အကြောင်းအရာသို့ ကျော်ရန်

Seed Audio 1.0

ပေါင်းစည်းရန်

မော်ဒယ် 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"

လုပ်ဆောင်မှုတစ်ကြိမ်လျှင် ၀.၁၅၄ $ အထိ အမှန်တကယ် အသုံးပြုမှုအလိုက် ကောက်ခံပြီး ကျန်ငွေကို ငွေပြန်အမ်းသည် ဤစာမျက်နှာတွင် လုပ်ဆောင်ရန်

API ကီး ရယူရန်
ByteDance အသံ

စာသားဖြင့် ထိန်းချုပ်သော စကားသံနှင့် အသံဖန်တီးစက်ဖြစ်ပြီး ရည်ညွှန်းအသံ ဗီဒီယိုအပိုင်း 3 ခုအထိ သို့မဟုတ် ပုံတစ်ပုံ၊ အသံအနိမ့်အမြင့်နှင့် အမြန်နှုန်း ထိန်းချုပ်မှုတို့ကို ပံ့ပိုးသည်

ByteDance · အသံ

သင့်ပထမဆုံးရလဒ် ဤနေရာတွင် ပေါ်လာမည်

အောက်တွင် တောင်းဆိုချက်တစ်ခု တည်ဆောက်ပြီး သင့် API ကီးဖြင့် လုပ်ဆောင်ပါ။ ထွက်ရလဒ်များကို ကျွန်ုပ်တို့၏ သိုလှောင်မှုသို့ ကူးယူပြီး အမြဲတမ်း သို့မဟုတ် ၇ ရက် အခမဲ့ သိမ်းထားသည်။

တောင်းဆိုမှုတစ်ခု တည်ဆောက်ရန်

ထိန်းချုပ်မှုများကို မော်ဒယ် schema မှ အလိုအလျောက်ဖန်တီးသည်။ ၎င်းတို့ကို ပြောင်းလဲသည်နှင့် code နှင့် စျေးနှုန်းတို့လည်း ပြောင်းလဲမည်။

•လိုအပ်သည် 88 / 2048

ပထမထည့်သွင်းချက်အတွက် @Audio1၊ ဒုတိယအတွက် @Audio2 နှင့် တတိယအတွက် @Audio3 ဟု အစီအစဉ်တကျ သတ်မှတ်ထားသော အသံရည်ညွှန်းချက်များပါဝင်သည့် ပေါင်းစပ်မှု ပရောမ့် သို့မဟုတ် စာသား။

မူလ 1

စကားပြောနှုန်း မြှောက်ကိန်း: 1.0 သည် ပုံမှန်မြန်နှုန်း၊ 0.5 သည် တစ်ဝက်မြန်နှုန်း၊ 2.0 သည် နှစ်ဆမြန်နှုန်း ဖြစ်သည်။

အဆင့်မြင့် audios · image · output_format · sample_rate · voice · volume · pitch · multilingual · enable_safety_checker
audio_urls
ဖိုင်ကို ဆွဲချပါ၊ သို့မဟုတ် · 3 အထိ

အများဆုံး URL 3 ခုမှတစ်ဆင့် ရည်ညွှန်းအသံကို ပေးပါ။ ဖိုင်တစ်ခုစီသည် wav/mp3/pcm/ogg_opus ဖော်မတ်ဖြစ်ရမည်၊ 10 MB နှင့် 30 စက္ကန့်ထက် မကျော်ရပါ။ ပရောမ့်တွင် clip များကို @Audio1၊ @Audio2၊ @Audio3 ဖြင့် သတ်မှတ်ပါ။

image_url
ဖိုင်ကို ဆွဲချပါ၊ သို့မဟုတ်

အသံရည်ညွှန်းချက်များ မပေးထားသည့်အခါမှသာ URL ဖြင့် ပုံရည်ညွှန်းချက်တစ်ခုကို ပေးပါ။ ပုံသည် jpeg/png/webp ဖြစ်ရမည်၊ အရွယ်အစားမှာ 10 MB ထက် မကျော်ရပါ။

output_format မူလ mp3

ဖန်တီးထားသော အသံ၏ ဖော်မတ်။

sample_rate မူလ 24000

ထွက်ရလဒ်အသံ၏ Hz ဖြင့် တိုင်းတာထားသော sampling ကြိမ်နှုန်း။

ကြိုတင်သတ်မှတ်ထားသော အမည် သို့မဟုတ် clone ပြုလုပ်ထားသော အသံအတွက် ၎င်း၏ ID ကို ပေး၍ ပေါင်းစပ်အသံကို ရွေးချယ်ပါ။

