مواد پر جائیں

Bytedance Seed Speech Text to Speech

انٹیگریٹ کریں

ماڈل 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"

یہ درخواست: ⁨$0.002⁩ 2 API کریڈٹس · ≈ ⁨₽0.22⁩ اس صفحے پر چلائیں

API کلید حاصل کریں
ByteDance متن سے آواز لِپ سنک #stylized#transform#lipsync

متن سے تقریر، متعدد پری سیٹ آوازوں، رفتار، پچ، والیوم اور بولنے کے انداز کی ہدایات کے ساتھ

ByteDance · آڈیو

آپ کا پہلا نتیجہ یہاں آئے گا

ذیل میں درخواست بنائیں اور اپنی API کلید کے ساتھ چلائیں۔ آؤٹ پٹس ہمارے اسٹوریج میں کاپی ہو جاتے ہیں، ہمیشہ کے لیے یا مفت میں 7 دن تک محفوظ رہتے ہیں۔

درخواست بنائیں

کنٹرولز ماڈل اسکیما سے تیار ہوتے ہیں۔ آپ کے بدلنے کے ساتھ کوڈ اور قیمت اپ ڈیٹ ہوتے ہیں۔

•لازمی 50 / 5000

ترکیب شدہ تقریر میں تبدیل کیا جانے والا متن۔

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

اختیاری قدرتی زبان کی delivery instruction، جیسے 'Speak in a cheerful tone' یا 'Could you speak a bit slower?'. یہ tone، emotion، volume اور pace کی ہدایت دے سکتی ہے۔

output_format ڈیفالٹ mp3

آڈیو آؤٹ پٹ encoding: 'mp3'، MP3 بناتا ہے جبکہ 'opus'، Ogg container میں پیک کیا ہوا Opus بناتا ہے۔

sample_rate ڈیفالٹ 24000

آؤٹ پٹ آڈیو کی Hz میں sampling frequency۔

ڈیفالٹ stokie_en

تخلیق کی آواز کا preset، جس کے نام میں معاون زبانوں کے codes بھی شامل ہوتے ہیں۔ زبان کی معاونت الگ ہو سکتی ہے، جیسے 'en_zh'، یا English–Chinese کے ہموار امتزاج کی اجازت دے سکتی ہے، جسے 'mixed_en_zh' ظاہر کرتا ہے۔

مطالعے کی زبان کو override کرنا: نہ دینے پر detection خودکار ہوتی ہے اور bilingual voices چینی و English کو ہموار انداز میں ملا سکتی ہیں؛ دینے پر detection غیر فعال ہو جاتی ہے اور مطالعہ ایک زبان تک محدود رہتا ہے۔ چینی کے لیے zh، English کے لیے en، Japanese کے لیے ja، Mexican Spanish کے لیے es-mx، Indonesian کے لیے id، Brazilian Portuguese کے لیے pt-br، Korean کے لیے ko، Italian کے لیے it، German کے لیے de یا French کے لیے fr منتخب کریں۔

ڈیفالٹ 1

گفتگو کی رفتار کا ملٹی پلائر: 1.0 معمول کی رفتار، 0.5 نصف رفتار اور 2.0 دوگنی رفتار دیتا ہے۔

ڈیفالٹ 1

حجم کا ملٹی پلائر: 1.0 معمول کا حجم، 0.5 نصف حجم اور 2.0 دوگنا حجم دیتا ہے۔

ڈیفالٹ 0

آواز کی pitch میں semitones کے لحاظ سے تبدیلی: 0 pitch برقرار رکھتا ہے، -12 اسے ایک octave نیچے اور 12 ایک octave اوپر کرتا ہے۔

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

یہ درخواست چلائیں

آپ کی key اسی براؤزر میں رہتی ہے: یہ صرف Doitong API کو بھیجی جاتی ہے اور صرف اس صورت میں localStorage میں محفوظ ہوتی ہے جب آپ Remember منتخب کریں۔ API کلید حاصل کریں

Bytedance Seed Speech Text to Speech کے بارے میں

`text` کے زیادہ سے زیادہ 5000 حروف کو آڈیو میں تبدیل کرتا ہے۔ `voice` منتخب کریں، اور اختیاری طور پر `language` مقرر کریں یا خودکار شناخت فعال رہنے دیں۔ `speed` اور `volume` 0.5 سے 2 تک، `pitch` -12 سے 12 سیمی ٹونز تک تبدیل ہوتا ہے، اور `voice_instruction` ادائیگی کے انداز کو کنٹرول کرتا ہے۔ آؤٹ پٹ 8000 سے 48000 Hz تک کی سیمپل ریٹس پر mp3 یا opus ہوتی ہے۔

