Op den Inhalt sprangen

Seed Audio 1.0

Integréieren

Modell-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"

Bis zu 0,154 $ pro Laf no der tatsächlecher Notzung verrechent, de Rescht gëtt rembourséiert Op dëser Säit ausféieren

API-Schlëssel kréien
ByteDance Audio

Textgedriwwene Generator fir Sprooch an Audio, mat bis zu 3 Referenz-Audioclips oder engem Bild souwéi Kontrollen fir Tounhéicht a Geschwindegkeet

ByteDance · Audio

Äin éischt Resultat kënnt hei hin

Baut hei drënner eng Ufro a féiert se mat Ärem API-Schlëssel aus. Output gëtt an eis Späicherung kopéiert, fir ëmmer oder 7 Deeg gratis gespäichert.

Eng Ufro erstellen

D'Kontrolle ginn aus dem Modellschema generéiert. De Code an de Präis aktualiséiere sech, wann s du se ännerst.

•obligatoresch 88 / 2048

Synthees-Prompt oder Text mat geuerdenten Audio-Referenzen, ausgedréckt als @Audio1 fir den éischten Input, @Audio2 fir den zweeten an @Audio3 fir den drëtten.

Standard 1

Multiplikator fir d'Riedegeschwindegkeet: 1.0 ass d'Normalgeschwindegkeet, 0.5 d'Hallschent an 2.0 déi duebel Geschwindegkeet.

Erweidert audios · image · output_format · sample_rate · voice · volume · pitch · multilingual · enable_safety_checker
audio_urls
Fichier erofzéien, oder · bis zu 3

Gitt Referenz-Audio iwwer maximal 3 URLen un; all Datei muss am Format wav/mp3/pcm/ogg_opus sinn a si op 10 MB an 30 Sekonne limitéiert. Identifizéiert d'Clips am Prompt mat @Audio1, @Audio2 an @Audio3.

image_url
Fichier erofzéien, oder

Gitt nëmmen dann eng Bildreferenz iwwer URL un, wann keng Audio-Referenze geliwwert ginn. D'Bild muss jpeg/png/webp sinn a däerf net méi grouss wéi 10 MB sinn.

output_format Standard mp3

Format vum generéierten Audio.

sample_rate Standard 24000

Sampling-Frequenz a Hz fir den Output-Audio.

Wielt eng Synthees-Stëmm andeems Dir entweder hire Preset-Numm oder, fir eng gekloonte Stëmm, hir ID ugitt.

Standard 1

Lautstäerkt-Multiplikator: 1.0 ass déi normal Lautstäerkt, 0.5 d'Hallschent an 2.0 déi duebel Lautstäerkt.

Standard 0

Upassung vun der Stëmmhéicht, gemooss a Semitonen: 0 ännert d'Héicht net, -12 senkt se ëm eng Oktav an 12 hëlt se ëm eng Oktav erop.

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

Dës Ufro ausféieren

Äre Schlëssel bleift an dësem Browser: e gëtt nëmmen un d'Doitong API geschéckt an nëmme gespäichert (localStorage), wann s du „Erënneren“ aktivéiers. En API-Schlëssel kréien

Iwwer Seed Audio 1.0

Synthetiséiert Audio aus engem Prompt mat bis zu 2048 Zeechen. Eng Preset- oder geklonte `voice` ka gewielt ginn, a bis zu 3 Referenzclips kënnen am Prompt als @Audio1 bis @Audio3 referenzéiert ginn; alternativ funktionéiert een eenzegt Referenzbild, awer net zesumme mat Audio. D’Ausgab ass wav, mp3, pcm oder ogg_opus mat Samplingraten vun 8000 bis 48000 Hz. Geschwindegkeet a Volume leien tëscht 0.5 an 2, d’Tounhéicht ka vun -12 bis 12 Halleftréiner verréckelt ginn, an `multilingual` wiesselt op eng Variant fir gemëschtsproochegen Text.

Parameteren

Schéck entweder den kanoneschen Numm oder den natierlechen Numm, net béid. Kanonesch Nimm

NummTyp StandardErlaabt Beschreiwung
promptobligatoresch
Typstring
≤ 2.048 Zeechen
Synthees-Prompt oder Text mat geuerdenten Audio-Referenzen, ausgedréckt als @Audio1 fir den éischten Input, @Audio2 fir den zweeten an @Audio3 fir den drëtten.
voiceoptional
Typstring | null
Wielt eng Synthees-Stëmm andeems Dir entweder hire Preset-Numm oder, fir eng gekloonte Stëmm, hir ID ugitt.
audio_urlsoptional audios
Typurl[] · audio
≤ 3 Elementer
Gitt Referenz-Audio iwwer maximal 3 URLen un; all Datei muss am Format wav/mp3/pcm/ogg_opus sinn a si op 10 MB an 30 Sekonne limitéiert. Identifizéiert d'Clips am Prompt mat @Audio1, @Audio2 an @Audio3.
image_urloptional image
Typurl · image
Gitt nëmmen dann eng Bildreferenz iwwer URL un, wann keng Audio-Referenze geliwwert ginn. D'Bild muss jpeg/png/webp sinn a däerf net méi grouss wéi 10 MB sinn.
output_formatoptional
Typenum
Standardmp3
wavmp3pcmogg_opus
Format vum generéierten Audio.
sample_rateoptional
Typenum
Standard24000
80001600024000320004410048000
Sampling-Frequenz a Hz fir den Output-Audio.
speedoptional
Typnumber
Standard1
0,5 – 2
Multiplikator fir d'Riedegeschwindegkeet: 1.0 ass d'Normalgeschwindegkeet, 0.5 d'Hallschent an 2.0 déi duebel Geschwindegkeet.
volumeoptional
Typnumber
Standard1
0,5 – 2
Lautstäerkt-Multiplikator: 1.0 ass déi normal Lautstäerkt, 0.5 d'Hallschent an 2.0 déi duebel Lautstäerkt.
pitchoptional
Typinteger
Standard0
-12 – 12
Upassung vun der Stëmmhéicht, gemooss a Semitonen: 0 ännert d'Héicht net, -12 senkt se ëm eng Oktav an 12 hëlt se ëm eng Oktav erop.
multilingualoptional
Typboolean
Standardfalse
Auswiel vun der Modellvariant: D'Aktivéiere vun der méisproocheger Variant verbessert d'Veraarbechtung, wann Prompte Sprooche vermëschen oder eng aner Sprooch wéi Englesch benotzen.
enable_safety_checkeroptional
Typboolean
Standardtrue
D'Kontroll kann duerch false gelackert ginn, wann den Uruffer autoriséiert ass.
obligatoresch Kanoneschen Numm, och akzeptéiert

Fichierparameter akzeptéieren eng ëffentlech https:// URL, eng data: URI bis zu 10 MB oder de file_url vun engem Upload. Fichieren

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"
  }
}
Är Fichieren, Är WielAll outputs[].url ass eng Kopie an eiser Späicherung: fir ëmmer gespäichert (bezuelbar pro GB-Mount) oder 7 Deeg gratis, jee no Ärer Kontastellung oder ?storage=.
D'selwecht Struktur bei all Modelltype, url, content_type, width, height an duration, fir Biller, Video an Audio gläichermoossen. output ass dem Modell säin eegent Resultatobjet.
Output-Felder
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Audio-Datei, déi duerch d'Generatioun erstallt gouf.

Fir AI-Agenten: dës Säit als Markdown ass ënner https://doitong.com/lb/developers/models/bytedance/seed-audio-1.0.md. All Modeller a Guiden: https://doitong.com/developers/llms.txt