# Bytedance Seed Speech Text to Speech API

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

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.

- Model id: `bytedance/seed-speech/tts/v2`
- Made by: ByteDance
- Category: Text to Speech
- Output: audio
- Price: $0.03 / 1000 characters (cheapest run $0.03 (30 API credits))
- Run: `POST https://api.doitong.ru/v1/run/bytedance/seed-speech/tts/v2`
- Quote: `POST https://api.doitong.ru/v1/quote/bytedance/seed-speech/tts/v2`
- Docs page: https://doitong.com/el/developers/models/bytedance/seed-speech/tts/v2

## Pricing

Price: **$0.03 / 1000 characters**. Billed per character of `text` (the price is per 1000 characters).

The full example input below costs $0.002 = 2 API credits (50 characters × 30 API credits / 1000 characters).

Prices are the upstream price in USD, paid from the API balance in API credits (1000 API credits = 1 USD). `POST https://api.doitong.ru/v1/quote/bytedance/seed-speech/tts/v2` with the same JSON body returns the exact price for that input; the quote is exactly what a run charges. Invalid input is never charged and failed or canceled requests are refunded automatically.

## Input parameters

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `text` |  | string | yes |  | ≤ 5000 characters | Κείμενο προς μετατροπή σε συνθετική ομιλία. |
| `voice` |  | enum (string) | no | `stokie_en` | `vivi_mixed_en_zh_ja_es_id`, `mindy_en_es_id_pt_zh`, `stokie_en`, `dacey_en`, `tim_en`, `kian_en_zh`, `cedric_en_zh`, `sophie_en_zh`, `jean_en_zh`, `magnus_en_zh`, `mabel_en_zh`, `nadia_en_zh`, `opal_en_zh`, `pearl_en_zh`, `quentin_en_zh`, `vienna_mixed_en_zh`, `alina_mixed_en_zh`, `corinne_mixed_en_zh`, `esther_mixed_en_zh`, `freya_mixed_en_zh`, `gigi_mixed_en_zh`, `holly_mixed_en_zh`, `lyla_mixed_en_zh`, `daisy_mixed_en_zh`, `tracy_es_zh`, `jess_ja_es_id_pt_en_zh`, `pinky_es_ko_mixed_en_zh`, `sweety_ja_es`, `sandy_es_mixed_en_zh`, `sven_de`, `minimi_ja`, `usseau_fr`, `felipe_es`, `han_id`, `martins_pt`, `enzo_it`, `shane_ko`, `bonnie_zh`, `felix_zh`, `celeste_zh`, `monkey_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_format` |  | enum (string) | no | `mp3` | `mp3`, `opus` | Κωδικοποίηση ήχου εξόδου: το 'mp3' παράγει MP3, ενώ το 'opus' παράγει Opus σε κοντέινερ Ogg. |
| `sample_rate` |  | enum (integer) | no | `24000` | `8000`, `16000`, `22050`, `24000`, `32000`, `44100`, `48000` | Συχνότητα δειγματοληψίας σε Hz για τον ήχο εξόδου. |
| `speed` |  | number | no | `1` | 0.5 – 2 | Πολλαπλασιαστής ρυθμού ομιλίας: το 1.0 δίνει κανονική ταχύτητα, το 0.5 τη μισή και το 2.0 τη διπλάσια. |
| `volume` |  | number | no | `1` | 0.5 – 2 | Πολλαπλασιαστής έντασης: το 1.0 δίνει κανονική ένταση, το 0.5 τη μισή και το 2.0 τη διπλάσια. |
| `pitch` |  | integer | no | `0` | -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. |
| `language` |  | enum (string) \| null | no |  | `zh`, `en`, `ja`, `es-mx`, `id`, `pt-br`, `ko`, `it`, `de`, `fr` | 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_instruction` |  | string \| null | no |  |  | 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. |

## Example input

Required parameters only:

```json
{
  "text": "Hello from Doitong. This is a short test sentence."
}
```

A fuller example:

```json
{
  "text": "Hello from Doitong. This is a short test sentence."
}
```

## Run it

Set `DOITONG_API_KEY` to a key from https://doitong.com/developers/dashboard#keys. `?wait=20` returns the finished request in the same call when it is ready within 20 seconds; otherwise poll `GET /requests/{id}` (it also accepts `?wait=`), or pass `webhook_url`.