မူလ 1

အသံအတိုးအကျယ် မြှောက်ကိန်း: 1.0 သည် ပုံမှန်အသံအတိုးအကျယ်၊ 0.5 သည် တစ်ဝက်၊ 2.0 သည် နှစ်ဆ ဖြစ်သည်။

မူလ 0

အသံ၏ pitch ကို semitone ဖြင့် ချိန်ညှိခြင်း: 0 သည် pitch ကို မပြောင်းလဲပါ၊ -12 သည် octave တစ်ဆင့် နိမ့်စေပြီး 12 သည် octave တစ်ဆင့် မြင့်စေသည်။

POST /run/bytedance/seed-audio-1.0?wait=20 ကုန်ကျစရိတ် → ၀.၁၅၄ $
# 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"

ဤတောင်းဆိုချက်ကို လုပ်ဆောင်ရန်

သင့် key သည် ဤဘရောက်ဇာထဲတွင်သာ ရှိမည်ဖြစ်ပြီး Doitong API သို့သာ ပို့မည်။ Remember ကို အမှန်ခြစ်ထားမှသာ (localStorage) တွင် သိမ်းမည်။ API ကီး ရယူရန်

Seed Audio 1.0 အကြောင်း

အက္ခရာ 2048 လုံးအထိရှိသော ပရောမ့်မှ အသံကို ဖန်တီးပေးသည်။ ကြိုတင်သတ်မှတ်ချက် သို့မဟုတ် ကူးယူထားသော `voice` ကို ရွေးနိုင်ပြီး ရည်ညွှန်းဗီဒီယိုအပိုင်း 3 ပိုင်းအထိကို ပရောမ့်ထဲတွင် @Audio1 မှ @Audio3 အဖြစ် ထည့်သွင်းနိုင်သည်။ ၎င်းအစား ရည်ညွှန်းပုံတစ်ပုံကို အသုံးပြုနိုင်သော်လည်း အသံနှင့်အတူ တစ်ပြိုင်နက် မသုံးနိုင်ပါ။ ထွက်ရလဒ်သည် 8000 မှ 48000 Hz အထိ နမူနာနှုန်း ဖြင့် wav၊ mp3၊ pcm သို့မဟုတ် ogg_opus ဖြစ်သည်။ အမြန်နှုန်းနှင့် အသံအတိုးအကျယ်သည် 0.5 မှ 2 အထိဖြစ်ပြီး အသံအနိမ့်အမြင့် သည် -12 မှ 12 တစ်ဝက်သံများ အထိ ပြောင်းနိုင်သည်။ `multilingual` သည် ဘာသာစကားရောနှောစာသားအတွက် မူကွဲတစ်ခုသို့ ပြောင်းပေးသည်။

ပါရာမီတာများ

စံအမည် သို့မဟုတ် မူရင်းအမည် တစ်ခုခုကိုသာ ပို့ပါ၊ နှစ်ခုလုံး မပို့ပါနှင့်။ စံအမည်များ

