ਸਮੱਗਰੀ ਵੱਲ ਜਾਓ

Seed Audio 1.0

ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ

ਮਾਡਲ 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"

ਹਰ ਰਨ ਲਈ $0.154 ਤੱਕ ਅਸਲ ਵਰਤੋਂ ਅਨੁਸਾਰ ਚਾਰਜ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਬਾਕੀ ਦੀ ਰਕਮ ਵਾਪਸੀ ਹੁੰਦੀ ਹੈ ਇਸ ਪੰਨੇ ’ਤੇ ਚਲਾਓ

API ਕੁੰਜੀ ਲਵੋ
ByteDance ਆਡੀਓ

ਟੈਕਸਟ ਦੁਆਰਾ ਚਲਾਇਆ ਜਾਣ ਵਾਲਾ ਬੋਲੀ ਅਤੇ ਆਡੀਓ ਜਨਰੇਟਰ, 3 ਤੱਕ ਰੈਫ਼ਰੈਂਸ ਆਡੀਓ ਕਲਿੱਪਾਂ ਜਾਂ ਇੱਕ ਚਿੱਤਰ ਨਾਲ, ਪਿਚ ਅਤੇ ਸਪੀਡ ਕੰਟਰੋਲ ਸਮੇਤ

ByteDance · ਆਡੀਓ

ਤੁਹਾਡਾ ਪਹਿਲਾ ਨਤੀਜਾ ਇੱਥੇ ਹੋਵੇਗਾ

ਹੇਠਾਂ ਬੇਨਤੀ ਬਣਾਓ ਅਤੇ ਆਪਣੀ API ਕੁੰਜੀ ਨਾਲ ਚਲਾਓ। ਆਉਟਪੁੱਟ ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਕਾਪੀ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਹਮੇਸ਼ਾ ਲਈ ਜਾਂ ਮੁਫ਼ਤ ਵਿੱਚ 7 ਦਿਨ ਤੱਕ ਰੱਖੇ ਜਾਂਦੇ ਹਨ।

ਰਿਕਵੈਸਟ ਬਣਾਓ

ਕੰਟਰੋਲ ਮਾਡਲ ਸਕੀਮਾ ਤੋਂ ਤਿਆਰ ਹੁੰਦੇ ਹਨ। ਤੁਸੀਂ ਬਦਲਾਅ ਕਰਦੇ ਹੀ ਕੋਡ ਅਤੇ ਕੀਮਤ ਅੱਪਡੇਟ ਹੋ ਜਾਂਦੇ ਹਨ।

•ਲੋੜੀਂਦਾ 88 / 2048

ਸਿੰਥੇਸਿਸ ਪ੍ਰੌਂਪਟ ਜਾਂ ਟੈਕਸਟ, ਜਿਸ ਵਿੱਚ ਕ੍ਰਮਵਾਰ ਆਡੀਓ ਹਵਾਲੇ ਪਹਿਲੇ ਇਨਪੁੱਟ ਲਈ @Audio1, ਦੂਜੇ ਲਈ @Audio2 ਅਤੇ ਤੀਜੇ ਲਈ @Audio3 ਵਜੋਂ ਦਰਸਾਏ ਗਏ ਹਨ।

ਡਿਫ਼ਾਲਟ 1

ਬੋਲਣ ਦੀ ਦਰ ਦਾ ਗੁਣਕ: 1.0 ਆਮ ਗਤੀ, 0.5 ਅੱਧੀ ਗਤੀ ਅਤੇ 2.0 ਦੁੱਗਣੀ ਗਤੀ ਦਿੰਦਾ ਹੈ।

ਉੱਨਤ audios · image · output_format · sample_rate · voice · volume · pitch · multilingual · enable_safety_checker
audio_urls
ਫ਼ਾਈਲ ਛੱਡੋ, ਜਾਂ · 3 ਤੱਕ

ਵੱਧ ਤੋਂ ਵੱਧ 3 URL ਰਾਹੀਂ ਹਵਾਲਾ ਆਡੀਓ ਦਿਓ। ਹਰ ਫ਼ਾਈਲ wav/mp3/pcm/ogg_opus ਫਾਰਮੈਟ ਵਿੱਚ ਅਤੇ 10 MB ਅਤੇ 30 ਸਕਿੰਟ ਦੀ ਸੀਮਾ ਵਿੱਚ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। ਪ੍ਰੌਂਪਟ ਵਿੱਚ ਕਲਿੱਪਾਂ ਦੀ ਪਛਾਣ @Audio1, @Audio2, @Audio3 ਨਾਲ ਕਰੋ।

