Lumaktaw sa nilalaman

Seed Audio 1.0

I-integrate

ID ng modelo bytedance/seed-audio-1.0
# 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-audio-1.0?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# 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"

Hanggang $0.154 bawat pagtakbo sinisingil ayon sa aktuwal na paggamit, at nire-refund ang natitira Patakbuhin ito sa page na ito

Kumuha ng API key
ByteDance audio

Speech at audio generator na pinapagana ng teksto, na may hanggang 3 reference audio clip o isang larawan, kasama ang control sa pitch at speed

ByteDance · audio

Dito mapupunta ang iyong unang resulta

Bumuo ng kahilingan sa ibaba at patakbuhin ito gamit ang iyong API key. Kinokopya ang mga output sa aming storage, na pinananatili nang walang hanggan o 7 araw nang libre.

Bumuo ng kahilingan

Ang mga control ay binubuo mula sa schema ng modelo. Nagbabago ang code at presyo habang ina-adjust mo ang mga ito.

•kinakailangan 88 / 2048

Synthesis prompt o text, na may nakaayos na audio reference na ipinapahayag bilang @Audio1 para sa unang input, @Audio2 para sa ikalawa, at @Audio3 para sa ikatlo.

default na 1

Multiplier ng speech rate: ang 1.0 ay normal na bilis, ang 0.5 ay kalahating bilis, at ang 2.0 ay dobleng bilis.

advanced audios · image · output_format · sample_rate · voice · volume · pitch · multilingual · enable_safety_checker
audio_urls
Mag-drop ng file, o · hanggang 3

Magbigay ng reference audio sa pamamagitan ng hanggang 3 URL, na ang bawat file ay nasa wav/mp3/pcm/ogg_opus format at limitado sa 10 MB at 30 segundo. Sa prompt, tukuyin ang mga clip gamit ang @Audio1, @Audio2, @Audio3.

image_url
Mag-drop ng file, o

Magbigay ng isang larawan reference sa pamamagitan lamang ng URL kapag walang ibinigay na audio reference. Dapat ay jpeg/png/webp ang larawan at hindi lalampas sa 10 MB.

output_format default na mp3

Format ng nabuong audio.

sample_rate default na 24000

Sampling frequency sa Hz para sa output audio.

Pumili ng synthesis voice sa pamamagitan ng preset name nito o, para sa cloned voice, sa ID nito.

default na 1

Multiplier ng volume: ang 1.0 ay normal na volume, ang 0.5 ay kalahating volume, at ang 2.0 ay dobleng volume.

default na 0

Pagsasaayos ng pitch ng voice, sinusukat sa semitone: hindi binabago ng 0 ang pitch, ibinababa ito ng isang octave ng -12, at itinataas ito ng isang octave ng 12.

POST /run/bytedance/seed-audio-1.0?wait=20 presyo → $0.154
# 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-audio-1.0?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# 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"

Patakbuhin ang kahilingang ito

Nananatili ang iyong key sa browser na ito: ipinapadala lamang ito sa Doitong API at sine-save (localStorage) lamang kung pipiliin mo ang Tandaan. Kumuha ng API key

Tungkol sa Seed Audio 1.0

Nagsi-synthesize ng audio mula sa prompt na hanggang 2048 character. Maaaring pumili ng preset o cloned na `voice`, at hanggang 3 reference clip ang maaaring tukuyin sa prompt bilang @Audio1 hanggang @Audio3; maaari ring gumamit ng isang reference na larawan, ngunit hindi kasabay ng audio. Ang output ay wav, mp3, pcm o ogg_opus sa sample rate mula 8000 hanggang 48000 Hz. Ang speed at volume ay mula 0.5 hanggang 2, ang pitch shift ay -12 hanggang 12 semitone, at inililipat ng `multilingual` sa variant para sa mixed-language teksto.

Mga parameter

Ipadala ang canonical na pangalan o ang native na pangalan, hindi pareho. Mga canonical na pangalan

PangalanUri defaultPinapayagan Paglalarawan
promptkinakailangan
Uristring
≤ 2,048 character
Synthesis prompt o text, na may nakaayos na audio reference na ipinapahayag bilang @Audio1 para sa unang input, @Audio2 para sa ikalawa, at @Audio3 para sa ikatlo.
voiceopsyonal
Uristring | null
Pumili ng synthesis voice sa pamamagitan ng preset name nito o, para sa cloned voice, sa ID nito.
audio_urlsopsyonal audios
Uriurl[] · audio
≤ 3 item
Magbigay ng reference audio sa pamamagitan ng hanggang 3 URL, na ang bawat file ay nasa wav/mp3/pcm/ogg_opus format at limitado sa 10 MB at 30 segundo. Sa prompt, tukuyin ang mga clip gamit ang @Audio1, @Audio2, @Audio3.
image_urlopsyonal image
Uriurl · image
Magbigay ng isang larawan reference sa pamamagitan lamang ng URL kapag walang ibinigay na audio reference. Dapat ay jpeg/png/webp ang larawan at hindi lalampas sa 10 MB.
output_formatopsyonal
Urienum
defaultmp3
wavmp3pcmogg_opus
Format ng nabuong audio.
sample_rateopsyonal
Urienum
default24000
80001600024000320004410048000
Sampling frequency sa Hz para sa output audio.
speedopsyonal
Urinumber
default1
0.5 – 2
Multiplier ng speech rate: ang 1.0 ay normal na bilis, ang 0.5 ay kalahating bilis, at ang 2.0 ay dobleng bilis.
volumeopsyonal
Urinumber
default1
0.5 – 2
Multiplier ng volume: ang 1.0 ay normal na volume, ang 0.5 ay kalahating volume, at ang 2.0 ay dobleng volume.
pitchopsyonal
Uriinteger
default0
-12 – 12
Pagsasaayos ng pitch ng voice, sinusukat sa semitone: hindi binabago ng 0 ang pitch, ibinababa ito ng isang octave ng -12, at itinataas ito ng isang octave ng 12.
multilingualopsyonal
Uriboolean
defaultfalse
Pagpili ng modelo variant: pinapahusay ng multilingual variant ang paghawak kapag naghahalo ng mga wika ang mga prompt o gumagamit ng wikang iba sa English.
enable_safety_checkeropsyonal
Uriboolean
defaulttrue
Maaaring luwagan ang screening sa pamamagitan ng pagtatakda ng false, kung awtorisado ang tumatawag.
kinakailangan Canonical na pangalan, tinatanggap din

Tumatanggap ang mga parameter ng file ng pampublikong https:// URL, data: URI na hanggang 10 MB, o file_url ng isang upload. Mga file

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "bytedance/seed-audio-1.0",
  "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": 154,
    "usd": "0.154",
    "charged": 154,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  },
  "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,
      "duration": 5,
      "channels": 1,
      "sample_rate": 1,
      "bitrate": "string"
    }
  },
  "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"
  }
}
Ikaw ang pumipili para sa iyong mga fileAng bawat outputs[].url ay kopya sa aming storage: pinananatili nang walang hanggan (sinisingil bawat GB-month) o 7 araw nang libre, ayon sa setting ng iyong account o ?storage=.
Parehong shape sa bawat modelotype, url, content_type, width, height at duration, para sa mga larawan, video at audio. Ang output ay sariling result object ng modelo.
Mga field ng output
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Audio file na ginawa sa pagbuo.

Para sa mga AI agent: nasa Markdown ang pahinang ito sa https://doitong.com/fil/developers/models/bytedance/seed-audio-1.0.md. Lahat ng modelo at gabay: https://doitong.com/developers/llms.txt