跳转到内容

Seed Audio 1.0

集成

模型 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"

每次运行最高 $0.154 按实际用量计费,剩余部分退款 在此页面运行

获取 API 密钥
ByteDance 音频

由文本驱动的语音和音频生成器,支持最多 3 个参考音频片段或一张图像,并可控制音调和速度

ByteDance · 音频

你的第一个结果将在此显示

在下方构建请求,并使用你的 API 密钥运行。输出会复制到我们的存储中,可永久保存或免费保存 7 天。

构建请求

控件根据模型架构生成。更改控件时,代码和价格会同步更新。

•必填 88 / 2048

合成提示词或文本,按顺序使用 @Audio1、@Audio2 和 @Audio3 表示第一、第二和第三个输入音频。

默认 1

语速倍数:1.0 为正常速度,0.5 为半速,2.0 为两倍速。

高级 audios · image · output_format · sample_rate · voice · volume · pitch · multilingual · enable_safety_checker
audio_urls
拖放文件,或 · 最多 3 个

通过最多 3 个 URL 提供参考音频;每个文件必须为 wav/mp3/pcm/ogg_opus 格式,大小不超过 10 MB,时长不超过 30 秒。在提示词中使用 @Audio1、@Audio2、@Audio3 标识音频片段。

image_url
拖放文件,或

仅当未提供音频参考时,才能通过 URL 提供一个图像参考。图像必须为 jpeg/png/webp 格式且不超过 10 MB。

output_format 默认 mp3

生成音频的格式。

sample_rate 默认 24000

输出音频的采样频率,单位为 Hz。

通过预设名称或克隆声音的 ID 选择合成声音。

默认 1

音量倍数:1.0 为正常音量,0.5 为一半音量,2.0 为两倍音量。

默认 0

以半音为单位调整声音音调:0 表示不变,-12 表示降低一个八度,12 表示升高一个八度。

POST /run/bytedance/seed-audio-1.0?wait=20 报价 → $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"

运行此请求

你的密钥会保留在此浏览器中:仅发送到 Doitong API;只有勾选“记住”后才会保存到 localStorage。 获取 API 密钥

关于 Seed Audio 1.0

根据最多 2048 个字符的提示词合成音频。可选择预设或克隆的 `voice`,并在提示词中通过 @Audio1 到 @Audio3 引用最多 3 个参考片段;也可以改用一张参考图像,但不能与音频同时使用。输出格式为 wav、mp3、pcm 或 ogg_opus,采样率为 8000 到 48000 Hz。速度和音量范围为 0.5 到 2,音调可移调 -12 到 12 个半音;`multilingual` 可切换到适用于混合语言文本的变体。

参数

发送规范名称或原生名称之一,不要同时发送两者。 规范名称

名称类型 默认值允许值 描述
prompt必填
类型string
≤ 2,048 个字符
合成提示词或文本,按顺序使用 @Audio1、@Audio2 和 @Audio3 表示第一、第二和第三个输入音频。
voice可选
类型string | null
通过预设名称或克隆声音的 ID 选择合成声音。
audio_urls可选 audios
类型url[] · audio
≤ 3 个项目
通过最多 3 个 URL 提供参考音频;每个文件必须为 wav/mp3/pcm/ogg_opus 格式,大小不超过 10 MB,时长不超过 30 秒。在提示词中使用 @Audio1、@Audio2、@Audio3 标识音频片段。
image_url可选 image
类型url · image
仅当未提供音频参考时,才能通过 URL 提供一个图像参考。图像必须为 jpeg/png/webp 格式且不超过 10 MB。
output_format可选
类型enum
默认值mp3
wavmp3pcmogg_opus
生成音频的格式。
sample_rate可选
类型enum
默认值24000
80001600024000320004410048000
输出音频的采样频率,单位为 Hz。
speed可选
类型number
默认值1
0.5 – 2
语速倍数:1.0 为正常速度,0.5 为半速,2.0 为两倍速。
volume可选
类型number
默认值1
0.5 – 2
音量倍数:1.0 为正常音量,0.5 为一半音量,2.0 为两倍音量。
pitch可选
类型integer
默认值0
-12 – 12
以半音为单位调整声音音调:0 表示不变,-12 表示降低一个八度,12 表示升高一个八度。
multilingual可选
类型boolean
默认值false
模型变体选择:启用多语言变体可改善提示词混用语言或使用英语以外语言时的处理效果。
enable_safety_checker可选
类型boolean
默认值true
调用方获得授权后,可将其设置为 false 以放宽审核。
必填 规范名称,也可接受

文件参数接受公开的 https:// URL、最大 10 MB 的 data: URI,或上传文件的 file_url。 文件

输出

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"
  }
}
你的文件,由你选择每个 outputs[].url 都是存储中的副本:可永久保存(按 GB-月付费),也可免费保存 7 天,由账户设置或 ?storage= 决定。
每个模型的结构相同图像、视频和音频均包含 type、url、content_type、width、height 和 duration。output 是模型自身的结果对象。
输出字段
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}生成得到的音频文件。

对于 AI 代理:此页面的 Markdown 版本位于 https://doitong.com/zh/developers/models/bytedance/seed-audio-1.0.md. 所有模型和指南: https://doitong.com/developers/llms.txt