Hoppa till innehåll

Bytedance Seed Speech Text to Speech

Integrera

Modell-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"

Den här begäran: 0,002 $ 2 API-krediter · ≈ 0,22 ₽ Kör den på den här sidan

Hämta API-nyckel
ByteDance Text till tal Läppsynkning #stylized#transform#lipsync

Text-till-tal med många förinställda röster, kontroll av hastighet, tonhöjd och volym samt instruktioner för talstil

ByteDance · Ljud

Ditt första resultat visas här

Skapa en begäran nedan och kör den med din API-nyckel. Utdata kopieras till vår lagring och sparas för alltid eller 7 dagar kostnadsfritt.

Skapa en begäran

Kontrollerna genereras från modellschemat. Koden och priset uppdateras när du ändrar dem.

•obligatoriskt 50 / 5000

Text som ska konverteras till syntetiserat tal.

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

Valfri instruktion för naturligt språkframförande, till exempel 'Tala med en glad ton' eller 'Kan du tala lite långsammare?'. Den kan styra ton, känsla, volym och tempo.

output_format standard mp3

Kodning av ljudutdata: 'mp3' producerar MP3, medan 'opus' producerar Opus paketerat i en Ogg-container.

sample_rate standard 24000

Samplingsfrekvens i Hz för ljudutdata.

standard stokie_en

Förinställning för syntesröst, identifierad av ett namn som även innehåller koder för språk som stöds. Språkstöd kan vara oberoende, som med 'en_zh', eller tillåta sömlös blandning av engelska och kinesiska, vilket anges med 'mixed_en_zh'.

Åsidosättning av lässpråk: när värdet utelämnas sker identifieringen automatiskt och tvåspråkiga röster kan blanda kinesiska och engelska sömlöst; när värdet anges inaktiveras identifieringen och läsningen begränsas till ett språk. Välj kinesiska med zh, engelska med en, japanska med ja, mexikansk spanska med es-mx, indonesiska med id, brasiliansk portugisiska med pt-br, koreanska med ko, italienska med it, tyska med de eller franska med fr.

standard 1

Multiplikator för talhastighet: 1.0 ger normal hastighet, 0.5 ger halva hastigheten och 2.0 ger dubbla hastigheten.

standard 1

Volymmultiplikator: 1.0 ger normal volym, 0.5 ger halva volymen och 2.0 ger dubbla volymen.

standard 0

Tonhöjdsjustering för rösten, mätt i halvtoner: 0 lämnar tonhöjden oförändrad, -12 sänker den en oktav och 12 höjer den en oktav.

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

Kör den här begäran

Din nyckel stannar i den här webbläsaren: den skickas endast till Doitong API och sparas endast i localStorage om du markerar Kom ihåg. Hämta en API-nyckel

Om Bytedance Seed Speech Text to Speech

Konverterar upp till 5000 tecken i `text` till ljud. Välj en `voice` och ange vid behov ett `language`, eller använd automatisk identifiering. `speed` och `volume` går från 0.5 till 2, `pitch` ändras från -12 till 12 halvtoner och `voice_instruction` styr framförandet. Utdata är mp3 eller opus med samplingsfrekvenser från 8000 till 48000 Hz.

Parametrar

NamnTyp StandardTillåtna Beskrivning
textobligatoriskt
Typstring
≤ 5 000 tecken
Text som ska konverteras till syntetiserat tal.
voicevalfritt
Typenum
Standardstokie_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 tillalina_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
Förinställning för syntesröst, identifierad av ett namn som även innehåller koder för språk som stöds. Språkstöd kan vara oberoende, som med 'en_zh', eller tillåta sömlös blandning av engelska och kinesiska, vilket anges med 'mixed_en_zh'.
output_formatvalfritt
Typenum
Standardmp3
mp3opus
Kodning av ljudutdata: 'mp3' producerar MP3, medan 'opus' producerar Opus paketerat i en Ogg-container.
sample_ratevalfritt
Typenum
Standard24000
8000160002205024000320004410048000
Samplingsfrekvens i Hz för ljudutdata.
speedvalfritt
Typnumber
Standard1
0,5 – 2
Multiplikator för talhastighet: 1.0 ger normal hastighet, 0.5 ger halva hastigheten och 2.0 ger dubbla hastigheten.
volumevalfritt
Typnumber
Standard1
0,5 – 2
Volymmultiplikator: 1.0 ger normal volym, 0.5 ger halva volymen och 2.0 ger dubbla volymen.
pitchvalfritt
Typinteger
Standard0
−12 – 12
Tonhöjdsjustering för rösten, mätt i halvtoner: 0 lämnar tonhöjden oförändrad, -12 sänker den en oktav och 12 höjer den en oktav.
languagevalfritt
Typenum
zhenjaes-mxidpt-brkoitdefr
Åsidosättning av lässpråk: när värdet utelämnas sker identifieringen automatiskt och tvåspråkiga röster kan blanda kinesiska och engelska sömlöst; när värdet anges inaktiveras identifieringen och läsningen begränsas till ett språk. Välj kinesiska med zh, engelska med en, japanska med ja, mexikansk spanska med es-mx, indonesiska med id, brasiliansk portugisiska med pt-br, koreanska med ko, italienska med it, tyska med de eller franska med fr.
voice_instructionvalfritt
Typstring | null
Valfri instruktion för naturligt språkframförande, till exempel 'Tala med en glad ton' eller 'Kan du tala lite långsammare?'. Den kan styra ton, känsla, volym och tempo.
obligatoriskt

Resultat

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"
  }
}
Dina filer, ditt valVarje outputs[].url är en kopia i vår lagring: sparad för alltid (debiteras per GB-månad) eller 7 dagar kostnadsfritt, enligt din kontoinställning eller ?storage=.
Samma struktur för varje modelltype, url, content_type, width, height och duration, för bilder, video och ljud. output är modellens eget resultatobjekt.
Resultatets fält
audio
object {url, content_type, file_name, file_size}Ljudfil som skapats genom generering.

För AI-agenter: den här sidan som Markdown finns på https://doitong.com/sv/developers/models/bytedance/seed-speech/tts/v2.md. Alla modeller och guider: https://doitong.com/developers/llms.txt