सामग्री पर जाएँ

Seed Audio 1.0

इंटीग्रेट करें

मॉडल id 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"

प्रति रन अधिकतम $0.154 तक वास्तविक उपयोग के अनुसार शुल्क लिया जाता है, बाकी रिफंड किया जाता है इसे इस पेज पर चलाएँ

API कुंजी प्राप्त करें
ByteDance ऑडियो

टेक्स्ट से संचालित स्पीच और ऑडियो जनरेटर, जिसमें अधिकतम 3 संदर्भ ऑडियो क्लिप या एक इमेज, तथा पिच और गति नियंत्रण होते हैं

ByteDance · ऑडियो

आपका पहला परिणाम यहाँ आएगा

नीचे एक अनुरोध बनाएँ और उसे अपनी API कुंजी से चलाएँ। आउटपुट हमारे स्टोरेज में कॉपी किए जाते हैं और हमेशा के लिए या 7 दिन तक मुफ़्त में रखे जाते हैं।

अनुरोध बनाएँ

कंट्रोल मॉडल स्कीमा से जनरेट होते हैं। इन्हें बदलने पर कोड और कीमत अपडेट होती है।

•आवश्यक 88 / 2048

संश्लेषण प्रॉम्प्ट या टेक्स्ट, जिसमें क्रमित ऑडियो संदर्भों को पहले इनपुट के लिए @Audio1, दूसरे के लिए @Audio2 और तीसरे के लिए @Audio3 के रूप में व्यक्त किया गया हो।

डिफ़ॉल्ट 1

भाषण गति गुणक: 1.0 सामान्य गति, 0.5 आधी गति और 2.0 दोगुनी गति देता है।

उन्नत audios · image · output_format · sample_rate · voice · volume · pitch · multilingual · enable_safety_checker
audio_urls
फ़ाइल ड्रॉप करें, या · 3 तक

अधिकतम 3 URL के माध्यम से संदर्भ ऑडियो दें। प्रत्येक फ़ाइल wav/mp3/pcm/ogg_opus फ़ॉर्मैट में और 10 MB तथा 30 सेकंड तक सीमित होनी चाहिए। प्रॉम्प्ट में क्लिप की पहचान @Audio1, @Audio2, @Audio3 से करें।

image_url
फ़ाइल ड्रॉप करें, या

ऑडियो संदर्भ न दिए जाने पर ही केवल URL के माध्यम से एक इमेज संदर्भ दें। इमेज jpeg/png/webp होनी चाहिए और 10 MB से बड़ी नहीं होनी चाहिए।

output_format डिफ़ॉल्ट mp3

निर्मित ऑडियो का फ़ॉर्मैट।

sample_rate डिफ़ॉल्ट 24000

आउटपुट ऑडियो की Hz में सैंपलिंग फ़्रीक्वेंसी।

प्रीसेट नाम या क्लोन की गई आवाज़ के लिए उसकी ID देकर संश्लेषण आवाज़ चुनें।

डिफ़ॉल्ट 1

वॉल्यूम गुणक: 1.0 सामान्य वॉल्यूम, 0.5 आधा वॉल्यूम और 2.0 दोगुना वॉल्यूम देता है।

डिफ़ॉल्ट 0

आवाज़ का पिच समायोजन, सेमीटोन में मापा जाता है: 0 पिच को अपरिवर्तित रखता है, -12 इसे एक ऑक्टेव नीचे और 12 इसे एक ऑक्टेव ऊपर करता है।

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

यह अनुरोध चलाएँ

आपकी key इसी ब्राउज़र में रहती है: इसे केवल Doitong API को भेजा जाता है और केवल तभी (localStorage) में सेव किया जाता है जब आप Remember चुनते हैं। API कुंजी प्राप्त करें

Seed Audio 1.0 के बारे में

2048 कैरेक्टर्स तक के प्रॉम्प्ट से ऑडियो सिंथेसाइज करता है। एक प्रीसेट या क्लोन किया गया `voice` चुना जा सकता है, और प्रॉम्प्ट में @Audio1 से @Audio3 के रूप में 3 रेफरेंस क्लिप्स तक का उल्लेख किया जा सकता है; इसके बजाय एक सिंगल रेफरेंस इमेज काम करती है, लेकिन ऑडियो के साथ नहीं। आउटपुट 8000 से 48000 Hz के सैंपल रेट्स पर wav, mp3, pcm या ogg_opus होता है। स्पीड और वॉल्यूम की रेंज 0.5 से 2 है, पिच -12 से 12 सेमीटोन्स तक शिफ्ट होती है, और `multilingual` मिश्रित भाषा वाले टेक्स्ट के लिए एक वेरिएंट पर स्विच करता है।