پیرامیٹرز

نامقسم ڈیفالٹمجاز تفصیل
textلازمی
قسمstring
≤ 5,000 کریکٹرز
ترکیب شدہ تقریر میں تبدیل کیا جانے والا متن۔
voiceاختیاری
قسمenum
ڈیفالٹstokie_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 مزیدalina_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
تخلیق کی آواز کا preset، جس کے نام میں معاون زبانوں کے codes بھی شامل ہوتے ہیں۔ زبان کی معاونت الگ ہو سکتی ہے، جیسے 'en_zh'، یا English–Chinese کے ہموار امتزاج کی اجازت دے سکتی ہے، جسے 'mixed_en_zh' ظاہر کرتا ہے۔
output_formatاختیاری
قسمenum
ڈیفالٹmp3
mp3opus
آڈیو آؤٹ پٹ encoding: 'mp3'، MP3 بناتا ہے جبکہ 'opus'، Ogg container میں پیک کیا ہوا Opus بناتا ہے۔
sample_rateاختیاری
قسمenum
ڈیفالٹ24000
8000160002205024000320004410048000
آؤٹ پٹ آڈیو کی Hz میں sampling frequency۔
speedاختیاری
قسمnumber
ڈیفالٹ1
0.5 – 2
گفتگو کی رفتار کا ملٹی پلائر: 1.0 معمول کی رفتار، 0.5 نصف رفتار اور 2.0 دوگنی رفتار دیتا ہے۔
volumeاختیاری
قسمnumber
ڈیفالٹ1
0.5 – 2
حجم کا ملٹی پلائر: 1.0 معمول کا حجم، 0.5 نصف حجم اور 2.0 دوگنا حجم دیتا ہے۔
pitchاختیاری
قسمinteger
ڈیفالٹ0
-12 – 12
آواز کی pitch میں semitones کے لحاظ سے تبدیلی: 0 pitch برقرار رکھتا ہے، -12 اسے ایک octave نیچے اور 12 ایک octave اوپر کرتا ہے۔
languageاختیاری
قسمenum
zhenjaes-mxidpt-brkoitdefr
مطالعے کی زبان کو override کرنا: نہ دینے پر detection خودکار ہوتی ہے اور bilingual voices چینی و English کو ہموار انداز میں ملا سکتی ہیں؛ دینے پر detection غیر فعال ہو جاتی ہے اور مطالعہ ایک زبان تک محدود رہتا ہے۔ چینی کے لیے zh، English کے لیے en، Japanese کے لیے ja، Mexican Spanish کے لیے es-mx، Indonesian کے لیے id، Brazilian Portuguese کے لیے pt-br، Korean کے لیے ko، Italian کے لیے it، German کے لیے de یا French کے لیے fr منتخب کریں۔
voice_instructionاختیاری
قسمstring | null
اختیاری قدرتی زبان کی delivery instruction، جیسے 'Speak in a cheerful tone' یا 'Could you speak a bit slower?'. یہ tone، emotion، volume اور pace کی ہدایت دے سکتی ہے۔
لازمی

آؤٹ پٹ

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"
  }
}
آپ کی فائلیں، آپ کا انتخابہر outputs[].url ہمارے اسٹوریج میں ایک کاپی ہے: ہمیشہ کے لیے محفوظ (فی GB-ماہ ادائیگی) یا مفت میں 7 دن تک، آپ کی اکاؤنٹ سیٹنگ یا ?storage= کے مطابق۔
ہر ماڈل میں ایک جیسی ساختtype، url، content_type، width، height اور duration، تصاویر، ویڈیو اور آڈیو سب کے لیے یکساں۔ output ماڈل کا اپنا نتیجہ آبجیکٹ ہے۔
آؤٹ پٹ کے فیلڈز
audio
object {url, content_type, file_name, file_size}تخلیق سے تیار کردہ آڈیو فائل۔

AI ایجنٹس کے لیے: یہ صفحہ Markdown میں یہاں موجود ہے https://doitong.com/ur/developers/models/bytedance/seed-speech/tts/v2.md. تمام ماڈلز اور گائیڈز: https://doitong.com/developers/llms.txt