உள்ளடக்கத்திற்குச் செல்க

Bytedance Seed Speech Text to Speech

ஒருங்கிணை

மாடல் 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"

இந்தக் கோரிக்கை: $0.002 2 API கிரெடிட்கள் · ≈ ₽0.22 இந்தப் பக்கத்தில் இயக்குங்கள்

API விசையைப் பெறுக
ByteDance உரையிலிருந்து பேச்சிற்கு உதட்டு ஒத்திசைவு #stylized#transform#lipsync

பல முன்னமைக்கப்பட்ட குரல்கள், வேகம், சுருதி மற்றும் ஒலி அளவுக் கட்டுப்பாடு, பேச்சு பாணி வழிமுறைகளுடன் உரையிலிருந்து பேச்சு

ByteDance · ஆடியோ

உங்கள் முதல் முடிவு இங்கே வரும்

கீழே ஒரு கோரிக்கையை உருவாக்கி, உங்கள் API விசையுடன் இயக்குங்கள். வெளியீடுகள் எங்கள் சேமிப்பகத்தில் நகலெடுக்கப்பட்டு, நிரந்தரமாக அல்லது இலவசமாக 7 நாட்கள் வைக்கப்படும்.

கோரிக்கையை உருவாக்கு

மாடல் ஸ்கீமாவிலிருந்து கட்டுப்பாடுகள் உருவாக்கப்படுகின்றன. அவற்றை மாற்றும்போது குறியீடும் விலையும் புதுப்பிக்கப்படும்.

•தேவை 50 / 5000

தொகுக்கப்பட்ட பேச்சாக மாற்ற வேண்டிய உரை.

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

'Speak in a cheerful tone' அல்லது 'Could you speak a bit slower?' போன்ற விருப்பமான இயல்புமொழி வழங்கல் வழிமுறை. இது தொனி, உணர்ச்சி, ஒலி அளவு மற்றும் வேகத்தை வழிநடத்தலாம்.

output_format இயல்புநிலை mp3

ஆடியோ வெளியீட்டு குறியாக்கம்: 'mp3' MP3-ஐ உருவாக்கும், 'opus' Ogg container-இல் தொகுக்கப்பட்ட Opus-ஐ உருவாக்கும்.

sample_rate இயல்புநிலை 24000

வெளியீட்டு ஆடியோவின் Hz-இல் அளவிடப்படும் மாதிரி அதிர்வெண்.

இயல்புநிலை stokie_en

ஆதரிக்கப்படும் மொழிக் குறியீடுகளையும் உள்ளடக்கும் பெயரால் அடையாளப்படுத்தப்படும் தொகுப்பு குரல் முன்னமைவு. 'en_zh' போல மொழி ஆதரவு தனித்தனியாக இருக்கலாம் அல்லது 'mixed_en_zh' எனக் குறிக்கப்படும் தடையற்ற ஆங்கிலம்–சீனம் கலப்பை அனுமதிக்கலாம்.

வாசிப்பு மொழி மேலெழுதல்: விடப்பட்டால் கண்டறிதல் தானாக நடைபெறும்; இருமொழிக் குரல்கள் சீனத்தையும் ஆங்கிலத்தையும் தடையின்றிக் கலக்கலாம். வழங்கப்பட்டால், கண்டறிதல் முடக்கப்பட்டு வாசிப்பு ஒரே மொழிக்கு வரையறுக்கப்படும். சீனத்திற்கு zh, ஆங்கிலத்திற்கு en, ஜப்பானியத்திற்கு ja, மெக்சிகன் ஸ்பானிஷுக்கு es-mx, இந்தோனேசியத்திற்கு id, பிரேசிலிய போர்ச்சுகீசியத்திற்கு pt-br, கொரியத்திற்கு ko, இத்தாலியத்திற்கு it, ஜெர்மனுக்கு de அல்லது பிரெஞ்சுக்கு fr தேர்ந்தெடுக்கவும்.

இயல்புநிலை 1

பேச்சு வேகப் பெருக்கி: 1.0 இயல்பான வேகத்தையும், 0.5 பாதி வேகத்தையும், 2.0 இருமடங்கு வேகத்தையும் வழங்கும்.

இயல்புநிலை 1

ஒலி அளவுப் பெருக்கி: 1.0 இயல்பான ஒலி அளவையும், 0.5 பாதி ஒலி அளவையும், 2.0 இருமடங்கு ஒலி அளவையும் வழங்கும்.

இயல்புநிலை 0

குரலுக்கான சுருதி மாற்றம், semitones-இல் அளவிடப்படுகிறது: 0 சுருதியை மாற்றாமல் விடும், -12 ஒரு octave கீழிறக்கும், 12 ஒரு octave மேலேற்றும்.

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

இந்தக் கோரிக்கையை இயக்கு

உங்கள் key இந்த உலாவியில் மட்டுமே இருக்கும்: அது Doitong API-க்கு மட்டும் அனுப்பப்படும்; Remember-ஐத் தேர்ந்தெடுத்தால் மட்டுமே (localStorage)-ல் சேமிக்கப்படும். API விசையைப் பெறுங்கள்

Bytedance Seed Speech Text to Speech பற்றி

`text` இன் 5000 எழுத்துகள் வரை ஆடியோவாக மாற்றுகிறது. `voice`-ஐத் தேர்ந்தெடுக்கலாம்; விருப்பமாக `language`-ஐக் கட்டாயப்படுத்தலாம் அல்லது தானியங்கி கண்டறிதலை இயக்கலாம். `speed` மற்றும் `volume` 0.5 முதல் 2 வரை; `pitch` -12 முதல் 12 செமிடோன் வரை மாறும்; `voice_instruction` வழங்கும் முறையை வழிநடத்துகிறது. வெளியீடு 8000 முதல் 48000 Hz மாதிரி வீதத்தில் mp3 அல்லது opus ஆக இருக்கும்.

