Siirry sisältöön

Bytedance Seed Speech Text to Speech

Integroi

Mallin tunniste 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"

Tämä pyyntö: 0,002 $ 2 API-krediittiä · ≈ 0,22 ₽ Suorita tällä sivulla

Hanki API-avain
ByteDance Tekstistä puheeksi Huulisynkronointi #stylized#transform#lipsync

Tekstistä puheeksi -malli, jossa on useita esiasetettuja ääniä sekä nopeuden, sävelkorkeuden, voimakkuuden ja puhetyylin säätimet

ByteDance · Ääni

Ensimmäinen tuloksesi tulee tähän

Muodosta pyyntö alla ja suorita se API-avaimellasi. Tulosteet kopioidaan tallennustilaamme, jossa ne säilytetään ikuisesti tai 7 päivää ilmaiseksi.

Muodosta pyyntö

Säätimet luodaan mallin skeemasta. Koodi ja hinta päivittyvät, kun muutat arvoja.

•pakollinen 50 / 5000

Syntetisoitavaksi puheeksi muunnettava teksti.

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

Valinnainen luonnollisen kielen esitysohje, kuten 'Speak in a cheerful tone' tai 'Could you speak a bit slower?'. Se voi ohjata sävyä, tunnetta, äänenvoimakkuutta ja tahtia.

output_format oletus mp3

Äänen tulostekoodaus: 'mp3' tuottaa MP3:n, kun taas 'opus' tuottaa Ogg-säilöön pakatun Opuksen.

sample_rate oletus 24000

Tulosteäänen näytteenottotaajuus hertseinä.

oletus stokie_en

Syntetisointiäänen esiasetus, joka tunnistetaan nimellä, joka sisältää myös tuettujen kielten koodit. Kielituki voi olla erillinen, kuten muodossa 'en_zh', tai mahdollistaa saumattoman englannin ja kiinan sekoittamisen, minkä ilmaisee 'mixed_en_zh'.

Lukukielen ohitus: jos arvo jätetään pois, tunnistus tehdään automaattisesti ja kaksikieliset äänet voivat yhdistää kiinan ja englannin saumattomasti; jos arvo annetaan, tunnistus poistetaan käytöstä ja lukeminen rajoitetaan yhteen kieleen. Valitse kiina arvolla zh, englanti arvolla en, japani arvolla ja, meksikonespanja arvolla es-mx, indonesia arvolla id, brasilianportugali arvolla pt-br, korea arvolla ko, italia arvolla it, saksa arvolla de tai ranska arvolla fr.

oletus 1

Puhenopeuden kerroin: 1.0 on normaali nopeus, 0.5 puolikas nopeus ja 2.0 kaksinkertainen nopeus.

oletus 1

Äänenvoimakkuuden kerroin: 1.0 on normaali voimakkuus, 0.5 puolikas voimakkuus ja 2.0 kaksinkertainen voimakkuus.

oletus 0

Äänen korkeuden säätö puolisävelaskelina: 0 jättää korkeuden ennalleen, -12 siirtää sitä oktaavin alaspäin ja 12 oktaavin ylöspäin.

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

Suorita tämä pyyntö

Avaimesi säilyy tässä selaimessa: se lähetetään vain Doitong APIlle ja tallennetaan localStorageen vain, jos valitset Muista. Hanki API-avain

Tietoja: Bytedance Seed Speech Text to Speech

Muuttaa enintään 5000 merkkiä sisältävän `text`-tekstin ääneksi. Valitse `voice` ja pakota halutessasi `language` tai käytä automaattista tunnistusta. `speed` ja `volume` ovat välillä 0.5–2, `pitch` siirtää sävelkorkeutta -12–12 puolisävelaskelta, ja `voice_instruction` ohjaa ilmaisutapaa. Tuloste on mp3 tai opus näytteenottotaajuuksilla 8000–48000 Hz.

Parametrit

NimiTyyppi OletusSallitut Kuvaus
textpakollinen
Tyyppistring
≤ 5 000 merkkiä
Syntetisoitavaksi puheeksi muunnettava teksti.
voicevalinnainen
Tyyppienum
Oletusstokie_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 lisääalina_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
Syntetisointiäänen esiasetus, joka tunnistetaan nimellä, joka sisältää myös tuettujen kielten koodit. Kielituki voi olla erillinen, kuten muodossa 'en_zh', tai mahdollistaa saumattoman englannin ja kiinan sekoittamisen, minkä ilmaisee 'mixed_en_zh'.
output_formatvalinnainen
Tyyppienum
Oletusmp3
mp3opus
Äänen tulostekoodaus: 'mp3' tuottaa MP3:n, kun taas 'opus' tuottaa Ogg-säilöön pakatun Opuksen.
sample_ratevalinnainen
Tyyppienum
Oletus24000
8000160002205024000320004410048000
Tulosteäänen näytteenottotaajuus hertseinä.
speedvalinnainen
Tyyppinumber
Oletus1
0,5 – 2
Puhenopeuden kerroin: 1.0 on normaali nopeus, 0.5 puolikas nopeus ja 2.0 kaksinkertainen nopeus.
volumevalinnainen
Tyyppinumber
Oletus1
0,5 – 2
Äänenvoimakkuuden kerroin: 1.0 on normaali voimakkuus, 0.5 puolikas voimakkuus ja 2.0 kaksinkertainen voimakkuus.
pitchvalinnainen
Tyyppiinteger
Oletus0
−12 – 12
Äänen korkeuden säätö puolisävelaskelina: 0 jättää korkeuden ennalleen, -12 siirtää sitä oktaavin alaspäin ja 12 oktaavin ylöspäin.
languagevalinnainen
Tyyppienum
zhenjaes-mxidpt-brkoitdefr
Lukukielen ohitus: jos arvo jätetään pois, tunnistus tehdään automaattisesti ja kaksikieliset äänet voivat yhdistää kiinan ja englannin saumattomasti; jos arvo annetaan, tunnistus poistetaan käytöstä ja lukeminen rajoitetaan yhteen kieleen. Valitse kiina arvolla zh, englanti arvolla en, japani arvolla ja, meksikonespanja arvolla es-mx, indonesia arvolla id, brasilianportugali arvolla pt-br, korea arvolla ko, italia arvolla it, saksa arvolla de tai ranska arvolla fr.
voice_instructionvalinnainen
Tyyppistring | null
Valinnainen luonnollisen kielen esitysohje, kuten 'Speak in a cheerful tone' tai 'Could you speak a bit slower?'. Se voi ohjata sävyä, tunnetta, äänenvoimakkuutta ja tahtia.
pakollinen

Tulos

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"
  }
}
Tiedostosi, valintasiJokainen outputs[].url on kopio tallennustilassamme: säilytetään ikuisesti (maksetaan gigatavu-kuukauden mukaan) tai 7 päivää ilmaiseksi tiliasetuksesi tai ?storage= perusteella.
Sama rakenne kaikissa malleissatype, url, content_type, width, height ja duration kuville, videolle ja äänelle. output on mallin oma tulosobjekti.
Tuloksen kentät
audio
object {url, content_type, file_name, file_size}Generoinnissa tuotettu äänitiedosto.

Tekoälyagenteille: tämän sivun Markdown-muoto on osoitteessa https://doitong.com/fi/developers/models/bytedance/seed-speech/tts/v2.md. Kaikki mallit ja oppaat: https://doitong.com/developers/llms.txt