Sleppa yfir í efni

Bytedance Seed Speech Text to Speech

Tengja

Auðkenni líkans 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"

Þessi beiðni: 0,002 $ 2 API-inneignir · ≈ 0,22 ₽ Keyra á þessari síðu

Fá API-lykil
ByteDance Texti í tal Varasamstilling #stylized#transform#lipsync

Texti í tal með mörgum forstilltum röddum, stýringu á hraða, tónhæð og hljóðstyrk og leiðbeiningum um talstíl

ByteDance · Hljóð

Fyrsta niðurstaðan þín birtist hér

Búðu til beiðni hér að neðan og keyrðu hana með API-lyklinum þínum. Úttök eru afrituð í geymsluna okkar og geymd að eilífu eða 7 dagar án kostnaðar.

Búa til beiðni

Stýringar eru búnar til út frá líkanaskemanu. Kóðinn og verðið uppfærast þegar þú breytir þeim.

•áskilið 50 / 5000

Texti sem á að breyta í tilbúið tal.

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

Valfrjáls leiðbeining um framsetningu á náttúrulegu máli, svo sem 'Speak in a cheerful tone' eða 'Could you speak a bit slower?'. Hún getur stýrt tóni, tilfinningu, hljóðstyrk og hraða.

output_format sjálfgefið mp3

Kóðun úttakshljóðs: 'mp3' býr til MP3, en 'opus' býr til Opus í Ogg-gámi.

sample_rate sjálfgefið 24000

Sýnatökutíðni úttakshljóðs í Hz.

sjálfgefið stokie_en

Forstillt hljóðmyndunarradd, auðkennd með nafni sem inniheldur einnig studda tungumálakóða. Tungumálastuðningur getur verið óháður, eins og með 'en_zh', eða leyft óaðfinnanlega blöndun ensku og kínversku, merkt með 'mixed_en_zh'.

Yfirskrift lestrartungumáls: þegar hún er sleppt er greining sjálfvirk og tvítyngdar raddir geta blandað kínversku og ensku óaðfinnanlega; þegar hún er gefin upp er greining óvirk og lestur takmarkaður við eitt tungumál. Veldu kínversku með zh, ensku með en, japönsku með ja, mexíkóska spænsku með es-mx, indónesísku með id, brasilíska portúgölsku með pt-br, kóresku með ko, ítölsku með it, þýsku með de eða frönsku með fr.

sjálfgefið 1

Margfaldari talhraða: 1.0 gefur eðlilegan hraða, 0.5 hálfan hraða og 2.0 tvöfaldan hraða.

sjálfgefið 1

Margfaldari hljóðstyrks: 1.0 gefur eðlilegan styrk, 0.5 hálfan styrk og 2.0 tvöfaldan styrk.

sjálfgefið 0

Hæðarstilling raddar, mæld í hálftónum: 0 breytir ekki tónhæð, -12 færir hana niður um áttund og 12 upp um áttund.

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

Keyra þessa beiðni

Lykillinn þinn er áfram í þessum vafra: hann er aðeins sendur til Doitong API og vistaður í localStorage aðeins ef þú hakar við Muna. Fá API-lykil

Um Bytedance Seed Speech Text to Speech

Breytir allt að 5000 stöfum af `text` í hljóð. Veldu `voice` og þvingaðu valfrjálst tiltekið `language` eða hafðu sjálfvirka greiningu virka. `speed` og `volume` eru frá 0.5 til 2, `pitch` færist frá -12 til 12 hálftóna og `voice_instruction` stýrir framsetningu. Úttak er mp3 eða opus við sýnatökutíðni frá 8000 til 48000 Hz.

Færibreytur

HeitiGerð SjálfgefiðLeyfilegt Lýsing
textáskilið
Gerðstring
≤ 5.000 stafir
Texti sem á að breyta í tilbúið tal.
voicevalfrjálst
Gerðenum
Sjálfgefiðstokie_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 í viðbótalina_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
Forstillt hljóðmyndunarradd, auðkennd með nafni sem inniheldur einnig studda tungumálakóða. Tungumálastuðningur getur verið óháður, eins og með 'en_zh', eða leyft óaðfinnanlega blöndun ensku og kínversku, merkt með 'mixed_en_zh'.
output_formatvalfrjálst
Gerðenum
Sjálfgefiðmp3
mp3opus
Kóðun úttakshljóðs: 'mp3' býr til MP3, en 'opus' býr til Opus í Ogg-gámi.
sample_ratevalfrjálst
Gerðenum
Sjálfgefið24000
8000160002205024000320004410048000
Sýnatökutíðni úttakshljóðs í Hz.
speedvalfrjálst
Gerðnumber
Sjálfgefið1
0,5 – 2
Margfaldari talhraða: 1.0 gefur eðlilegan hraða, 0.5 hálfan hraða og 2.0 tvöfaldan hraða.
volumevalfrjálst
Gerðnumber
Sjálfgefið1
0,5 – 2
Margfaldari hljóðstyrks: 1.0 gefur eðlilegan styrk, 0.5 hálfan styrk og 2.0 tvöfaldan styrk.
pitchvalfrjálst
Gerðinteger
Sjálfgefið0
-12 – 12
Hæðarstilling raddar, mæld í hálftónum: 0 breytir ekki tónhæð, -12 færir hana niður um áttund og 12 upp um áttund.
languagevalfrjálst
Gerðenum
zhenjaes-mxidpt-brkoitdefr
Yfirskrift lestrartungumáls: þegar hún er sleppt er greining sjálfvirk og tvítyngdar raddir geta blandað kínversku og ensku óaðfinnanlega; þegar hún er gefin upp er greining óvirk og lestur takmarkaður við eitt tungumál. Veldu kínversku með zh, ensku með en, japönsku með ja, mexíkóska spænsku með es-mx, indónesísku með id, brasilíska portúgölsku með pt-br, kóresku með ko, ítölsku með it, þýsku með de eða frönsku með fr.
voice_instructionvalfrjálst
Gerðstring | null
Valfrjáls leiðbeining um framsetningu á náttúrulegu máli, svo sem 'Speak in a cheerful tone' eða 'Could you speak a bit slower?'. Hún getur stýrt tóni, tilfinningu, hljóðstyrk og hraða.
áskilið

Úttak

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"
  }
}
Skrárnar þínar, þitt valHvert outputs[].url er afrit í geymslunni okkar: geymt að eilífu (greitt fyrir hvert GB-mánuðargildi) eða 7 dagar án kostnaðar, eftir stillingu aðgangsins þíns eða ?storage=.
Sama lögun í öllum líkönumtype, url, content_type, width, height og duration, jafnt fyrir myndir, myndbönd og hljóð. output er eigið niðurstöðuhlutur líkansins.
Reitir úttaks
audio
object {url, content_type, file_name, file_size}Hljóðskrá sem verður til við efnisgerð.

Fyrir gervigreindarþjóna: þessi síða á Markdown-sniði er á https://doitong.com/is/developers/models/bytedance/seed-speech/tts/v2.md. Öll líkön og leiðbeiningar: https://doitong.com/developers/llms.txt