image_url
ਫ਼ਾਈਲ ਛੱਡੋ, ਜਾਂ

ਆਡੀਓ ਹਵਾਲੇ ਨਾ ਦਿੱਤੇ ਜਾਣ 'ਤੇ ਹੀ URL ਰਾਹੀਂ ਇੱਕ ਚਿੱਤਰ ਹਵਾਲਾ ਦਿਓ। ਚਿੱਤਰ jpeg/png/webp ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ 10 MB ਤੋਂ ਵੱਧ ਨਹੀਂ ਹੋਣਾ ਚਾਹੀਦਾ।

output_format ਡਿਫ਼ਾਲਟ mp3

ਸਿਰਜੇ ਗਏ ਆਡੀਓ ਦਾ ਫਾਰਮੈਟ।

sample_rate ਡਿਫ਼ਾਲਟ 24000

ਆਉਟਪੁੱਟ ਆਡੀਓ ਦੀ Hz ਵਿੱਚ ਸੈਂਪਲਿੰਗ ਫ੍ਰੀਕਵੈਂਸੀ।

ਪ੍ਰੀਸੈੱਟ ਨਾਮ ਜਾਂ ਕਲੋਨ ਕੀਤੀ ਆਵਾਜ਼ ਲਈ ਉਸਦੀ ID ਦੇ ਕੇ ਸਿੰਥੇਸਿਸ ਆਵਾਜ਼ ਚੁਣੋ।

ਡਿਫ਼ਾਲਟ 1

ਵਾਲਿਊਮ ਦਾ ਗੁਣਕ: 1.0 ਆਮ ਵਾਲਿਊਮ, 0.5 ਅੱਧਾ ਵਾਲਿਊਮ ਅਤੇ 2.0 ਦੁੱਗਣਾ ਵਾਲਿਊਮ ਦਿੰਦਾ ਹੈ।

ਡਿਫ਼ਾਲਟ 0

ਆਵਾਜ਼ ਲਈ ਪਿਚ ਸਮਾਯੋਜਨ, ਸੈਮੀਟੋਨ ਵਿੱਚ ਮਾਪਿਆ ਜਾਂਦਾ ਹੈ: 0 ਪਿਚ ਨੂੰ ਅਪਰਿਵਰਤਿਤ ਰੱਖਦਾ ਹੈ, -12 ਇਸਨੂੰ ਇੱਕ ਆਕਟੇਵ ਹੇਠਾਂ ਕਰਦਾ ਹੈ ਅਤੇ 12 ਇੱਕ ਆਕਟੇਵ ਉੱਪਰ ਕਰਦਾ ਹੈ।

POST /run/bytedance/seed-audio-1.0?wait=20 ਕੋਟ → $0.154
# 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"

ਇਹ ਬੇਨਤੀ ਚਲਾਓ

ਤੁਹਾਡੀ key ਇਸ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਰਹਿੰਦੀ ਹੈ: ਇਹ ਸਿਰਫ਼ Doitong API ਨੂੰ ਭੇਜੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਸਿਰਫ਼ ਤਾਂ ਹੀ (localStorage) ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਹੁੰਦੀ ਹੈ ਜੇ ਤੁਸੀਂ Remember ਚੁਣੋ। API ਕੁੰਜੀ ਪ੍ਰਾਪਤ ਕਰੋ

Seed Audio 1.0 ਬਾਰੇ

2048 ਅੱਖਰਾਂ ਤੱਕ ਦੇ ਪ੍ਰੌਮਪਟ ਤੋਂ ਆਡੀਓ ਸਿੰਥੇਸਾਈਜ਼ ਕਰਦਾ ਹੈ। ਪ੍ਰੀਸੈੱਟ ਜਾਂ ਕਲੋਨ ਕੀਤੀ `voice` ਚੁਣੀ ਜਾ ਸਕਦੀ ਹੈ, ਅਤੇ ਪ੍ਰੌਮਪਟ ਵਿੱਚ @Audio1 ਤੋਂ @Audio3 ਤੱਕ 3 ਰੈਫ਼ਰੈਂਸ ਕਲਿੱਪਾਂ ਦਿੱਤੀਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ; ਇਸ ਦੀ ਥਾਂ ਇੱਕ ਰੈਫ਼ਰੈਂਸ ਚਿੱਤਰ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਪਰ ਆਡੀਓ ਦੇ ਨਾਲ ਨਹੀਂ। ਆਉਟਪੁੱਟ 8000 ਤੋਂ 48000 Hz ਤੱਕ ਦੀਆਂ ਸੈਂਪਲ ਦਰਾਂ ’ਤੇ wav, mp3, pcm ਜਾਂ ogg_opus ਹੁੰਦੀ ਹੈ। ਸਪੀਡ ਅਤੇ ਵਾਲਿਊਮ ਦੀ ਰੇਂਜ 0.5 ਤੋਂ 2 ਹੈ, ਪਿਚ -12 ਤੋਂ 12 ਸੈਮੀਟੋਨ ਤੱਕ ਬਦਲੀ ਜਾ ਸਕਦੀ ਹੈ, ਅਤੇ `multilingual` ਮਿਲੀ-ਜੁਲੀ ਭਾਸ਼ਾ ਵਾਲੇ ਟੈਕਸਟ ਲਈ ਵੈਰੀਐਂਟ ਚਾਲੂ ਕਰਦਾ ਹੈ।

