Vai al contenuto

Seed Audio 1.0

Integra

ID del modello 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"

Fino a 0,154 $ per esecuzione addebitato in base all'utilizzo effettivo, il resto viene rimborsato Esegui in questa pagina

Ottieni la chiave API
ByteDance Audio

Generatore di parlato e audio guidato dal testo, con fino a 3 clip audio di riferimento o un'immagine e controlli di tono e velocità

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 88 / 2048

Prompt o testo per la sintesi, con riferimenti audio ordinati espressi come @Audio1 per il primo input, @Audio2 per il secondo e @Audio3 per il terzo.

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.

Avanzate audios · image · output_format · sample_rate · voice · volume · pitch · multilingual · enable_safety_checker
audio_urls
Trascina un file oppure · fino a 3

Fornisce l'audio di riferimento tramite un massimo di 3 URL; ogni file deve essere in formato wav/mp3/pcm/ogg_opus e avere dimensioni massime di 10 MB e durata massima di 30 secondi. Nel prompt, identifica le clip con @Audio1, @Audio2, @Audio3.

image_url
Trascina un file oppure

Fornisce un solo riferimento immagine tramite URL esclusivamente quando non vengono forniti riferimenti audio. L'immagine deve essere jpeg/png/webp e non superare 10 MB.

output_format predefinito mp3

Formato dell'audio generato.

sample_rate predefinito 24000

Frequenza di campionamento in Hz dell'audio di output.

Seleziona una voce per la sintesi fornendo il relativo nome preimpostato oppure, per una voce clonata, il relativo ID.

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-audio-1.0?wait=20 preventivo → 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"

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 Seed Audio 1.0

Sintetizza audio da un prompt di massimo 2048 caratteri. È possibile scegliere una `voice` predefinita o clonata e citare nel prompt fino a 3 clip di riferimento come @Audio1 fino a @Audio3; in alternativa funziona una singola immagine di riferimento, ma non insieme all'audio. L'output è wav, mp3, pcm o ogg_opus con frequenze di campionamento da 8000 a 48000 Hz. Velocità e volume vanno da 0.5 a 2, il tono varia da -12 a 12 semitoni e `multilingual` attiva una variante per testi multilingue.

Parametri

Invia il nome canonico oppure il nome nativo, non entrambi. Nomi canonici

NomeTipo PredefinitoConsentiti Descrizione
promptobbligatorio
Tipostring
≤ 2048 caratteri
Prompt o testo per la sintesi, con riferimenti audio ordinati espressi come @Audio1 per il primo input, @Audio2 per il secondo e @Audio3 per il terzo.
voicefacoltativo
Tipostring | null
Seleziona una voce per la sintesi fornendo il relativo nome preimpostato oppure, per una voce clonata, il relativo ID.
audio_urlsfacoltativo audios
Tipourl[] · audio
≤ 3 elementi
Fornisce l'audio di riferimento tramite un massimo di 3 URL; ogni file deve essere in formato wav/mp3/pcm/ogg_opus e avere dimensioni massime di 10 MB e durata massima di 30 secondi. Nel prompt, identifica le clip con @Audio1, @Audio2, @Audio3.
image_urlfacoltativo image
Tipourl · image
Fornisce un solo riferimento immagine tramite URL esclusivamente quando non vengono forniti riferimenti audio. L'immagine deve essere jpeg/png/webp e non superare 10 MB.
output_formatfacoltativo
Tipoenum
Predefinitomp3
wavmp3pcmogg_opus
Formato dell'audio generato.
sample_ratefacoltativo
Tipoenum
Predefinito24000
80001600024000320004410048000
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.
multilingualfacoltativo
Tipoboolean
Predefinitofalse
Selezione della variante del modello: abilitare la variante multilingue migliora la gestione dei prompt che mescolano lingue o usano una lingua diversa dall'inglese.
enable_safety_checkerfacoltativo
Tipoboolean
Predefinitotrue
Il controllo può essere allentato impostando false, se il chiamante è autorizzato.
obbligatorio Nome canonico, accettato anche

I parametri file accettano un URL pubblico https://, un URI data: fino a 10 MB oppure il file_url di un caricamento. File

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"
  }
}
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, duration, channels, sample_rate, bitrate}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-audio-1.0.md. Tutti i modelli e le guide: https://doitong.com/developers/llms.txt