Léim chuig an ábhar

Bytedance Seed Speech Text to Speech

Comhtháthú

Aitheantas na samhla 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"

An t-iarratas seo: $0.002 2 chreidmheas API · ≈ ₽0.22 Rith ar an leathanach seo

Faigh eochair API
ByteDance Téacs go Urlabhra Sioncronú liopaí #stylized#transform#lipsync

Téacs-go-caint le go leor guthanna réamhshocraithe, rialú luais, tuine agus toirte, agus treoracha stíle labhartha

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 50 / 5000

Téacs le tiontú ina chaint shintéisithe.

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

Treoir roghnach seachadta i dteanga nádúrtha, amhail 'Speak in a cheerful tone' nó 'Could you speak a bit slower?'. Is féidir léi ton, mothúchán, toirt agus luas a threorú.

output_format réamhshocrú mp3

Ionchódú fuaime aschuir: gineann 'mp3' MP3, agus gineann 'opus' Opus pacáistithe i gcoimeádán Ogg.

sample_rate réamhshocrú 24000

Minicíocht samplála in Hz don fhuaim aschuir.

réamhshocrú stokie_en

Réamhshocrú gutha sintéise, sainaitheanta le hainm a chuimsíonn cóid teanga thacaithe freisin. D’fhéadfadh tacaíocht teanga a bheith neamhspleách, mar atá le 'en_zh', nó cumasc gan uaim idir Béarla agus Sínis a cheadú, mar atá léirithe le 'mixed_en_zh'.

Sárú teanga léitheoireachta: nuair a fhágtar ar lár é, bíonn an bhrath uathoibríoch agus is féidir le guthanna dátheangacha Sínis agus Béarla a chumasc gan uaim; nuair a sholáthraítear é, díchumasaítear an bhrath agus teorannaítear an léitheoireacht do theanga amháin. Roghnaigh Sínis le zh, Béarla le en, Seapáinis le ja, Spáinnis Mheicsiceo le es-mx, Indinéisis le id, Portaingéilis Bhrasaíleach le pt-br, Cóiréis le ko, Iodáilis le it, Gearmáinis le de, nó Fraincis le fr.

réamhshocrú 1

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

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-speech/tts/v2?wait=20 luachan → $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"

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 Bytedance Seed Speech Text to Speech

Tiontaíonn sé suas le 5000 gcarachtar de `text` ina fhuaim. Roghnaigh `voice`, agus más gá cuir `language` i bhfeidhm nó fág braite uathoibríoch air. Ritheann `speed` agus `volume` ó 0.5 go 2, aistríonn `pitch` ó -12 go 12 semitones, agus treoraíonn `voice_instruction` an seachadadh. Is é an t-aschur mp3 nó opus ag rátaí samplála ó 8000 go 48000 Hz.

Paraiméadair

AinmCineál RéamhshocrúCeadaithe Cur síos
textriachtanach
Cineálstring
≤ 5,000 gcarachtar
Téacs le tiontú ina chaint shintéisithe.
voiceroghnach
Cineálenum
Réamhshocrústokie_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 eilealina_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
Réamhshocrú gutha sintéise, sainaitheanta le hainm a chuimsíonn cóid teanga thacaithe freisin. D’fhéadfadh tacaíocht teanga a bheith neamhspleách, mar atá le 'en_zh', nó cumasc gan uaim idir Béarla agus Sínis a cheadú, mar atá léirithe le 'mixed_en_zh'.
output_formatroghnach
Cineálenum
Réamhshocrúmp3
mp3opus
Ionchódú fuaime aschuir: gineann 'mp3' MP3, agus gineann 'opus' Opus pacáistithe i gcoimeádán Ogg.
sample_rateroghnach
Cineálenum
Réamhshocrú24000
8000160002205024000320004410048000
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.
languageroghnach
Cineálenum
zhenjaes-mxidpt-brkoitdefr
Sárú teanga léitheoireachta: nuair a fhágtar ar lár é, bíonn an bhrath uathoibríoch agus is féidir le guthanna dátheangacha Sínis agus Béarla a chumasc gan uaim; nuair a sholáthraítear é, díchumasaítear an bhrath agus teorannaítear an léitheoireacht do theanga amháin. Roghnaigh Sínis le zh, Béarla le en, Seapáinis le ja, Spáinnis Mheicsiceo le es-mx, Indinéisis le id, Portaingéilis Bhrasaíleach le pt-br, Cóiréis le ko, Iodáilis le it, Gearmáinis le de, nó Fraincis le fr.
voice_instructionroghnach
Cineálstring | null
Treoir roghnach seachadta i dteanga nádúrtha, amhail 'Speak in a cheerful tone' nó 'Could you speak a bit slower?'. Is féidir léi ton, mothúchán, toirt agus luas a threorú.
riachtanach

Aschur

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"
  }
}
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}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-speech/tts/v2.md. Gach samhail agus treoir: https://doitong.com/developers/llms.txt