Léim chuig an ábhar

Seed Audio 1.0

Comhtháthú

Aitheantas na samhla 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"

Suas le $0.154 in aghaidh an rith gearrtar táille de réir na húsáide iarbhír, aisíoctar an fuílleach Rith ar an leathanach seo

Faigh eochair API
ByteDance Fuaim

Gineadóir cainte agus fuaime faoi stiúir téacs, le suas le 3 ghearrthóg fuaime tagartha nó íomhá amháin, agus rialuithe tuin agus luais

ByteDance · Fuaim

Beidh do chéad toradh anseo

Tóg iarratas thíos agus rith é le d’eochair API. Cóipeáiltear na haschuir chuig ár stóráil, coinnithe go deo nó ar feadh 7 lá saor in aisce.

Tóg iarratas

Gintear na rialtáin ó scéim na samhla. Nuashonraítear an cód agus an praghas de réir mar a athraíonn tú iad.

•riachtanach 88 / 2048

Leid sintéise nó téacs, le tagairtí fuaime ordaithe sainráite mar @Audio1 don chéad ionchur, @Audio2 don dara ceann agus @Audio3 don tríú ceann.

réamhshocrú 1

Iolraitheoir ráta cainte: tugann 1.0 gnáthluas, tugann 0.5 leathluas agus tugann 2.0 dhá oiread an luais.

Ardleibhéal audios · image · output_format · sample_rate · voice · volume · pitch · multilingual · enable_safety_checker
audio_urls
Scaoil comhad, nó · suas le 3

Soláthair fuaim thagartha trí 3 URL ar a mhéad, le gach comhad i bhformáid wav/mp3/pcm/ogg_opus agus teoranta do 10 MB agus 30 soicind. Sa leid, sainaithin na gearrthóga le @Audio1, @Audio2, @Audio3.

image_url
Scaoil comhad, nó

Soláthair tagairt íomhá amháin trí URL nuair nach soláthraítear aon tagairt fuaime. Caithfidh an íomhá a bheith jpeg/png/webp agus gan a bheith níos mó ná 10 MB.

output_format réamhshocrú mp3

Formáid don fhuaim ghinte.

sample_rate réamhshocrú 24000

Minicíocht samplála in Hz don fhuaim aschuir.

Roghnaigh guth sintéise trína ainm réamhshocraithe nó, i gcás gutha chlónáilte, trína aitheantas.

réamhshocrú 1

Iolraitheoir toirte: tugann 1.0 gnáthtoirt, tugann 0.5 leath an toirte agus tugann 2.0 dhá oiread an toirte.

réamhshocrú 0

Coigeartú tuinairde an ghutha, tomhaiste i leath-thoin: fágann 0 an tuinairde gan athrú, íslíonn -12 ochtaibh agus ardaíonn 12 ochtaibh í.

POST /run/bytedance/seed-audio-1.0?wait=20 luachan → $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"

Rith an t-iarratas seo

Fanann d'eochair sa bhrabhsálaí seo: seoltar chuig Doitong API amháin í agus sábháiltear (localStorage) í ach amháin má chuireann tú tic le Meabhraigh. Faigh eochair API

Maidir le Seed Audio 1.0

Sintéisíonn sé fuaim ó leide suas le 2048 carachtar. Is féidir `voice` réamhshocraithe nó clónáilte a roghnú, agus suas le 3 ghearrthóg tagartha a lua sa leid mar @Audio1 go @Audio3; oibríonn íomhá thagartha amháin ina n-ionad, ach ní in éineacht le fuaim. Is féidir wav, mp3, pcm nó ogg_opus a bheith san aschur ag rátaí samplála ó 8000 go 48000 Hz. Tá raon 0.5 go 2 ag luas agus toirt, aistríonn tuin ó -12 go 12 leath-thuin, agus athraíonn `multilingual` go leagan do théacs ilteangach.

