Prijeđi na sadržaj

Bytedance Seed Speech Text to Speech

Integriraj

ID modela 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"

Ovaj zahtjev: 0,002 $ 2 API kredita · ≈ 0,22 ₽ Pokreni na ovoj stranici

Nabavi API ključ
ByteDance Tekst u govor Sinkronizacija usana #stylized#transform#lipsync

Pretvaranje teksta u govor s brojnim unaprijed definiranim glasovima, kontrolom brzine, visine tona i glasnoće te uputama za stil govora

ByteDance · Zvuk

Vaš prvi rezultat bit će ovdje

Izradite zahtjev u nastavku i pokrenite ga svojim API ključem. Izlazi se kopiraju u našu pohranu i čuvaju zauvijek ili 7 dana besplatno.

Izradi zahtjev

Kontrole se generiraju iz sheme modela. Kôd i cijena ažuriraju se dok ih mijenjate.

•obavezno 50 / 5000

Tekst koji treba pretvoriti u sintetizirani govor.

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

Neobavezna uputa za prirodnu isporuku na prirodnom jeziku, primjerice 'Speak in a cheerful tone' ili 'Could you speak a bit slower?'. Može usmjeravati ton, emociju, glasnoću i tempo.

output_format zadano mp3

Kodiranje izlaznog audiozapisa: 'mp3' proizvodi MP3, dok 'opus' proizvodi Opus zapakiran u Ogg spremnik.

sample_rate zadano 24000

Frekvencija uzorkovanja izlaznog audiozapisa u Hz.

zadano stokie_en

Unaprijed postavljeni glas za sintezu, identificiran nazivom koji uključuje i kodove podržanih jezika. Jezična podrška može biti neovisna, kao u 'en_zh', ili omogućiti neprimjetno miješanje engleskog i kineskog, označeno s 'mixed_en_zh'.

Nadjačavanje jezika čitanja: ako se izostavi, prepoznavanje je automatsko, a dvojezični glasovi mogu neprimjetno miješati kineski i engleski; ako se navede, prepoznavanje se onemogućuje i čitanje ograničava na jedan jezik. Odaberite kineski s zh, engleski s en, japanski s ja, meksički španjolski s es-mx, indonezijski s id, brazilski portugalski s pt-br, korejski s ko, talijanski s it, njemački s de ili francuski s fr.

zadano 1

Množitelj brzine govora: 1.0 daje normalnu brzinu, 0.5 upola manju, a 2.0 dvostruko veću brzinu.

zadano 1

Množitelj glasnoće: 1.0 daje normalnu glasnoću, 0.5 upola manju, a 2.0 dvostruko veću glasnoću.

zadano 0

Prilagodba visine glasa, mjerena u polutonovima: 0 ne mijenja visinu, -12 spušta je za oktavu, a 12 podiže za oktavu.

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

Pokreni ovaj zahtjev

Vaš ključ ostaje u ovom pregledniku: šalje se samo Doitong API-ju i sprema u localStorage samo ako označite Zapamti. Nabavite API ključ

O modelu Bytedance Seed Speech Text to Speech

Pretvara do 5000 znakova parametra `text` u zvuk. Odaberite `voice` i neobavezno prisilno postavite `language` ili ostavite automatsko prepoznavanje. `speed` i `volume` kreću se od 0.5 do 2, `pitch` se pomiče od -12 do 12 polutonova, a `voice_instruction` usmjerava način govora. Izlaz je mp3 ili opus s frekvencijama uzorkovanja od 8000 do 48000 Hz.

Parametri

NazivVrsta ZadanoDopušteno Opis
textobavezno
Vrstastring
≤ 5.000 znakova
Tekst koji treba pretvoriti u sintetizirani govor.
voiceneobavezno
Vrstaenum
Zadanostokie_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 višealina_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
Unaprijed postavljeni glas za sintezu, identificiran nazivom koji uključuje i kodove podržanih jezika. Jezična podrška može biti neovisna, kao u 'en_zh', ili omogućiti neprimjetno miješanje engleskog i kineskog, označeno s 'mixed_en_zh'.
output_formatneobavezno
Vrstaenum
Zadanomp3
mp3opus
Kodiranje izlaznog audiozapisa: 'mp3' proizvodi MP3, dok 'opus' proizvodi Opus zapakiran u Ogg spremnik.
sample_rateneobavezno
Vrstaenum
Zadano24000
8000160002205024000320004410048000
Frekvencija uzorkovanja izlaznog audiozapisa u Hz.
speedneobavezno
Vrstanumber
Zadano1
0,5 – 2
Množitelj brzine govora: 1.0 daje normalnu brzinu, 0.5 upola manju, a 2.0 dvostruko veću brzinu.
volumeneobavezno
Vrstanumber
Zadano1
0,5 – 2
Množitelj glasnoće: 1.0 daje normalnu glasnoću, 0.5 upola manju, a 2.0 dvostruko veću glasnoću.
pitchneobavezno
Vrstainteger
Zadano0
−12 – 12
Prilagodba visine glasa, mjerena u polutonovima: 0 ne mijenja visinu, -12 spušta je za oktavu, a 12 podiže za oktavu.
languageneobavezno
Vrstaenum
zhenjaes-mxidpt-brkoitdefr
Nadjačavanje jezika čitanja: ako se izostavi, prepoznavanje je automatsko, a dvojezični glasovi mogu neprimjetno miješati kineski i engleski; ako se navede, prepoznavanje se onemogućuje i čitanje ograničava na jedan jezik. Odaberite kineski s zh, engleski s en, japanski s ja, meksički španjolski s es-mx, indonezijski s id, brazilski portugalski s pt-br, korejski s ko, talijanski s it, njemački s de ili francuski s fr.
voice_instructionneobavezno
Vrstastring | null
Neobavezna uputa za prirodnu isporuku na prirodnom jeziku, primjerice 'Speak in a cheerful tone' ili 'Could you speak a bit slower?'. Može usmjeravati ton, emociju, glasnoću i tempo.
obavezno

Izlaz

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"
  }
}
Vaše datoteke, vaš izborSvaki outputs[].url kopija je u našoj pohrani: čuva se zauvijek (naplaćuje se po GB-mjesecu) ili 7 dana besplatno, prema postavci računa ili ?storage=.
Isti oblik na svakom modelutype, url, content_type, width, height i duration za slike, videozapise i zvuk. output je vlastiti objekt rezultata modela.
Polja izlaza
audio
object {url, content_type, file_name, file_size}Audio datoteka proizvedena generiranjem.

Za AI agente: ova je stranica u Markdownu dostupna na https://doitong.com/hr/developers/models/bytedance/seed-speech/tts/v2.md. Svi modeli i vodiči: https://doitong.com/developers/llms.txt