ਪੈਰਾਮੀਟਰ

ਕੈਨੋਨਿਕਲ ਨਾਮ ਜਾਂ ਨੇਟਿਵ ਨਾਮ ਵਿੱਚੋਂ ਕੋਈ ਇੱਕ ਭੇਜੋ, ਦੋਵੇਂ ਨਹੀਂ। ਕੈਨੋਨਿਕਲ ਨਾਮ

ਨਾਮਕਿਸਮ ਡਿਫ਼ਾਲਟਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵੇਰਵਾ
promptਲੋੜੀਂਦਾ
ਕਿਸਮstring
≤ 2,048 ਅੱਖਰ
ਸਿੰਥੇਸਿਸ ਪ੍ਰੌਂਪਟ ਜਾਂ ਟੈਕਸਟ, ਜਿਸ ਵਿੱਚ ਕ੍ਰਮਵਾਰ ਆਡੀਓ ਹਵਾਲੇ ਪਹਿਲੇ ਇਨਪੁੱਟ ਲਈ @Audio1, ਦੂਜੇ ਲਈ @Audio2 ਅਤੇ ਤੀਜੇ ਲਈ @Audio3 ਵਜੋਂ ਦਰਸਾਏ ਗਏ ਹਨ।
voiceਵਿਕਲਪਿਕ
ਕਿਸਮstring | null
ਪ੍ਰੀਸੈੱਟ ਨਾਮ ਜਾਂ ਕਲੋਨ ਕੀਤੀ ਆਵਾਜ਼ ਲਈ ਉਸਦੀ ID ਦੇ ਕੇ ਸਿੰਥੇਸਿਸ ਆਵਾਜ਼ ਚੁਣੋ।
audio_urlsਵਿਕਲਪਿਕ audios
ਕਿਸਮurl[] · audio
≤ 3 ਆਈਟਮਾਂ
ਵੱਧ ਤੋਂ ਵੱਧ 3 URL ਰਾਹੀਂ ਹਵਾਲਾ ਆਡੀਓ ਦਿਓ। ਹਰ ਫ਼ਾਈਲ wav/mp3/pcm/ogg_opus ਫਾਰਮੈਟ ਵਿੱਚ ਅਤੇ 10 MB ਅਤੇ 30 ਸਕਿੰਟ ਦੀ ਸੀਮਾ ਵਿੱਚ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। ਪ੍ਰੌਂਪਟ ਵਿੱਚ ਕਲਿੱਪਾਂ ਦੀ ਪਛਾਣ @Audio1, @Audio2, @Audio3 ਨਾਲ ਕਰੋ।
image_urlਵਿਕਲਪਿਕ image
ਕਿਸਮurl · image
ਆਡੀਓ ਹਵਾਲੇ ਨਾ ਦਿੱਤੇ ਜਾਣ 'ਤੇ ਹੀ URL ਰਾਹੀਂ ਇੱਕ ਚਿੱਤਰ ਹਵਾਲਾ ਦਿਓ। ਚਿੱਤਰ jpeg/png/webp ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ 10 MB ਤੋਂ ਵੱਧ ਨਹੀਂ ਹੋਣਾ ਚਾਹੀਦਾ।
output_formatਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟmp3
wavmp3pcmogg_opus
ਸਿਰਜੇ ਗਏ ਆਡੀਓ ਦਾ ਫਾਰਮੈਟ।
sample_rateਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟ24000
80001600024000320004410048000
ਆਉਟਪੁੱਟ ਆਡੀਓ ਦੀ Hz ਵਿੱਚ ਸੈਂਪਲਿੰਗ ਫ੍ਰੀਕਵੈਂਸੀ।
speedਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ1
0.5 – 2
ਬੋਲਣ ਦੀ ਦਰ ਦਾ ਗੁਣਕ: 1.0 ਆਮ ਗਤੀ, 0.5 ਅੱਧੀ ਗਤੀ ਅਤੇ 2.0 ਦੁੱਗਣੀ ਗਤੀ ਦਿੰਦਾ ਹੈ।
volumeਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ1
0.5 – 2
ਵਾਲਿਊਮ ਦਾ ਗੁਣਕ: 1.0 ਆਮ ਵਾਲਿਊਮ, 0.5 ਅੱਧਾ ਵਾਲਿਊਮ ਅਤੇ 2.0 ਦੁੱਗਣਾ ਵਾਲਿਊਮ ਦਿੰਦਾ ਹੈ।
pitchਵਿਕਲਪਿਕ
ਕਿਸਮinteger
ਡਿਫ਼ਾਲਟ0
-12 – 12
ਆਵਾਜ਼ ਲਈ ਪਿਚ ਸਮਾਯੋਜਨ, ਸੈਮੀਟੋਨ ਵਿੱਚ ਮਾਪਿਆ ਜਾਂਦਾ ਹੈ: 0 ਪਿਚ ਨੂੰ ਅਪਰਿਵਰਤਿਤ ਰੱਖਦਾ ਹੈ, -12 ਇਸਨੂੰ ਇੱਕ ਆਕਟੇਵ ਹੇਠਾਂ ਕਰਦਾ ਹੈ ਅਤੇ 12 ਇੱਕ ਆਕਟੇਵ ਉੱਪਰ ਕਰਦਾ ਹੈ।
multilingualਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟfalse
ਮਾਡਲ ਰੂਪ ਦੀ ਚੋਣ: ਬਹੁਭਾਸ਼ੀ ਰੂਪ ਚਾਲੂ ਕਰਨ ਨਾਲ ਪ੍ਰੌਂਪਟ ਵਿੱਚ ਭਾਸ਼ਾਵਾਂ ਮਿਲੀਆਂ ਹੋਣ ਜਾਂ ਅੰਗਰੇਜ਼ੀ ਤੋਂ ਇਲਾਵਾ ਕੋਈ ਹੋਰ ਭਾਸ਼ਾ ਵਰਤੀ ਗਈ ਹੋਣ 'ਤੇ ਪ੍ਰਕਿਰਿਆ ਬਿਹਤਰ ਹੁੰਦੀ ਹੈ।
enable_safety_checkerਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟtrue
false ਸੈੱਟ ਕਰਕੇ ਸਕ੍ਰੀਨਿੰਗ ਨੂੰ ਢਿੱਲਾ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਜੇ ਕਾਲਰ ਅਧਿਕਾਰਤ ਹੋਵੇ।
ਲੋੜੀਂਦਾ ਕੈਨੋਨਿਕਲ ਨਾਮ, ਇਹ ਵੀ ਸਵੀਕਾਰਿਆ ਜਾਂਦਾ ਹੈ