### curl

```bash
# 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"
```

### JavaScript

```javascript
const API = "https://api.doitong.ru/v1";
const headers = {
  "Authorization": "Bearer " + process.env.DOITONG_API_KEY,
  "Content-Type": "application/json",
};

// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/bytedance/seed-speech/tts/v2?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "text": "Hello from Doitong. This is a short test sentence."
  }),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);

// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
  res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
  request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");
```

### Python

```python
import os
import requests

API = "https://api.doitong.ru/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "text": "Hello from Doitong. This is a short test sentence.",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/bytedance/seed-speech/tts/v2", params={"wait": 20}, json=payload, headers=headers)
request = r.json()
if not r.ok:
    raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"])

# Not finished yet: long-poll until it is
while request["status"] in ("queued", "running"):
    request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json()
if request["status"] != "succeeded":
    raise RuntimeError(request["error"])
print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"])
```

### MCP

The MCP server at `https://api.doitong.ru/v1/mcp` exposes the tools `search_models`, `get_model`, `quote`, `run`, `get_request`, `cancel_request`, `list_requests`, `create_upload` and `get_account`. A `run` call for this model:

```json
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "bytedance/seed-speech/tts/v2",
      "input": {
        "text": "Hello from Doitong. This is a short test sentence."
      },
      "wait_seconds": 20
    }
  }
}
```

## Response

Every call returns a request object. `status` is one of `queued`, `running`, `succeeded`, `failed`, `canceled`. `outputs` lists the generated files with URLs on our storage (kept forever, or 7 days with `?storage=temporary`; `storage` says which); `output` is the model's own result object with the same URLs.

```json
{
  "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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `audio` | object {url, content_type, file_name, file_size} | Αρχείο ήχου που παράγεται από την παραγωγή. |

## Related models

- [Eleven v4 Text to Speech](https://doitong.com/developers/models/elevenlabs/tts/eleven-v4.md) (`elevenlabs/tts/eleven-v4`): $0.08 / 1000 characters
- [MiniMax Speech 2.8 HD](https://doitong.com/developers/models/minimax/speech-2.8-hd.md) (`minimax/speech-2.8-hd`): $0.10 / 1000 characters
- [Async Text to Speech Pro V1.0](https://doitong.com/developers/models/async/tts-pro/v1.0.md) (`async/tts-pro/v1.0`): $0.01 / 1000 characters
- [Chatterbox · Speech to Speech](https://doitong.com/developers/models/chatterbox/speech-to-speech.md) (`chatterbox/speech-to-speech`): $0.015 / minute of input audio
- [Chatterbox · Text to Speech](https://doitong.com/developers/models/chatterbox/text-to-speech.md) (`chatterbox/text-to-speech`): $0.025 / 1000 characters
- [Chatterbox · Text to Speech · Multilingual](https://doitong.com/developers/models/chatterbox/text-to-speech/multilingual.md) (`chatterbox/text-to-speech/multilingual`): $0.025 / 1000 characters
- [Chatterboxhd · Speech to Speech](https://doitong.com/developers/models/resemble-ai/chatterboxhd/speech-to-speech.md) (`resemble-ai/chatterboxhd/speech-to-speech`): $0.02 / minute of input audio
- [Chatterboxhd · Text to Speech](https://doitong.com/developers/models/resemble-ai/chatterboxhd/text-to-speech.md) (`resemble-ai/chatterboxhd/text-to-speech`): $0.0108 / run

## Links

- HTML page: https://doitong.com/developers/models/bytedance/seed-speech/tts/v2
- All models and guides for AI agents: https://doitong.com/developers/llms.txt
- OpenAPI 3.1 with this model's typed request body: https://doitong.com/developers/openapi.json?model=bytedance/seed-speech/tts/v2
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.ru/v1/models/bytedance/seed-speech/tts/v2