အကြောင်းအရာသို့ ကျော်ရန်

Bytedance Seed Speech Text to Speech

ပေါင်းစည်းရန်

မော်ဒယ် 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"

ဤတောင်းဆိုချက်: ၀.၀၀၂ $ ၂ API ခရက်ဒစ် · ≈ ၀.၂၂ ₽ ဤစာမျက်နှာတွင် လုပ်ဆောင်ရန်

API ကီး ရယူရန်
ByteDance စာသားမှ အသံ Lipsync #stylized#transform

ကြိုတင်သတ်မှတ်ထားသော အသံများစွာ၊ အမြန်နှုန်း၊ အသံအနိမ့်အမြင့်နှင့် အသံအတိုးအကျယ် ထိန်းချုပ်မှု၊ စကားပြောဟန် ညွှန်ကြားချက်များပါရှိသော စာသားမှ စကားသံစနစ်

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 50 / 5000

ပေါင်းစပ်စကားပြောအဖြစ် ပြောင်းလဲမည့် စာသား။

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

ရွေးချယ်နိုင်သော သဘာဝဘာသာစကားဖြင့် ပြောဆိုပုံညွှန်ကြားချက်၊ ဥပမာ 'Speak in a cheerful tone' သို့မဟုတ် 'Could you speak a bit slower?'. အသံနေအသံထား၊ ခံစားချက်၊ အသံအတိုးအကျယ်နှင့် အရှိန်တို့ကို ညွှန်ကြားနိုင်သည်။

output_format မူလ mp3

အသံထွက်ရလဒ် encoding: 'mp3' သည် MP3 ကို ထုတ်ပေးပြီး 'opus' သည် Ogg container အတွင်း ထည့်သွင်းထားသော Opus ကို ထုတ်ပေးသည်။

sample_rate မူလ 24000

ထွက်ရလဒ်အသံ၏ Hz ဖြင့် တိုင်းတာထားသော sampling ကြိမ်နှုန်း။

မူလ stokie_en

ထောက်ပံ့ထားသော ဘာသာစကားကုဒ်များလည်း ပါဝင်သည့် အမည်ဖြင့် သတ်မှတ်ထားသော ပေါင်းစပ်အသံ ကြိုတင်သတ်မှတ်ချက်။ ဘာသာစကားထောက်ပံ့မှုသည် 'en_zh' ကဲ့သို့ သီးခြားဖြစ်နိုင်သလို 'mixed_en_zh' ဖြင့် ဖော်ပြထားသည့် အင်္ဂလိပ်–တရုတ် ဘာသာစကားများကို အဆက်မပြတ် ရောစပ်ပြောဆိုနိုင်သည်။

ဖတ်ရှုမည့် ဘာသာစကားကို အစားထိုးသတ်မှတ်ခြင်း: မပေးထားပါက အလိုအလျောက် ရှာဖွေပြီး ဘာသာစကားနှစ်မျိုးသုံးအသံများသည် တရုတ်နှင့် အင်္ဂလိပ်ကို အဆက်မပြတ် ရောစပ်နိုင်သည်။ ပေးထားပါက ရှာဖွေမှုကို ပိတ်ပြီး ဘာသာစကားတစ်မျိုးတည်းဖြင့် ဖတ်ရှုစေသည်။ တရုတ်အတွက် zh၊ အင်္ဂလိပ်အတွက် en၊ ဂျပန်အတွက် ja၊ မက္ကဆီကန် စပိန်အတွက် es-mx၊ အင်ဒိုနီးရှားအတွက် id၊ ဘရာဇီး ပေါ်တူဂီအတွက် pt-br၊ ကိုရီးယားအတွက် ko၊ အီတလီအတွက် it၊ ဂျာမန်အတွက် de သို့မဟုတ် ပြင်သစ်အတွက် fr ကို ရွေးပါ။

မူလ 1

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

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-speech/tts/v2?wait=20 ကုန်ကျစရိတ် → ၀.၀၀၂ $
# 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"

ဤတောင်းဆိုချက်ကို လုပ်ဆောင်ရန်

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

Bytedance Seed Speech Text to Speech အကြောင်း

`text` အက္ခရာ 5000 လုံးအထိကို အသံအဖြစ် ပြောင်းပေးသည်။ `voice` ကို ရွေးပြီး `language` ကို အတင်းသတ်မှတ်နိုင်သည် သို့မဟုတ် အလိုအလျောက်ရှာဖွေမှုကို ဖွင့်ထားနိုင်သည်။ `speed` နှင့် `volume` သည် 0.5 မှ 2 အထိဖြစ်ပြီး `pitch` သည် -12 မှ 12 တစ်ဝက်သံများ အထိ ပြောင်းနိုင်သည်။ `voice_instruction` က ပြောဆိုပုံကို ထိန်းညှိပေးသည်။ ထွက်ရလဒ်သည် 8000 မှ 48000 Hz အထိ နမူနာနှုန်း ဖြင့် mp3 သို့မဟုတ် opus ဖြစ်သည်။