Paraiméadair

Seol an t-ainm canónach nó an t-ainm dúchasach, ní an dá cheann. Ainmneacha canónacha

AinmCineál RéamhshocrúCeadaithe Cur síos
promptriachtanach
Cineálstring
≤ 2,048 gcarachtar
Leid sintéise nó téacs, le tagairtí fuaime ordaithe sainráite mar @Audio1 don chéad ionchur, @Audio2 don dara ceann agus @Audio3 don tríú ceann.
voiceroghnach
Cineálstring | null
Roghnaigh guth sintéise trína ainm réamhshocraithe nó, i gcás gutha chlónáilte, trína aitheantas.
audio_urlsroghnach audios
Cineálurl[] · audio
≤ 3 mhír
Soláthair fuaim thagartha trí 3 URL ar a mhéad, le gach comhad i bhformáid wav/mp3/pcm/ogg_opus agus teoranta do 10 MB agus 30 soicind. Sa leid, sainaithin na gearrthóga le @Audio1, @Audio2, @Audio3.
image_urlroghnach image
Cineálurl · image
Soláthair tagairt íomhá amháin trí URL nuair nach soláthraítear aon tagairt fuaime. Caithfidh an íomhá a bheith jpeg/png/webp agus gan a bheith níos mó ná 10 MB.
output_formatroghnach
Cineálenum
Réamhshocrúmp3
wavmp3pcmogg_opus
Formáid don fhuaim ghinte.
sample_rateroghnach
Cineálenum
Réamhshocrú24000
80001600024000320004410048000
Minicíocht samplála in Hz don fhuaim aschuir.
speedroghnach
Cineálnumber
Réamhshocrú1
0.5 – 2
Iolraitheoir ráta cainte: tugann 1.0 gnáthluas, tugann 0.5 leathluas agus tugann 2.0 dhá oiread an luais.
volumeroghnach
Cineálnumber
Réamhshocrú1
0.5 – 2
Iolraitheoir toirte: tugann 1.0 gnáthtoirt, tugann 0.5 leath an toirte agus tugann 2.0 dhá oiread an toirte.
pitchroghnach
Cineálinteger
Réamhshocrú0
-12 – 12
Coigeartú tuinairde an ghutha, tomhaiste i leath-thoin: fágann 0 an tuinairde gan athrú, íslíonn -12 ochtaibh agus ardaíonn 12 ochtaibh í.
multilingualroghnach
Cineálboolean
Réamhshocrúfalse
Roghnú leagain na samhla: feabhsaíonn cumasú an leagain ilteangaigh láimhseáil nuair a mheascann leideanna teangacha nó nuair a úsáideann siad teanga seachas Béarla.
enable_safety_checkerroghnach
Cineálboolean
Réamhshocrútrue
Is féidir an scagadh a mhaolú trí false a shocrú, ar choinníoll go bhfuil údarú ag an nglaoiteoir.
riachtanach Ainm canónach, glactar leis freisin

Glacann paraiméadair chomhaid le URL poiblí https://, URI data: suas le 10 MB, nó file_url uaslódála. Comhaid

Aschur

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"
  }
}
Do chuid comhad, do roghaIs cóip ar ár stóráil é gach outputs[].url: coinnithe go deo (íoctha in aghaidh GB-mhí) nó ar feadh 7 lá saor in aisce, de réir shocrú do chuntais nó ?storage=.
An cruth céanna ar gach samhailtype, url, content_type, width, height agus duration, d'íomhánna, d'fhíseáin agus d'fhuaim araon. Is é output réad toraidh na samhla féin.
Réimsí aschuir
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Comhad fuaime a tháirgtear leis an nginiúint.

Do ghníomhairí AI: tá an leathanach seo mar Markdown ag https://doitong.com/ga/developers/models/bytedance/seed-audio-1.0.md. Gach samhail agus treoir: https://doitong.com/developers/llms.txt