رفتن به محتوا

Seed Audio 1.0

یکپارچه‌سازی

شناسه مدل 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"

تا ⁨‎$۰٫۱۵۴⁩ برای هر اجرا بر اساس مصرف واقعی هزینه دریافت می‌شود و مابقی بازپرداخت می‌شود اجرای آن در این صفحه

دریافت کلید API
ByteDance صوت

مولد گفتار و صدا مبتنی بر متن، با امکان استفاده از حداکثر 3 کلیپ صوتی مرجع یا یک تصویر و کنترل زیر و بمی و سرعت

ByteDance · صوت

اولین نتیجه شما اینجا قرار می‌گیرد

درخواست را در زیر بسازید و با کلید API خود اجرا کنید. خروجی‌ها در فضای ذخیره‌سازی ما کپی می‌شوند و برای همیشه یا به‌مدت ۷ روز رایگان نگه‌داری می‌شوند.

ساخت درخواست

کنترل‌ها از شِمای مدل تولید می‌شوند. با تغییر آن‌ها، کد و قیمت به‌روزرسانی می‌شوند.

•الزامی 88 / 2048

پرامپت یا متن تولید صوت، با ارجاع‌های مرتب به صوت‌ها به‌صورت @Audio1 برای ورودی اول، @Audio2 برای ورودی دوم و @Audio3 برای ورودی سوم.

پیش‌فرض 1

ضریب سرعت گفتار: 1.0 سرعت عادی، 0.5 نصف سرعت و 2.0 دو برابر سرعت است.

پیشرفته audios · image · output_format · sample_rate · voice · volume · pitch · multilingual · enable_safety_checker
audio_urls
یک فایل بیندازید، یا · حداکثر 3

صوت مرجع را از حداکثر 3 نشانی ارائه کنید؛ هر فایل باید در قالب wav/mp3/pcm/ogg_opus، حداکثر 10 MB و 30 ثانیه باشد. در پرامپت، کلیپ‌ها را با @Audio1، @Audio2 و @Audio3 مشخص کنید.

image_url
یک فایل بیندازید، یا

فقط زمانی که هیچ ارجاع صوتی ارائه نشده است، یک تصویر مرجع را با نشانی ارائه کنید. تصویر باید jpeg/png/webp و حداکثر 10 MB باشد.

output_format پیش‌فرض mp3

قالب صوت تولیدشده.

sample_rate پیش‌فرض 24000

فرکانس نمونه‌برداری صوت خروجی برحسب Hz.

صدای سنتز را با نام پیش‌تنظیم یا شناسه صدای شبیه‌سازی‌شده انتخاب کنید.

پیش‌فرض 1

ضریب بلندی صدا: 1.0 بلندی عادی، 0.5 نصف بلندی و 2.0 دو برابر بلندی است.

پیش‌فرض 0

تنظیم زیر و بمی صدا برحسب نیم‌پرده: 0 بدون تغییر، -12 یک اکتاو پایین‌تر و 12 یک اکتاو بالاتر است.

POST /run/bytedance/seed-audio-1.0?wait=20 قیمت → ⁨‎$۰٫۱۵۴⁩
# 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"

اجرای این درخواست

کلید شما در این مرورگر باقی می‌ماند: فقط به Doitong API ارسال می‌شود و فقط در صورت فعال‌کردن گزینه «یادآوری»، در localStorage ذخیره می‌شود. دریافت کلید API

درباره Seed Audio 1.0

از پرامپت حداکثر 2048 نویسه‌ای صوت تولید می‌کند. می‌توان `voice` ازپیش‌تنظیم‌شده یا شبیه‌سازی‌شده انتخاب کرد و حداکثر 3 کلیپ مرجع را در پرامپت با @Audio1 تا @Audio3 مشخص کرد؛ به‌جای آن یک تصویر مرجع هم ممکن است، اما هم‌زمان با صوت نه. خروجی wav، mp3، pcm یا ogg_opus با نرخ نمونه‌برداری 8000 تا 48000 Hz است. سرعت و حجم از 0.5 تا 2، تغییر زیر و بمی از -12 تا 12 نیم‌پرده است و `multilingual` به گونه‌ای برای متن چندزبانه تغییر می‌کند.

