Vai al contenuto

Bytedance Seed Speech Text to Speech

Integra

ID del modello 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.com/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.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Questa richiesta: 0,002 $ 2 crediti API Esegui in questa pagina

Ottieni la chiave API
ByteDance Da testo a voce Lipsync #stylized#transform

Sintesi vocale con molte voci preimpostate, controllo di velocità, tono e volume e istruzioni in stile parlato

ByteDance · Audio

Il tuo primo risultato apparirà qui

Crea una richiesta qui sotto ed eseguila con la tua chiave API. Gli output vengono copiati nella nostra archiviazione, conservati per sempre oppure 7 giorni gratuitamente.

Crea una richiesta

I controlli vengono generati dallo schema del modello. Il codice e il prezzo si aggiornano mentre li modifichi.

•obbligatorio 50 / 5000

Testo da convertire in parlato sintetizzato.

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

Istruzione opzionale in linguaggio naturale per l'esecuzione, come 'Speak in a cheerful tone' o 'Could you speak a bit slower?'. Può dirigere tono, emozione, volume e ritmo.

output_format predefinito mp3

Codifica dell'audio di output: 'mp3' produce MP3, mentre 'opus' produce Opus racchiuso in un contenitore Ogg.

sample_rate predefinito 24000

Frequenza di campionamento in Hz dell'audio di output.

predefinito stokie_en

Preimpostazione della voce di sintesi, identificata da un nome che include anche i codici delle lingue supportate. Il supporto linguistico può essere indipendente, come in 'en_zh', oppure consentire una fusione fluida tra inglese e cinese, indicata da 'mixed_en_zh'.

Override della lingua di lettura: se omesso, il rilevamento è automatico e le voci bilingui possono fondere cinese e inglese senza interruzioni; se fornito, disabilita il rilevamento e limita la lettura a una lingua. Scegli Chinese con zh, English con en, Japanese con ja, Mexican Spanish con es-mx, Indonesian con id, Brazilian Portuguese con pt-br, Korean con ko, Italian con it, German con de o French con fr.

predefinito 1

Moltiplicatore della velocità del parlato: 1.0 corrisponde alla velocità normale, 0.5 alla metà della velocità e 2.0 al doppio della velocità.

predefinito 1

Moltiplicatore del volume: 1.0 corrisponde al volume normale, 0.5 alla metà del volume e 2.0 al doppio del volume.

predefinito 0

Regolazione dell'intonazione della voce, misurata in semitoni: 0 lascia invariata l'intonazione, -12 la abbassa di un'ottava e 12 la alza di un'ottava.

POST /run/bytedance/seed-speech/tts/v2?wait=20 preventivo → 0,002 $
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/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.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Esegui questa richiesta

La tua chiave rimane in questo browser: viene inviata solo al Doitong API e salvata in localStorage solo se selezioni Ricorda. Ottieni una chiave API

Informazioni su Bytedance Seed Speech Text to Speech

Converte fino a 5000 caratteri di `text` in audio. Scegli una `voice` e, facoltativamente, forza una `language` o lascia attivo il rilevamento automatico. `speed` e `volume` vanno da 0.5 a 2, `pitch` varia da -12 a 12 semitoni e `voice_instruction` orienta l'interpretazione. L'output è mp3 o opus con frequenze di campionamento da 8000 a 48000 Hz.

Parametri

NomeTipo PredefinitoConsentiti Descrizione
textobbligatorio
Tipostring
≤ 5000 caratteri
Testo da convertire in parlato sintetizzato.
voicefacoltativo
Tipoenum
Predefinitostokie_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 altrialina_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
Preimpostazione della voce di sintesi, identificata da un nome che include anche i codici delle lingue supportate. Il supporto linguistico può essere indipendente, come in 'en_zh', oppure consentire una fusione fluida tra inglese e cinese, indicata da 'mixed_en_zh'.
output_formatfacoltativo
Tipoenum
Predefinitomp3
mp3opus
Codifica dell'audio di output: 'mp3' produce MP3, mentre 'opus' produce Opus racchiuso in un contenitore Ogg.
sample_ratefacoltativo
Tipoenum
Predefinito24000
8000160002205024000320004410048000
Frequenza di campionamento in Hz dell'audio di output.
speedfacoltativo
Tiponumber
Predefinito1
0,5 – 2
Moltiplicatore della velocità del parlato: 1.0 corrisponde alla velocità normale, 0.5 alla metà della velocità e 2.0 al doppio della velocità.
volumefacoltativo
Tiponumber
Predefinito1
0,5 – 2
Moltiplicatore del volume: 1.0 corrisponde al volume normale, 0.5 alla metà del volume e 2.0 al doppio del volume.
pitchfacoltativo
Tipointeger
Predefinito0
-12 – 12
Regolazione dell'intonazione della voce, misurata in semitoni: 0 lascia invariata l'intonazione, -12 la abbassa di un'ottava e 12 la alza di un'ottava.
languagefacoltativo
Tipoenum
zhenjaes-mxidpt-brkoitdefr
Override della lingua di lettura: se omesso, il rilevamento è automatico e le voci bilingui possono fondere cinese e inglese senza interruzioni; se fornito, disabilita il rilevamento e limita la lettura a una lingua. Scegli Chinese con zh, English con en, Japanese con ja, Mexican Spanish con es-mx, Indonesian con id, Brazilian Portuguese con pt-br, Korean con ko, Italian con it, German con de o French con fr.
voice_instructionfacoltativo
Tipostring | null
Istruzione opzionale in linguaggio naturale per l'esecuzione, come 'Speak in a cheerful tone' o 'Could you speak a bit slower?'. Può dirigere tono, emozione, volume e ritmo.
obbligatorio

Output

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.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
I tuoi file, la tua sceltaOgni outputs[].url è una copia nella nostra archiviazione: conservata per sempre (a pagamento per GB-mese) oppure 7 giorni gratuitamente, in base all'impostazione dell'account o a ?storage=.
Stessa struttura per ogni modellotype, url, content_type, width, height e duration, per immagini, video e audio. output è l'oggetto risultato del modello.
Campi dell'output
audio
object {url, content_type, file_name, file_size}File audio prodotto dalla generazione.

Per gli agenti AI: questa pagina in Markdown è disponibile all'indirizzo https://doitong.com/it/developers/models/bytedance/seed-speech/tts/v2.md. Tutti i modelli e le guide: https://doitong.com/developers/llms.txt