Lumaktaw sa nilalaman

Bytedance Seed Speech Text to Speech

I-integrate

ID ng modelo 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"

Kahilingang ito: $0.002 2 kredito ng API · ≈ ₽0.22 Patakbuhin ito sa page na ito

Kumuha ng API key
ByteDance Text patungong Speech Lipsync #stylized#transform

Text-to-speech na may maraming preset voice, control sa bilis, pitch at volume, at mga instruction sa istilo ng pagsasalita

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 50 / 5000

Text na iko-convert sa synthesized speech.

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

Opsyonal na natural-language instruction para sa delivery, gaya ng 'Speak in a cheerful tone' o 'Could you speak a bit slower?'. Maaari nitong gabayan ang tono, emosyon, volume, at bilis.

output_format default na mp3

Encoding ng audio output: ang 'mp3' ay lumilikha ng MP3, habang ang 'opus' ay lumilikha ng Opus na naka-package sa Ogg container.

sample_rate default na 24000

Sampling frequency sa Hz para sa output audio.

default na stokie_en

Preset ng synthesis voice, na tinutukoy ng pangalan na naglalaman din ng mga supported language code. Maaaring magkahiwalay ang language support, gaya ng 'en_zh', o magbigay-daan sa tuloy-tuloy na paghahalo ng English–Chinese, na ipinapahiwatig ng 'mixed_en_zh'.

Override sa wika ng pagbasa: kapag hindi ibinigay, awtomatiko ang detection at maaaring tuloy-tuloy na maghalo ng Chinese at English ang bilingual voices; kapag ibinigay, hindi pinapagana ang detection at nililimitahan ang pagbasa sa isang wika. Pumili ng Chinese gamit ang zh, English gamit ang en, Japanese gamit ang ja, Mexican Spanish gamit ang es-mx, Indonesian gamit ang id, Brazilian Portuguese gamit ang pt-br, Korean gamit ang ko, Italian gamit ang it, German gamit ang de, o French gamit ang fr.

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.

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-speech/tts/v2?wait=20 presyo → $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"

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 Bytedance Seed Speech Text to Speech

Kino-convert ang hanggang 5000 character ng `text` sa audio. Pumili ng `voice`, at optional na pilitin ang isang `language` o panatilihing naka-on ang auto-detection. Saklaw ng `speed` at `volume` ang 0.5 hanggang 2, ang `pitch` ay nagshi-shift mula -12 hanggang 12 semitone, at ginagabayan ng `voice_instruction` ang paraan ng pagbigkas. Ang output ay mp3 o opus sa sample rate mula 8000 hanggang 48000 Hz.

Mga parameter

PangalanUri defaultPinapayagan Paglalarawan
textkinakailangan
Uristring
≤ 5,000 character
Text na iko-convert sa synthesized speech.
voiceopsyonal
Urienum
defaultstokie_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 paalina_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
Preset ng synthesis voice, na tinutukoy ng pangalan na naglalaman din ng mga supported language code. Maaaring magkahiwalay ang language support, gaya ng 'en_zh', o magbigay-daan sa tuloy-tuloy na paghahalo ng English–Chinese, na ipinapahiwatig ng 'mixed_en_zh'.
output_formatopsyonal
Urienum
defaultmp3
mp3opus
Encoding ng audio output: ang 'mp3' ay lumilikha ng MP3, habang ang 'opus' ay lumilikha ng Opus na naka-package sa Ogg container.
sample_rateopsyonal
Urienum
default24000
8000160002205024000320004410048000
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.
languageopsyonal
Urienum
zhenjaes-mxidpt-brkoitdefr
Override sa wika ng pagbasa: kapag hindi ibinigay, awtomatiko ang detection at maaaring tuloy-tuloy na maghalo ng Chinese at English ang bilingual voices; kapag ibinigay, hindi pinapagana ang detection at nililimitahan ang pagbasa sa isang wika. Pumili ng Chinese gamit ang zh, English gamit ang en, Japanese gamit ang ja, Mexican Spanish gamit ang es-mx, Indonesian gamit ang id, Brazilian Portuguese gamit ang pt-br, Korean gamit ang ko, Italian gamit ang it, German gamit ang de, o French gamit ang fr.
voice_instructionopsyonal
Uristring | null
Opsyonal na natural-language instruction para sa delivery, gaya ng 'Speak in a cheerful tone' o 'Could you speak a bit slower?'. Maaari nitong gabayan ang tono, emosyon, volume, at bilis.
kinakailangan

Output

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"
  }
}
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}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-speech/tts/v2.md. Lahat ng modelo at gabay: https://doitong.com/developers/llms.txt