Ruka hadi kwenye maudhui

Bytedance Seed Speech Text to Speech

Unganisha

Kitambulisho cha modeli 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"

Ombi hili: $ 0.002 salio za API 2 · ≈ ₽ 0.22 Iendeshe kwenye ukurasa huu

Pata ufunguo wa API
ByteDance Maandishi hadi Matamshi Usawazishaji wa midomo #stylized#transform#lipsync

Maandishi-hadi-usemi yenye sauti nyingi za awali, udhibiti wa kasi, toni na sauti, pamoja na maagizo ya mtindo wa kuzungumza

ByteDance · Sauti

Tokeo lako la kwanza linaonekana hapa

Unda ombi hapa chini na uliendeshe kwa ufunguo wako wa API. Matokeo yanakiliwa kwenye hifadhi yetu, yakihifadhiwa milele au 7 siku bila malipo.

Unda ombi

Vidhibiti vinazalishwa kutoka kwenye schema ya modeli. Msimbo na bei husasishwa unapovibadilisha.

•inahitajika 50 / 5000

Maandishi ya kubadilishwa kuwa usemi uliosanisishwa.

Ya kina voice_instruction · output_format · sample_rate · voice · language · speed · volume · pitch

Maelekezo ya hiari ya utoaji kwa lugha asilia, kama 'Speak in a cheerful tone' au 'Could you speak a bit slower?'. Yanaweza kuelekeza toni, hisia, sauti na kasi.

output_format chaguomsingi mp3

Usimbaji wa sauti ya tokeo: 'mp3' huzalisha MP3, huku 'opus' ikizalisha Opus iliyofungashwa katika kontena la Ogg.

sample_rate chaguomsingi 24000

Marudio ya sampuli katika Hz kwa sauti ya tokeo.

chaguomsingi stokie_en

Sauti ya usanisi iliyowekwa awali, inayotambuliwa kwa jina linalojumuisha pia misimbo ya lugha zinazotumika. Usaidizi wa lugha unaweza kuwa huru, kama ilivyo kwa 'en_zh', au kuruhusu mchanganyiko laini wa English–Chinese, unaoonyeshwa na 'mixed_en_zh'.

Ubadilishaji wa lugha ya usomaji: usipojumuishwa, utambuzi hufanyika kiotomatiki na sauti za lugha mbili zinaweza kuchanganya Chinese na English bila kukatika; ukitolewa, huzima utambuzi na kuzuia usomaji kwa lugha moja. Chagua Chinese kwa zh, English kwa en, Japanese kwa ja, Mexican Spanish kwa es-mx, Indonesian kwa id, Brazilian Portuguese kwa pt-br, Korean kwa ko, Italian kwa it, German kwa de, au French kwa fr.

chaguomsingi 1

Kizidishi cha kasi ya usemi: 1.0 hutoa kasi ya kawaida, 0.5 nusu ya kasi, na 2.0 mara mbili ya kasi.

chaguomsingi 1

Kizidishi cha sauti: 1.0 hutoa sauti ya kawaida, 0.5 nusu ya sauti, na 2.0 mara mbili ya sauti.

chaguomsingi 0

Marekebisho ya toni ya sauti, yakipimwa kwa semitoni: 0 huacha toni bila kubadilika, -12 huishusha kwa oktava moja, na 12 huipandisha kwa oktava moja.

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

Endesha ombi hili

Key yako inabaki kwenye kivinjari hiki: inatumwa kwa Doitong API pekee na kuhifadhiwa (localStorage) tu ukiweka tiki kwenye Kumbuka. Pata ufunguo wa API

Kuhusu Bytedance Seed Speech Text to Speech

Hubadilisha hadi herufi 5000 za `text` kuwa sauti. Chagua `voice`, na kwa hiari lazimisha `language` au uache utambuzi wa kiotomatiki ukiwa umewashwa. `speed` na `volume` huanzia 0.5 hadi 2, `pitch` hubadilika kutoka -12 hadi 12 semitoni, na `voice_instruction` huongoza uwasilishaji. Tokeo ni mp3 au opus kwa viwango vya sampuli kutoka 8000 hadi 48000 Hz.

