Мазмұнға өту

Bytedance Seed Speech Text to Speech

Интеграциялау

Модель идентификаторы 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"

Осы сұрау: 0,002 $ 2 API кредиті · ≈ 0,22 ₽ Осы бетте іске қосу

API кілтін алу
ByteDance Мәтіннен сөйлеуге Ерін синхрондауы #stylized#transform#lipsync

Көптеген алдын ала орнатылған дауыс, жылдамдық, биіктік және дыбыс деңгейін басқару, сондай-ақ ауызша стильдегі нұсқаулары бар мәтінді сөйлеуге түрлендіру

ByteDance · Аудио

Алғашқы нәтижеңіз осында пайда болады

Төменде сұрау құрып, оны API кілтіңізбен іске қосыңыз. Шығыстар сақтау орнымызға көшіріліп, мәңгі немесе 7 күн тегін сақталады.

Сұрау жасау

Басқару элементтері модель схемасынан жасалады. Оларды өзгерткен сайын код пен баға жаңартылады.

•міндетті 50 / 5000

Синтезделген сөйлеуге түрлендірілетін мәтін.

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

Мысалы, 'Speak in a cheerful tone' немесе 'Could you speak a bit slower?' сияқты табиғи тілдегі қосымша жеткізу нұсқауы. Ол үнді, эмоцияны, дыбыс деңгейін және қарқынды басқара алады.

output_format әдепкі mp3

Аудио шығысын кодтау: 'mp3' MP3 жасайды, ал 'opus' Ogg контейнеріне жинақталған Opus жасайды.

sample_rate әдепкі 24000

Шығыс аудиосының Hz өлшеміндегі дискреттеу жиілігі.

әдепкі stokie_en

Қолдау көрсетілетін тіл кодтарын да қамтитын атаумен анықталатын синтез дауысының алдын ала орнатылған мәні. Тіл қолдауы 'en_zh' жағдайындағыдай бөлек болуы немесе 'mixed_en_zh' арқылы көрсетілетін ағылшын-қытай тілдерінің үздіксіз араласуына мүмкіндік беруі мүмкін.

Оқу тілін қайта анықтау: көрсетілмесе, анықтау автоматты түрде орындалады және екітілді дауыстар қытай мен ағылшын тілдерін үздіксіз араластыра алады; көрсетілсе, анықтау өшіріліп, оқу бір тілмен шектеледі. Қытай үшін zh, ағылшын үшін en, жапон үшін ja, мексикалық испан үшін es-mx, индонезия үшін id, бразилиялық португал тілі үшін pt-br, корей үшін ko, итальян үшін it, неміс үшін de немесе француз үшін fr таңдаңыз.

әдепкі 1

Сөйлеу жылдамдығының көбейткіші: 1.0 қалыпты жылдамдықты, 0.5 жарты жылдамдықты, 2.0 екі есе жылдамдықты береді.

әдепкі 1

Дыбыс деңгейінің көбейткіші: 1.0 қалыпты деңгейді, 0.5 жарты деңгейді, 2.0 екі есе деңгейді береді.

әдепкі 0

Дауыс биіктігін жарты тонмен реттеу: 0 биіктікті өзгертпейді, -12 оны бір октаваға төмендетеді, 12 бір октаваға жоғарылатады.

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

Осы сұрауды іске қосу

Кілтіңіз осы браузерде қалады: ол тек Doitong API-ге жіберіледі және Remember параметрін белгілеcеңіз ғана localStorage ішінде сақталады. API кілтін алу

Bytedance Seed Speech Text to Speech туралы

`text` ішіндегі 5000 таңбаға дейінгі мәтінді аудиоға айналдырады. `voice` таңдаңыз, қажет болса `language` мәнін мәжбүрлеп беріңіз немесе автоматты анықтауды қалдырыңыз. `speed` пен `volume` 0.5–2 аралығында, `pitch` -12–12 жарты тон аралығында өзгереді, ал `voice_instruction` дыбыстауды бағыттайды. Шығыс — 8000–48000 Hz жиіліктегі mp3 немесе opus.