पैरामीटर

कैनोनिकल नाम या नेटिव नाम में से कोई एक भेजें, दोनों नहीं। कैनोनिकल नाम

नामप्रकार डिफ़ॉल्टअनुमत विवरण
promptआवश्यक
प्रकारstring
≤ 2,048 अक्षर
संश्लेषण प्रॉम्प्ट या टेक्स्ट, जिसमें क्रमित ऑडियो संदर्भों को पहले इनपुट के लिए @Audio1, दूसरे के लिए @Audio2 और तीसरे के लिए @Audio3 के रूप में व्यक्त किया गया हो।
voiceवैकल्पिक
प्रकारstring | null
प्रीसेट नाम या क्लोन की गई आवाज़ के लिए उसकी ID देकर संश्लेषण आवाज़ चुनें।
audio_urlsवैकल्पिक audios
प्रकारurl[] · audio
≤ 3 आइटम
अधिकतम 3 URL के माध्यम से संदर्भ ऑडियो दें। प्रत्येक फ़ाइल wav/mp3/pcm/ogg_opus फ़ॉर्मैट में और 10 MB तथा 30 सेकंड तक सीमित होनी चाहिए। प्रॉम्प्ट में क्लिप की पहचान @Audio1, @Audio2, @Audio3 से करें।
image_urlवैकल्पिक image
प्रकारurl · image
ऑडियो संदर्भ न दिए जाने पर ही केवल URL के माध्यम से एक इमेज संदर्भ दें। इमेज jpeg/png/webp होनी चाहिए और 10 MB से बड़ी नहीं होनी चाहिए।
output_formatवैकल्पिक
प्रकारenum
डिफ़ॉल्टmp3
wavmp3pcmogg_opus
निर्मित ऑडियो का फ़ॉर्मैट।
sample_rateवैकल्पिक
प्रकारenum
डिफ़ॉल्ट24000
80001600024000320004410048000
आउटपुट ऑडियो की Hz में सैंपलिंग फ़्रीक्वेंसी।
speedवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट1
0.5 – 2
भाषण गति गुणक: 1.0 सामान्य गति, 0.5 आधी गति और 2.0 दोगुनी गति देता है।
volumeवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट1
0.5 – 2
वॉल्यूम गुणक: 1.0 सामान्य वॉल्यूम, 0.5 आधा वॉल्यूम और 2.0 दोगुना वॉल्यूम देता है।
pitchवैकल्पिक
प्रकारinteger
डिफ़ॉल्ट0
-12 – 12
आवाज़ का पिच समायोजन, सेमीटोन में मापा जाता है: 0 पिच को अपरिवर्तित रखता है, -12 इसे एक ऑक्टेव नीचे और 12 इसे एक ऑक्टेव ऊपर करता है।
multilingualवैकल्पिक
प्रकारboolean
डिफ़ॉल्टfalse
मॉडल वैरिएंट चयन: बहुभाषी वैरिएंट सक्षम करने से तब बेहतर हैंडलिंग मिलती है जब प्रॉम्प्ट में कई भाषाएं मिली हों या अंग्रेज़ी के अलावा किसी भाषा का उपयोग हो।
enable_safety_checkerवैकल्पिक
प्रकारboolean
डिफ़ॉल्टtrue
यदि कॉलर अधिकृत है, तो false सेट करके स्क्रीनिंग में ढील दी जा सकती है।
आवश्यक कैनोनिकल नाम, यह भी स्वीकार्य है

फ़ाइल पैरामीटर में सार्वजनिक https:// URL, 10 MB तक का data: URI, या अपलोड का file_url लिया जाता है। फ़ाइलें

आउटपुट

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"
  }
}
आपकी फ़ाइलें, आपकी पसंदहर outputs[].url हमारे स्टोरेज में एक कॉपी है: हमेशा के लिए (प्रति GB-माह भुगतान) या 7 दिन तक मुफ़्त में, आपके अकाउंट की सेटिंग या ?storage= के अनुसार।
हर मॉडल पर एक जैसा आकारइमेज, वीडियो और ऑडियो सभी के लिए type, url, content_type, width, height और duration। output मॉडल का अपना परिणाम ऑब्जेक्ट है।
आउटपुट के फ़ील्ड
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}निर्माण से तैयार की गई ऑडियो फ़ाइल।

AI एजेंट के लिए: इस पेज का Markdown यहाँ है https://doitong.com/hi/developers/models/bytedance/seed-audio-1.0.md. सभी मॉडल और गाइड: https://doitong.com/developers/llms.txt