அளவுருக்கள்

பெயர்வகை இயல்புநிலைஅனுமதிக்கப்பட்டது விளக்கம்
textதேவை
வகைstring
≤ 5,000 எழுத்துகள்
தொகுக்கப்பட்ட பேச்சாக மாற்ற வேண்டிய உரை.
voiceவிருப்பத்தேர்வு
வகைenum
இயல்புநிலைstokie_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 மேலும்alina_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
ஆதரிக்கப்படும் மொழிக் குறியீடுகளையும் உள்ளடக்கும் பெயரால் அடையாளப்படுத்தப்படும் தொகுப்பு குரல் முன்னமைவு. 'en_zh' போல மொழி ஆதரவு தனித்தனியாக இருக்கலாம் அல்லது 'mixed_en_zh' எனக் குறிக்கப்படும் தடையற்ற ஆங்கிலம்–சீனம் கலப்பை அனுமதிக்கலாம்.
output_formatவிருப்பத்தேர்வு
வகைenum
இயல்புநிலைmp3
mp3opus
ஆடியோ வெளியீட்டு குறியாக்கம்: 'mp3' MP3-ஐ உருவாக்கும், 'opus' Ogg container-இல் தொகுக்கப்பட்ட Opus-ஐ உருவாக்கும்.
sample_rateவிருப்பத்தேர்வு
வகைenum
இயல்புநிலை24000
8000160002205024000320004410048000
வெளியீட்டு ஆடியோவின் Hz-இல் அளவிடப்படும் மாதிரி அதிர்வெண்.
speedவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை1
0.5 – 2
பேச்சு வேகப் பெருக்கி: 1.0 இயல்பான வேகத்தையும், 0.5 பாதி வேகத்தையும், 2.0 இருமடங்கு வேகத்தையும் வழங்கும்.
volumeவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை1
0.5 – 2
ஒலி அளவுப் பெருக்கி: 1.0 இயல்பான ஒலி அளவையும், 0.5 பாதி ஒலி அளவையும், 2.0 இருமடங்கு ஒலி அளவையும் வழங்கும்.
pitchவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை0
-12 – 12
குரலுக்கான சுருதி மாற்றம், semitones-இல் அளவிடப்படுகிறது: 0 சுருதியை மாற்றாமல் விடும், -12 ஒரு octave கீழிறக்கும், 12 ஒரு octave மேலேற்றும்.
languageவிருப்பத்தேர்வு
வகைenum
zhenjaes-mxidpt-brkoitdefr
வாசிப்பு மொழி மேலெழுதல்: விடப்பட்டால் கண்டறிதல் தானாக நடைபெறும்; இருமொழிக் குரல்கள் சீனத்தையும் ஆங்கிலத்தையும் தடையின்றிக் கலக்கலாம். வழங்கப்பட்டால், கண்டறிதல் முடக்கப்பட்டு வாசிப்பு ஒரே மொழிக்கு வரையறுக்கப்படும். சீனத்திற்கு zh, ஆங்கிலத்திற்கு en, ஜப்பானியத்திற்கு ja, மெக்சிகன் ஸ்பானிஷுக்கு es-mx, இந்தோனேசியத்திற்கு id, பிரேசிலிய போர்ச்சுகீசியத்திற்கு pt-br, கொரியத்திற்கு ko, இத்தாலியத்திற்கு it, ஜெர்மனுக்கு de அல்லது பிரெஞ்சுக்கு fr தேர்ந்தெடுக்கவும்.
voice_instructionவிருப்பத்தேர்வு
வகைstring | null
'Speak in a cheerful tone' அல்லது 'Could you speak a bit slower?' போன்ற விருப்பமான இயல்புமொழி வழங்கல் வழிமுறை. இது தொனி, உணர்ச்சி, ஒலி அளவு மற்றும் வேகத்தை வழிநடத்தலாம்.
தேவை

வெளியீடு

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"
  }
}
உங்கள் கோப்புகள், உங்கள் தேர்வுஒவ்வொரு outputs[].url-ம் எங்கள் சேமிப்பகத்தில் உள்ள ஒரு நகல்: நிரந்தரமாக (GB-மாதத்திற்கு கட்டணம்) அல்லது உங்கள் கணக்கு அமைப்பு அல்லது ?storage= மூலம் இலவசமாக 7 நாட்கள் வைக்கப்படும்.
ஒவ்வொரு மாடலிலும் ஒரே வடிவம்படங்கள், வீடியோ மற்றும் ஆடியோ ஆகிய அனைத்திற்குமான type, url, content_type, width, height மற்றும் duration. output என்பது மாதிரியின் சொந்த முடிவு பொருளாகும்.
வெளியீட்டின் புலங்கள்
audio
object {url, content_type, file_name, file_size}உருவாக்கத்தால் தயாரிக்கப்படும் ஆடியோ கோப்பு.

AI ஏஜெண்டுகளுக்கு: இந்தப் பக்கம் Markdown வடிவில் இங்கே உள்ளது https://doitong.com/ta/developers/models/bytedance/seed-speech/tts/v2.md. அனைத்து மாடல்களும் வழிகாட்டிகளும்: https://doitong.com/developers/llms.txt