सामग्री पर जाएँ

Bytedance Seed Speech Text to Speech

इंटीग्रेट करें

मॉडल id 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"

यह अनुरोध: $0.002 2 API क्रेडिट · ≈ ₽0.22 इसे इस पेज पर चलाएँ

API कुंजी प्राप्त करें
ByteDance टेक्स्ट से स्पीच लिपसिंक #stylized#transform#lipsync

कई प्रीसेट वॉइस, गति, पिच और वॉल्यूम नियंत्रण तथा बोलने की शैली वाले निर्देशों के साथ टेक्स्ट-टू-स्पीच

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 50 / 5000

संश्लेषित भाषण में बदलने के लिए टेक्स्ट।

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

वैकल्पिक प्राकृतिक-भाषा प्रस्तुति निर्देश, जैसे 'खुशमिज़ाज अंदाज़ में बोलें' या 'क्या आप थोड़ा धीमे बोल सकते हैं?'। यह टोन, भावना, वॉल्यूम और गति निर्देशित कर सकता है।

output_format डिफ़ॉल्ट mp3

ऑडियो आउटपुट एन्कोडिंग: 'mp3' से MP3 बनता है, जबकि 'opus' से Ogg कंटेनर में पैक किया गया Opus बनता है।

sample_rate डिफ़ॉल्ट 24000

आउटपुट ऑडियो की Hz में सैंपलिंग फ़्रीक्वेंसी।

डिफ़ॉल्ट stokie_en

संश्लेषण आवाज़ प्रीसेट, जिसकी पहचान ऐसे नाम से होती है जिसमें समर्थित भाषा कोड भी शामिल होते हैं। भाषा समर्थन स्वतंत्र हो सकता है, जैसे 'en_zh', या सहज अंग्रेज़ी–चीनी मिश्रण की अनुमति दे सकता है, जिसे 'mixed_en_zh' दर्शाता है।

पठन-भाषा ओवरराइड: छोड़ने पर पहचान स्वचालित होती है और द्विभाषी आवाज़ें चीनी को अंग्रेज़ी के साथ सहजता से मिला सकती हैं; देने पर पहचान अक्षम हो जाती है और पठन एक भाषा तक सीमित रहता है। चीनी के लिए zh, अंग्रेज़ी के लिए en, जापानी के लिए ja, मैक्सिकन स्पैनिश के लिए es-mx, इंडोनेशियाई के लिए id, ब्राज़ीलियाई पुर्तगाली के लिए pt-br, कोरियाई के लिए ko, इतालवी के लिए it, जर्मन के लिए de या फ़्रेंच के लिए fr चुनें।

डिफ़ॉल्ट 1

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

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-speech/tts/v2?wait=20 कोटेशन → $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"

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

Bytedance Seed Speech Text to Speech के बारे में

अधिकतम 5000 वर्णों वाले `text` को ऑडियो में बदलता है। `voice` चुनें और वैकल्पिक रूप से `language` लागू करें या ऑटो-डिटेक्शन चालू रहने दें। `speed` और `volume` 0.5 से 2 तक होते हैं, `pitch` -12 से 12 सेमिटोन तक बदलता है, और `voice_instruction` प्रस्तुति को नियंत्रित करता है। आउटपुट 8000 से 48000 Hz की सैंपल दर पर mp3 या opus होता है।

पैरामीटर

नामप्रकार डिफ़ॉल्टअनुमत विवरण
textआवश्यक
प्रकारstring
≤ 5,000 अक्षर
संश्लेषित भाषण में बदलने के लिए टेक्स्ट।
voiceवैकल्पिक
प्रकारenum
डिफ़ॉल्टstokie_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 औरalina_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
संश्लेषण आवाज़ प्रीसेट, जिसकी पहचान ऐसे नाम से होती है जिसमें समर्थित भाषा कोड भी शामिल होते हैं। भाषा समर्थन स्वतंत्र हो सकता है, जैसे 'en_zh', या सहज अंग्रेज़ी–चीनी मिश्रण की अनुमति दे सकता है, जिसे 'mixed_en_zh' दर्शाता है।
output_formatवैकल्पिक
प्रकारenum
डिफ़ॉल्टmp3
mp3opus
ऑडियो आउटपुट एन्कोडिंग: 'mp3' से MP3 बनता है, जबकि 'opus' से Ogg कंटेनर में पैक किया गया Opus बनता है।
sample_rateवैकल्पिक
प्रकारenum
डिफ़ॉल्ट24000
8000160002205024000320004410048000
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।
languageवैकल्पिक
प्रकारenum
zhenjaes-mxidpt-brkoitdefr
पठन-भाषा ओवरराइड: छोड़ने पर पहचान स्वचालित होती है और द्विभाषी आवाज़ें चीनी को अंग्रेज़ी के साथ सहजता से मिला सकती हैं; देने पर पहचान अक्षम हो जाती है और पठन एक भाषा तक सीमित रहता है। चीनी के लिए zh, अंग्रेज़ी के लिए en, जापानी के लिए ja, मैक्सिकन स्पैनिश के लिए es-mx, इंडोनेशियाई के लिए id, ब्राज़ीलियाई पुर्तगाली के लिए pt-br, कोरियाई के लिए ko, इतालवी के लिए it, जर्मन के लिए de या फ़्रेंच के लिए fr चुनें।
voice_instructionवैकल्पिक
प्रकारstring | null
वैकल्पिक प्राकृतिक-भाषा प्रस्तुति निर्देश, जैसे 'खुशमिज़ाज अंदाज़ में बोलें' या 'क्या आप थोड़ा धीमे बोल सकते हैं?'। यह टोन, भावना, वॉल्यूम और गति निर्देशित कर सकता है।
आवश्यक

आउटपुट

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"
  }
}
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}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-speech/tts/v2.md. सभी मॉडल और गाइड: https://doitong.com/developers/llms.txt