Gå til indhold

Seed Audio 1.0

Integrer

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

Op til 0,154 $ pr. kørsel du betaler efter det faktiske forbrug, resten tilbagebetales Kør den på denne side

Hent API-nøgle
ByteDance Lyd

Tekststyret generator til tale og lyd med op til 3 referenceklip eller ét billede samt kontrol af tonehøjde og hastighed

ByteDance · Lyd

Dit første resultat kommer her

Opret en anmodning nedenfor, og kør den med din API-nøgle. Output kopieres til vores lagring, gemt for altid eller 7 dage gratis.

Opret en anmodning

Kontrollerne genereres fra modellens skema. Koden og prisen opdateres, når du ændrer dem.

•påkrævet 88 / 2048

Synteseprompt eller tekst med ordnede lydreferencer angivet som @Audio1 for det første input, @Audio2 for det andet og @Audio3 for det tredje.

standard 1

Talehastighedsmultiplikator: 1.0 giver normal hastighed, 0.5 halv hastighed, og 2.0 dobbelt hastighed.

Avanceret audios · image · output_format · sample_rate · voice · volume · pitch · multilingual · enable_safety_checker
audio_urls
Slip en fil, eller · op til 3

Angiv referencelyd via højst 3 URL'er, hvor hver fil er i formatet wav/mp3/pcm/ogg_opus og begrænset til 10 MB og 30 sekunder. Identificér klippene i prompten med @Audio1, @Audio2, @Audio3.

image_url
Slip en fil, eller

Angiv kun én billedreference via URL, når der ikke leveres lydreferencer. Billedet skal være jpeg/png/webp og højst 10 MB.

output_format standard mp3

Format for den genererede lyd.

sample_rate standard 24000

Samplingsfrekvens i Hz for outputlyden.

Vælg en syntesestemme ved at angive enten dens forudindstillede navn eller, for en klonet stemme, dens ID.

standard 1

Lydstyrkemultiplikator: 1.0 giver normal lydstyrke, 0.5 halv lydstyrke, og 2.0 dobbelt lydstyrke.

standard 0

Justering af stemmens tonehøjde målt i halvtoner: 0 ændrer ikke tonehøjden, -12 sænker den en oktav, og 12 hæver den en oktav.

POST /run/bytedance/seed-audio-1.0?wait=20 pris → 0,154 $
# 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-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.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Kør denne anmodning

Din nøgle forbliver i denne browser: Den sendes kun til Doitong API og gemmes kun i localStorage, hvis du markerer Husk. Hent en API-nøgle

Om Seed Audio 1.0

Syntetiserer lyd fra en prompt på op til 2048 tegn. En forudindstillet eller klonet `voice` kan vælges, og op til 3 referenceklip kan angives i prompten som @Audio1 til @Audio3; i stedet kan ét referencebillede bruges, men ikke sammen med lyd. Output er wav, mp3, pcm eller ogg_opus med samplingsfrekvenser fra 8000 til 48000 Hz. Hastighed og lydstyrke går fra 0.5 til 2, tonehøjden kan ændres -12 til 12 halvtoner, og `multilingual` skifter til en variant for tekst på flere sprog.

Parametre

Send enten det kanoniske navn eller det oprindelige navn, ikke begge. Kanoniske navne

NavnType StandardTilladt Beskrivelse
promptpåkrævet
Typestring
≤ 2.048 tegn
Synteseprompt eller tekst med ordnede lydreferencer angivet som @Audio1 for det første input, @Audio2 for det andet og @Audio3 for det tredje.
voicevalgfri
Typestring | null
Vælg en syntesestemme ved at angive enten dens forudindstillede navn eller, for en klonet stemme, dens ID.
audio_urlsvalgfri audios
Typeurl[] · audio
≤ 3 elementer
Angiv referencelyd via højst 3 URL'er, hvor hver fil er i formatet wav/mp3/pcm/ogg_opus og begrænset til 10 MB og 30 sekunder. Identificér klippene i prompten med @Audio1, @Audio2, @Audio3.
image_urlvalgfri image
Typeurl · image
Angiv kun én billedreference via URL, når der ikke leveres lydreferencer. Billedet skal være jpeg/png/webp og højst 10 MB.
output_formatvalgfri
Typeenum
Standardmp3
wavmp3pcmogg_opus
Format for den genererede lyd.
sample_ratevalgfri
Typeenum
Standard24000
80001600024000320004410048000
Samplingsfrekvens i Hz for outputlyden.
speedvalgfri
Typenumber
Standard1
0,5 – 2
Talehastighedsmultiplikator: 1.0 giver normal hastighed, 0.5 halv hastighed, og 2.0 dobbelt hastighed.
volumevalgfri
Typenumber
Standard1
0,5 – 2
Lydstyrkemultiplikator: 1.0 giver normal lydstyrke, 0.5 halv lydstyrke, og 2.0 dobbelt lydstyrke.
pitchvalgfri
Typeinteger
Standard0
-12 – 12
Justering af stemmens tonehøjde målt i halvtoner: 0 ændrer ikke tonehøjden, -12 sænker den en oktav, og 12 hæver den en oktav.
multilingualvalgfri
Typeboolean
Standardfalse
Valg af modelvariant: aktivering af den flersprogede variant forbedrer håndteringen, når prompts blander sprog eller bruger et andet sprog end engelsk.
enable_safety_checkervalgfri
Typeboolean
Standardtrue
Screening kan lempes ved at angive false, hvis den kaldende part er autoriseret.
påkrævet Kanonisk navn, også accepteret

Filparametre accepterer en offentlig https://-URL, en data:-URI på op til 10 MB eller file_url fra en upload. Filer

Output

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.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Dine filer, dit valgHver outputs[].url er en kopi på vores lagring: gemt for altid (betales pr. GB-måned) eller 7 dage gratis, afhængigt af din kontoindstilling eller ?storage=.
Samme struktur for alle modellertype, url, content_type, width, height og duration for billeder, video og lyd. output er modellens eget resultatobjekt.
Outputfelter
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Lydfil produceret ved generering.

Til AI-agenter: Denne side som Markdown findes på https://doitong.com/da/developers/models/bytedance/seed-audio-1.0.md. Alle modeller og vejledninger: https://doitong.com/developers/llms.txt