پارامترها

نام استاندارد یا نام بومی را ارسال کنید، نه هر دو. نام‌های استاندارد

نامنوع پیش‌فرضمجاز توضیحات
promptالزامی
نوعstring
≤ ۲٬۰۴۸ نویسه
پرامپت یا متن تولید صوت، با ارجاع‌های مرتب به صوت‌ها به‌صورت @Audio1 برای ورودی اول، @Audio2 برای ورودی دوم و @Audio3 برای ورودی سوم.
voiceاختیاری
نوعstring | null
صدای سنتز را با نام پیش‌تنظیم یا شناسه صدای شبیه‌سازی‌شده انتخاب کنید.
audio_urlsاختیاری audios
نوعurl[] · audio
≤ ۳ مورد
صوت مرجع را از حداکثر 3 نشانی ارائه کنید؛ هر فایل باید در قالب wav/mp3/pcm/ogg_opus، حداکثر 10 MB و 30 ثانیه باشد. در پرامپت، کلیپ‌ها را با @Audio1، @Audio2 و @Audio3 مشخص کنید.
image_urlاختیاری image
نوعurl · image
فقط زمانی که هیچ ارجاع صوتی ارائه نشده است، یک تصویر مرجع را با نشانی ارائه کنید. تصویر باید jpeg/png/webp و حداکثر 10 MB باشد.
output_formatاختیاری
نوعenum
پیش‌فرضmp3
wavmp3pcmogg_opus
قالب صوت تولیدشده.
sample_rateاختیاری
نوعenum
پیش‌فرض24000
80001600024000320004410048000
فرکانس نمونه‌برداری صوت خروجی برحسب Hz.
speedاختیاری
نوعnumber
پیش‌فرض1
۰٫۵ – ۲
ضریب سرعت گفتار: 1.0 سرعت عادی، 0.5 نصف سرعت و 2.0 دو برابر سرعت است.
volumeاختیاری
نوعnumber
پیش‌فرض1
۰٫۵ – ۲
ضریب بلندی صدا: 1.0 بلندی عادی، 0.5 نصف بلندی و 2.0 دو برابر بلندی است.
pitchاختیاری
نوعinteger
پیش‌فرض0
−۱۲ – ۱۲
تنظیم زیر و بمی صدا برحسب نیم‌پرده: 0 بدون تغییر، -12 یک اکتاو پایین‌تر و 12 یک اکتاو بالاتر است.
multilingualاختیاری
نوعboolean
پیش‌فرضfalse
انتخاب گونه مدل: فعال‌کردن گونه چندزبانه، پردازش پرامپت‌های ترکیبی یا غیرانگلیسی را بهبود می‌دهد.
enable_safety_checkerاختیاری
نوعboolean
پیش‌فرضtrue
با تنظیم false، در صورت مجاز بودن فراخواننده، می‌توان بررسی را آسان‌گیرانه‌تر کرد.
الزامی نام استاندارد، همچنین پذیرفته می‌شود

پارامترهای فایل یک URL عمومی https://، یک URI از نوع data: تا سقف 10 MB، یا file_url یک فایل بارگذاری‌شده را می‌پذیرند. فایل‌ها

خروجی

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"
  }
}
فایل‌های شما، انتخاب شماهر outputs[].url کپی‌ای در فضای ذخیره‌سازی ماست: برای همیشه (با هزینه به‌ازای هر GB-ماه) یا به‌مدت ۷ روز رایگان، بر اساس تنظیم حساب شما یا ?storage=.
ساختار یکسان در همه مدل‌هاtype، url، content_type، width، height و duration برای تصاویر، ویدیو و صدا یکسان هستند. output شیء نتیجه اختصاصی مدل است.
فیلدهای خروجی
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}فایل صوتی تولیدشده.

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/bytedance/seed-audio-1.0.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt