσο για εικόνες όσο και για βίντεο και ήχο. Το output είναι το αντικείμενο αποτελέσματος του ίδιου του μοντέλου.
Πεδία εξόδου
audio
object {url, content_type, file_name, file_size}Αρχείο ήχου που παράγεται από την παραγωγή.

Για πράκτορες AI: αυτή η σελίδα σε Markdown βρίσκεται στη διεύθυνση https://doitong.com/el/developers/models/bytedance/seed-speech/tts/v2.md. Όλα τα μοντέλα και οι οδηγοί: https://doitong.com/developers/llms.txt