ਫ਼ਾਈਲ ਪੈਰਾਮੀਟਰ ਜਨਤਕ https:// URL, 10 MB ਤੱਕ ਦਾ data: URI, ਜਾਂ ਅੱਪਲੋਡ ਦੇ file_url ਨੂੰ ਸਵੀਕਾਰਦੇ ਹਨ। ਫ਼ਾਈਲਾਂ

ਆਉਟਪੁੱਟ

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"
  }
}
ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ, ਤੁਹਾਡੀ ਚੋਣਹਰ outputs[].url ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਇੱਕ ਕਾਪੀ ਹੈ: ਹਮੇਸ਼ਾ ਲਈ ਰੱਖੀ ਜਾਂਦੀ ਹੈ (ਪ੍ਰਤੀ GB-ਮਹੀਨਾ ਭੁਗਤਾਨ) ਜਾਂ 7 ਦਿਨ ਤੱਕ ਮੁਫ਼ਤ, ਤੁਹਾਡੀ ਖਾਤਾ ਸੈਟਿੰਗ ਜਾਂ ?storage= ਅਨੁਸਾਰ।
ਹਰ ਮਾਡਲ ’ਤੇ ਇੱਕੋ ਜਿਹਾ ਰੂਪਤਸਵੀਰਾਂ, ਵੀਡੀਓ ਅਤੇ ਆਡੀਓ ਸਭ ਲਈ type, url, content_type, width, height ਅਤੇ duration। output ਮਾਡਲ ਦਾ ਆਪਣਾ ਨਤੀਜਾ ਆਬਜੈਕਟ ਹੈ।
ਆਉਟਪੁੱਟ ਦੇ ਫ਼ੀਲਡ
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}ਸਿਰਜਣਾ ਨਾਲ ਤਿਆਰ ਕੀਤੀ ਆਡੀਓ ਫ਼ਾਈਲ।

AI ਏਜੰਟਾਂ ਲਈ: ਇਹ ਪੰਨਾ Markdown ਵਜੋਂ ਇੱਥੇ ਹੈ https://doitong.com/pa/developers/models/bytedance/seed-audio-1.0.md. ਸਾਰੇ ਮਾਡਲ ਅਤੇ ਗਾਈਡ: https://doitong.com/developers/llms.txt