Vigezo

JinaAina ChaguomsingiInaruhusiwa Maelezo
textinahitajika
Ainastring
≤ herufi 5,000
Maandishi ya kubadilishwa kuwa usemi uliosanisishwa.
voicesi lazima
Ainaenum
Chaguomsingistokie_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 zaidialina_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
Sauti ya usanisi iliyowekwa awali, inayotambuliwa kwa jina linalojumuisha pia misimbo ya lugha zinazotumika. Usaidizi wa lugha unaweza kuwa huru, kama ilivyo kwa 'en_zh', au kuruhusu mchanganyiko laini wa English–Chinese, unaoonyeshwa na 'mixed_en_zh'.
output_formatsi lazima
Ainaenum
Chaguomsingimp3
mp3opus
Usimbaji wa sauti ya tokeo: 'mp3' huzalisha MP3, huku 'opus' ikizalisha Opus iliyofungashwa katika kontena la Ogg.
sample_ratesi lazima
Ainaenum
Chaguomsingi24000
8000160002205024000320004410048000
Marudio ya sampuli katika Hz kwa sauti ya tokeo.
speedsi lazima
Ainanumber
Chaguomsingi1
0.5 – 2
Kizidishi cha kasi ya usemi: 1.0 hutoa kasi ya kawaida, 0.5 nusu ya kasi, na 2.0 mara mbili ya kasi.
volumesi lazima
Ainanumber
Chaguomsingi1
0.5 – 2
Kizidishi cha sauti: 1.0 hutoa sauti ya kawaida, 0.5 nusu ya sauti, na 2.0 mara mbili ya sauti.
pitchsi lazima
Ainainteger
Chaguomsingi0
-12 – 12
Marekebisho ya toni ya sauti, yakipimwa kwa semitoni: 0 huacha toni bila kubadilika, -12 huishusha kwa oktava moja, na 12 huipandisha kwa oktava moja.
languagesi lazima
Ainaenum
zhenjaes-mxidpt-brkoitdefr
Ubadilishaji wa lugha ya usomaji: usipojumuishwa, utambuzi hufanyika kiotomatiki na sauti za lugha mbili zinaweza kuchanganya Chinese na English bila kukatika; ukitolewa, huzima utambuzi na kuzuia usomaji kwa lugha moja. Chagua Chinese kwa zh, English kwa en, Japanese kwa ja, Mexican Spanish kwa es-mx, Indonesian kwa id, Brazilian Portuguese kwa pt-br, Korean kwa ko, Italian kwa it, German kwa de, au French kwa fr.
voice_instructionsi lazima
Ainastring | null
Maelekezo ya hiari ya utoaji kwa lugha asilia, kama 'Speak in a cheerful tone' au 'Could you speak a bit slower?'. Yanaweza kuelekeza toni, hisia, sauti na kasi.
inahitajika

Tokeo

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"
  }
}
Faili zako, chaguo lakoKila outputs[].url ni nakala kwenye hifadhi yetu: huhifadhiwa milele (hutozwa kwa GB kwa mwezi) au 7 siku bila malipo, kulingana na mpangilio wa akaunti yako au ?storage=.
Muundo uleule kwenye kila modelitype, url, content_type, width, height na duration, kwa picha, video na sauti. output ni kitu cha matokeo cha modeli yenyewe.
Sehemu za tokeo
audio
object {url, content_type, file_name, file_size}Faili ya sauti iliyozalishwa.

Kwa mawakala wa AI: ukurasa huu katika Markdown unapatikana kwenye https://doitong.com/sw/developers/models/bytedance/seed-speech/tts/v2.md. Modeli na miongozo yote: https://doitong.com/developers/llms.txt