Параметрлер

АтауыТүрі ӘдепкіРұқсат етілген Сипаттама
textміндетті
Түріstring
≤ 5 000 таңба
Синтезделген сөйлеуге түрлендірілетін мәтін.
voiceміндетті емес
Түріenum
Әдепкіstokie_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
тағы 25alina_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
Қолдау көрсетілетін тіл кодтарын да қамтитын атаумен анықталатын синтез дауысының алдын ала орнатылған мәні. Тіл қолдауы 'en_zh' жағдайындағыдай бөлек болуы немесе 'mixed_en_zh' арқылы көрсетілетін ағылшын-қытай тілдерінің үздіксіз араласуына мүмкіндік беруі мүмкін.
output_formatміндетті емес
Түріenum
Әдепкіmp3
mp3opus
Аудио шығысын кодтау: 'mp3' MP3 жасайды, ал 'opus' Ogg контейнеріне жинақталған Opus жасайды.
sample_rateміндетті емес
Түріenum
Әдепкі24000
8000160002205024000320004410048000
Шығыс аудиосының Hz өлшеміндегі дискреттеу жиілігі.
speedміндетті емес
Түріnumber
Әдепкі1
0,5 – 2
Сөйлеу жылдамдығының көбейткіші: 1.0 қалыпты жылдамдықты, 0.5 жарты жылдамдықты, 2.0 екі есе жылдамдықты береді.
volumeміндетті емес
Түріnumber
Әдепкі1
0,5 – 2
Дыбыс деңгейінің көбейткіші: 1.0 қалыпты деңгейді, 0.5 жарты деңгейді, 2.0 екі есе деңгейді береді.
pitchміндетті емес
Түріinteger
Әдепкі0
-12 – 12
Дауыс биіктігін жарты тонмен реттеу: 0 биіктікті өзгертпейді, -12 оны бір октаваға төмендетеді, 12 бір октаваға жоғарылатады.
languageміндетті емес
Түріenum
zhenjaes-mxidpt-brkoitdefr
Оқу тілін қайта анықтау: көрсетілмесе, анықтау автоматты түрде орындалады және екітілді дауыстар қытай мен ағылшын тілдерін үздіксіз араластыра алады; көрсетілсе, анықтау өшіріліп, оқу бір тілмен шектеледі. Қытай үшін zh, ағылшын үшін en, жапон үшін ja, мексикалық испан үшін es-mx, индонезия үшін id, бразилиялық португал тілі үшін pt-br, корей үшін ko, итальян үшін it, неміс үшін de немесе француз үшін fr таңдаңыз.
voice_instructionміндетті емес
Түріstring | null
Мысалы, 'Speak in a cheerful tone' немесе 'Could you speak a bit slower?' сияқты табиғи тілдегі қосымша жеткізу нұсқауы. Ол үнді, эмоцияны, дыбыс деңгейін және қарқынды басқара алады.
міндетті

Шығыс

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"
  }
}
Файлдарыңыз — таңдауыңызӘр outputs[].url — сақтау орнымыздағы көшірме: мәңгі (әр GB-ай үшін ақылы) немесе аккаунт параметрі не ?storage= арқылы 7 күн тегін сақталады.
Әр модельдегі пішім бірдейtype, url, content_type, width, height және duration — кескіндерге, бейнеге және аудиоға ортақ. output — модельдің өз нәтижелер нысаны.
Шығыс өрістері
audio
object {url, content_type, file_name, file_size}Генерация нәтижесінде алынған аудио файлы.

AI агенттеріне: бұл беттің Markdown нұсқасы мына жерде: https://doitong.com/kk/developers/models/bytedance/seed-speech/tts/v2.md. Барлық модельдер мен нұсқаулықтар: https://doitong.com/developers/llms.txt