Passer au contenu

Bytedance Seed Speech Text to Speech

Intégrer

Identifiant du modèle 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"

Cette requête: 0,002 $ 2 crédits API · ≈ 0,22 ₽ L’exécuter sur cette page

Obtenir une clé API
ByteDance Texte vers parole Synchronisation labiale #stylized#transform#lipsync

Synthèse vocale avec de nombreuses voix prédéfinies, contrôle de la vitesse, de la hauteur et du volume, et instructions de style oral

ByteDance · audio

Votre premier résultat apparaîtra ici

Construisez une requête ci-dessous et exécutez-la avec votre clé API. Les sorties sont copiées dans notre stockage, conservées indéfiniment ou 7 jours gratuitement.

Créer une requête

Les contrôles sont générés à partir du schéma du modèle. Le code et le prix se mettent à jour lorsque vous les modifiez.

•requis 50 / 5000

Texte à convertir en parole synthétisée.

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

Instruction facultative en langage naturel pour la diction, comme 'Speak in a cheerful tone' ou 'Could you speak a bit slower?'. Elle peut définir le ton, l’émotion, le volume et le rythme.

output_format par défaut mp3

Encodage de l’audio de sortie : 'mp3' produit du MP3, tandis que 'opus' produit de l’Opus dans un conteneur Ogg.

sample_rate par défaut 24000

Fréquence d’échantillonnage en Hz de l’audio de sortie.

par défaut stokie_en

Préréglage de voix de synthèse, identifié par un nom qui inclut également les codes des langues prises en charge. La prise en charge des langues peut être indépendante, comme avec 'en_zh', ou autoriser un mélange fluide de l’anglais et du chinois, indiqué par 'mixed_en_zh'.

Remplacement de la langue de lecture : lorsqu’il est omis, la détection est automatique et les voix bilingues peuvent mélanger le chinois et l’anglais de façon fluide ; lorsqu’il est fourni, il désactive la détection et limite la lecture à une seule langue. Choisissez le chinois avec zh, l’anglais avec en, le japonais avec ja, l’espagnol mexicain avec es-mx, l’indonésien avec id, le portugais brésilien avec pt-br, le coréen avec ko, l’italien avec it, l’allemand avec de ou le français avec fr.

par défaut 1

Multiplicateur de débit de parole : 1.0 donne une vitesse normale, 0.5 une vitesse deux fois plus lente et 2.0 une vitesse deux fois plus rapide.

par défaut 1

Multiplicateur de volume : 1.0 donne un volume normal, 0.5 un volume deux fois plus faible et 2.0 un volume deux fois plus élevé.

par défaut 0

Réglage de la hauteur de la voix, mesuré en demi-tons : 0 laisse la hauteur inchangée, -12 la baisse d’une octave et 12 l’augmente d’une octave.

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

Exécuter cette requête

Votre clé reste dans ce navigateur : elle est envoyée uniquement à la Doitong API et enregistrée dans localStorage uniquement si vous cochez Mémoriser. Obtenir une clé API

À propos de Bytedance Seed Speech Text to Speech

Convertit jusqu’à 5000 caractères de `text` en audio. Choisissez une `voice` et, éventuellement, imposez une `language` ou laissez la détection automatique activée. `speed` et `volume` vont de 0.5 à 2, `pitch` varie de -12 à 12 demi-tons, et `voice_instruction` guide l’interprétation. La sortie est au format mp3 ou opus, avec des fréquences d’échantillonnage de 8000 à 48000 Hz.

Paramètres

NomType Par défautAutorisé Description
textrequis
Typestring
≤ 5 000 caractères
Texte à convertir en parole synthétisée.
voicefacultatif
Typeenum
Par défautstokie_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 de plusalina_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
Préréglage de voix de synthèse, identifié par un nom qui inclut également les codes des langues prises en charge. La prise en charge des langues peut être indépendante, comme avec 'en_zh', ou autoriser un mélange fluide de l’anglais et du chinois, indiqué par 'mixed_en_zh'.
output_formatfacultatif
Typeenum
Par défautmp3
mp3opus
Encodage de l’audio de sortie : 'mp3' produit du MP3, tandis que 'opus' produit de l’Opus dans un conteneur Ogg.
sample_ratefacultatif
Typeenum
Par défaut24000
8000160002205024000320004410048000
Fréquence d’échantillonnage en Hz de l’audio de sortie.
speedfacultatif
Typenumber
Par défaut1
0,5 – 2
Multiplicateur de débit de parole : 1.0 donne une vitesse normale, 0.5 une vitesse deux fois plus lente et 2.0 une vitesse deux fois plus rapide.
volumefacultatif
Typenumber
Par défaut1
0,5 – 2
Multiplicateur de volume : 1.0 donne un volume normal, 0.5 un volume deux fois plus faible et 2.0 un volume deux fois plus élevé.
pitchfacultatif
Typeinteger
Par défaut0
-12 – 12
Réglage de la hauteur de la voix, mesuré en demi-tons : 0 laisse la hauteur inchangée, -12 la baisse d’une octave et 12 l’augmente d’une octave.
languagefacultatif
Typeenum
zhenjaes-mxidpt-brkoitdefr
Remplacement de la langue de lecture : lorsqu’il est omis, la détection est automatique et les voix bilingues peuvent mélanger le chinois et l’anglais de façon fluide ; lorsqu’il est fourni, il désactive la détection et limite la lecture à une seule langue. Choisissez le chinois avec zh, l’anglais avec en, le japonais avec ja, l’espagnol mexicain avec es-mx, l’indonésien avec id, le portugais brésilien avec pt-br, le coréen avec ko, l’italien avec it, l’allemand avec de ou le français avec fr.
voice_instructionfacultatif
Typestring | null
Instruction facultative en langage naturel pour la diction, comme 'Speak in a cheerful tone' ou 'Could you speak a bit slower?'. Elle peut définir le ton, l’émotion, le volume et le rythme.
requis

Sortie

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"
  }
}
Vos fichiers, votre choixChaque outputs[].url est une copie dans notre stockage : conservée indéfiniment (facturation au Go-mois) ou 7 jours gratuitement, selon le réglage de votre compte ou ?storage=.
Même structure pour chaque modèletype, url, content_type, width, height et duration, pour les images, vidéos et fichiers audio. output est le propre objet de résultat du modèle.
Champs de sortie
audio
object {url, content_type, file_name, file_size}Fichier audio produit par la génération.

Pour les agents IA : cette page au format Markdown est disponible à https://doitong.com/fr/developers/models/bytedance/seed-speech/tts/v2.md. Tous les modèles et guides : https://doitong.com/developers/llms.txt