အမည်အမျိုးအစား မူလတန်ဖိုးခွင့်ပြုထားသည် ဖော်ပြချက်
promptလိုအပ်သည်
အမျိုးအစားstring
စာလုံး ၂,၀၄၈ လုံးထက် မပိုပါ
ပထမထည့်သွင်းချက်အတွက် @Audio1၊ ဒုတိယအတွက် @Audio2 နှင့် တတိယအတွက် @Audio3 ဟု အစီအစဉ်တကျ သတ်မှတ်ထားသော အသံရည်ညွှန်းချက်များပါဝင်သည့် ပေါင်းစပ်မှု ပရောမ့် သို့မဟုတ် စာသား။
voiceရွေးချယ်နိုင်သည်
အမျိုးအစားstring | null
ကြိုတင်သတ်မှတ်ထားသော အမည် သို့မဟုတ် clone ပြုလုပ်ထားသော အသံအတွက် ၎င်း၏ ID ကို ပေး၍ ပေါင်းစပ်အသံကို ရွေးချယ်ပါ။
audio_urlsရွေးချယ်နိုင်သည် audios
အမျိုးအစားurl[] · audio
အကြောင်းအရာ ၃ ခုထက် မပိုပါ
အများဆုံး URL 3 ခုမှတစ်ဆင့် ရည်ညွှန်းအသံကို ပေးပါ။ ဖိုင်တစ်ခုစီသည် wav/mp3/pcm/ogg_opus ဖော်မတ်ဖြစ်ရမည်၊ 10 MB နှင့် 30 စက္ကန့်ထက် မကျော်ရပါ။ ပရောမ့်တွင် clip များကို @Audio1၊ @Audio2၊ @Audio3 ဖြင့် သတ်မှတ်ပါ။
image_urlရွေးချယ်နိုင်သည် image
အမျိုးအစားurl · image
အသံရည်ညွှန်းချက်များ မပေးထားသည့်အခါမှသာ URL ဖြင့် ပုံရည်ညွှန်းချက်တစ်ခုကို ပေးပါ။ ပုံသည် jpeg/png/webp ဖြစ်ရမည်၊ အရွယ်အစားမှာ 10 MB ထက် မကျော်ရပါ။
output_formatရွေးချယ်နိုင်သည်
အမျိုးအစားenum
မူလတန်ဖိုးmp3
wavmp3pcmogg_opus
ဖန်တီးထားသော အသံ၏ ဖော်မတ်။
sample_rateရွေးချယ်နိုင်သည်
အမျိုးအစားenum
မူလတန်ဖိုး24000
80001600024000320004410048000
ထွက်ရလဒ်အသံ၏ Hz ဖြင့် တိုင်းတာထားသော sampling ကြိမ်နှုန်း။
speedရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး1
၀.၅ – ၂
စကားပြောနှုန်း မြှောက်ကိန်း: 1.0 သည် ပုံမှန်မြန်နှုန်း၊ 0.5 သည် တစ်ဝက်မြန်နှုန်း၊ 2.0 သည် နှစ်ဆမြန်နှုန်း ဖြစ်သည်။
volumeရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး1
၀.၅ – ၂
အသံအတိုးအကျယ် မြှောက်ကိန်း: 1.0 သည် ပုံမှန်အသံအတိုးအကျယ်၊ 0.5 သည် တစ်ဝက်၊ 2.0 သည် နှစ်ဆ ဖြစ်သည်။
pitchရွေးချယ်နိုင်သည်
အမျိုးအစားinteger
မူလတန်ဖိုး0
-၁၂ – ၁၂
အသံ၏ pitch ကို semitone ဖြင့် ချိန်ညှိခြင်း: 0 သည် pitch ကို မပြောင်းလဲပါ၊ -12 သည် octave တစ်ဆင့် နိမ့်စေပြီး 12 သည် octave တစ်ဆင့် မြင့်စေသည်။
multilingualရွေးချယ်နိုင်သည်
အမျိုးအစားboolean
မူလတန်ဖိုးfalse
မော်ဒယ်မူကွဲ ရွေးချယ်ခြင်း: ဘာသာစကားမျိုးစုံ မူကွဲကို ဖွင့်ထားပါက ပရောမ့်တွင် ဘာသာစကားများ ရောနှောသုံးခြင်း သို့မဟုတ် အင်္ဂလိပ်မဟုတ်သော ဘာသာစကား အသုံးပြုခြင်းကို ပိုမိုကောင်းမွန်စွာ ကိုင်တွယ်နိုင်သည်။
enable_safety_checkerရွေးချယ်နိုင်သည်
အမျိုးအစားboolean
မူလတန်ဖိုးtrue
caller က ခွင့်ပြုချက်ရှိပါက false သတ်မှတ်ခြင်းဖြင့် စစ်ဆေးမှုကို လျှော့ချနိုင်သည်။
လိုအပ်သည် စံအမည်၊ ထို့အပြင် လက်ခံသည်

ဖိုင်ပါရာမီတာများသည် အများပြည်သူသုံး https:// URL၊ 10 MB အထိ data: URI သို့မဟုတ် အပ်လုဒ်လုပ်ထားသောဖိုင်၏ file_url ကို လက်ခံသည်။ ဖိုင်များ

ထွက်ရလဒ်

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"
  }
}
သင့်ဖိုင်များ၊ သင့်ရွေးချယ်မှုoutputs[].url တိုင်းသည် ကျွန်ုပ်တို့၏ သိုလှောင်မှုရှိ မိတ္တူဖြစ်သည်- အမြဲတမ်း (GB-month အလိုက် ငွေပေးရသည်) သို့မဟုတ် ၇ ရက် အခမဲ့၊ သင့်အကောင့်ဆက်တင် သို့မဟုတ် ?storage= ဖြင့် သိမ်းထားသည်။
မော်ဒယ်တိုင်းတွင် ပုံစံတူပုံ၊ ဗီဒီယိုနှင့် အသံတို့အတွက် type၊ url၊ content_type၊ width၊ height နှင့် duration။ output သည် မော်ဒယ်ကိုယ်တိုင်၏ ရလဒ် object ဖြစ်သည်။
ထွက်ရလဒ်၏ Fields များ
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}ဖန်တီးမှုမှ ထွက်ရှိသည့် အသံဖိုင်။

AI အေးဂျင့်များအတွက်- ဤစာမျက်နှာ၏ Markdown ကို ဤနေရာတွင် ရရှိနိုင်သည် https://doitong.com/my/developers/models/bytedance/seed-audio-1.0.md. မော်ဒယ်များနှင့် လမ်းညွှန်များအားလုံး: https://doitong.com/developers/llms.txt