ပါရာမီတာများ

အမည်အမျိုးအစား မူလတန်ဖိုးခွင့်ပြုထားသည် ဖော်ပြချက်
textလိုအပ်သည်
အမျိုးအစားstring
စာလုံး ၅,၀၀၀ လုံးထက် မပိုပါ
ပေါင်းစပ်စကားပြောအဖြစ် ပြောင်းလဲမည့် စာသား။
voiceရွေးချယ်နိုင်သည်
အမျိုးအစားenum
မူလတန်ဖိုးstokie_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 ခု ထပ်မံalina_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
ထောက်ပံ့ထားသော ဘာသာစကားကုဒ်များလည်း ပါဝင်သည့် အမည်ဖြင့် သတ်မှတ်ထားသော ပေါင်းစပ်အသံ ကြိုတင်သတ်မှတ်ချက်။ ဘာသာစကားထောက်ပံ့မှုသည် 'en_zh' ကဲ့သို့ သီးခြားဖြစ်နိုင်သလို 'mixed_en_zh' ဖြင့် ဖော်ပြထားသည့် အင်္ဂလိပ်–တရုတ် ဘာသာစကားများကို အဆက်မပြတ် ရောစပ်ပြောဆိုနိုင်သည်။
output_formatရွေးချယ်နိုင်သည်
အမျိုးအစားenum
မူလတန်ဖိုးmp3
mp3opus
အသံထွက်ရလဒ် encoding: 'mp3' သည် MP3 ကို ထုတ်ပေးပြီး 'opus' သည် Ogg container အတွင်း ထည့်သွင်းထားသော Opus ကို ထုတ်ပေးသည်။
sample_rateရွေးချယ်နိုင်သည်
အမျိုးအစားenum
မူလတန်ဖိုး24000
8000160002205024000320004410048000
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။
languageရွေးချယ်နိုင်သည်
အမျိုးအစားenum
zhenjaes-mxidpt-brkoitdefr
ဖတ်ရှုမည့် ဘာသာစကားကို အစားထိုးသတ်မှတ်ခြင်း: မပေးထားပါက အလိုအလျောက် ရှာဖွေပြီး ဘာသာစကားနှစ်မျိုးသုံးအသံများသည် တရုတ်နှင့် အင်္ဂလိပ်ကို အဆက်မပြတ် ရောစပ်နိုင်သည်။ ပေးထားပါက ရှာဖွေမှုကို ပိတ်ပြီး ဘာသာစကားတစ်မျိုးတည်းဖြင့် ဖတ်ရှုစေသည်။ တရုတ်အတွက် zh၊ အင်္ဂလိပ်အတွက် en၊ ဂျပန်အတွက် ja၊ မက္ကဆီကန် စပိန်အတွက် es-mx၊ အင်ဒိုနီးရှားအတွက် id၊ ဘရာဇီး ပေါ်တူဂီအတွက် pt-br၊ ကိုရီးယားအတွက် ko၊ အီတလီအတွက် it၊ ဂျာမန်အတွက် de သို့မဟုတ် ပြင်သစ်အတွက် fr ကို ရွေးပါ။
voice_instructionရွေးချယ်နိုင်သည်
အမျိုးအစားstring | null
ရွေးချယ်နိုင်သော သဘာဝဘာသာစကားဖြင့် ပြောဆိုပုံညွှန်ကြားချက်၊ ဥပမာ 'Speak in a cheerful tone' သို့မဟုတ် 'Could you speak a bit slower?'. အသံနေအသံထား၊ ခံစားချက်၊ အသံအတိုးအကျယ်နှင့် အရှိန်တို့ကို ညွှန်ကြားနိုင်သည်။
လိုအပ်သည်

ထွက်ရလဒ်

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"
  }
}
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}ဖန်တီးမှုမှ ထွက်ရှိသည့် အသံဖိုင်။

AI အေးဂျင့်များအတွက်- ဤစာမျက်နှာ၏ Markdown ကို ဤနေရာတွင် ရရှိနိုင်သည် https://doitong.com/my/developers/models/bytedance/seed-speech/tts/v2.md. မော်ဒယ်များနှင့် လမ်းညွှန်များအားလုံး: https://doitong.com/developers/llms.txt