Przejdź do treści

Seed Audio 1.0

Integracja

Identyfikator modelu 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"

Do 0,154 $ za uruchomienie opłata jest naliczana za rzeczywiste wykorzystanie, a reszta jest zwracana Uruchom na tej stronie

Uzyskaj klucz API
ByteDance Audio

Generator mowy i dźwięku sterowany tekstem, obsługujący do 3 referencyjnych klipów audio lub jeden obraz, z kontrolą wysokości i szybkości

ByteDance · Audio

Tutaj pojawi się pierwszy wynik

Zbuduj poniżej żądanie i uruchom je za pomocą klucza API. Wyniki są kopiowane do naszej przestrzeni dyskowej i przechowywane bezterminowo lub 7 dni bezpłatnie.

Zbuduj żądanie

Elementy sterujące są generowane ze schematu modelu. Kod i cena aktualizują się podczas ich zmiany.

•wymagane 88 / 2048

Prompt syntezy lub tekst z uporządkowanymi odwołaniami do audio zapisanymi jako @Audio1 dla pierwszych danych wejściowych, @Audio2 dla drugich i @Audio3 dla trzecich.

domyślnie 1

Mnożnik szybkości mowy: 1.0 oznacza normalną szybkość, 0.5 połowę szybkości, a 2.0 dwukrotną szybkość.

Zaawansowane audios · image · output_format · sample_rate · voice · volume · pitch · multilingual · enable_safety_checker
audio_urls
Upuść plik lub · do 3

Podaj audio referencyjne za pomocą maksymalnie 3 URL-i; każdy plik musi mieć format wav/mp3/pcm/ogg_opus i rozmiar nie większy niż 10 MB oraz czas trwania nieprzekraczający 30 sekund. W promptcie oznacz klipy za pomocą @Audio1, @Audio2, @Audio3.

image_url
Upuść plik lub

Podaj jedno odwołanie do obrazu wyłącznie wtedy, gdy nie podano odwołań do audio. Obraz musi mieć format jpeg/png/webp i rozmiar nie większy niż 10 MB.

output_format domyślnie mp3

Format generowanego audio.

sample_rate domyślnie 24000

Częstotliwość próbkowania wynikowego audio w Hz.

Wybierz głos syntezy, podając jego nazwę ustawienia wstępnego lub, w przypadku sklonowanego głosu, jego identyfikator.

domyślnie 1

Mnożnik głośności: 1.0 oznacza normalną głośność, 0.5 połowę głośności, a 2.0 dwukrotną głośność.

domyślnie 0

Regulacja wysokości głosu mierzona w półtonach: 0 nie zmienia wysokości, -12 obniża ją o oktawę, a 12 podwyższa ją o oktawę.

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

Uruchom to żądanie

Klucz pozostaje w tej przeglądarce: jest wysyłany tylko do Doitong API i zapisywany (localStorage) tylko po zaznaczeniu opcji Zapamiętaj. Uzyskaj klucz API

Informacje o Seed Audio 1.0

Syntezuje dźwięk na podstawie promptu o długości do 2048 znaków. Można wybrać preset lub sklonowany `voice`, a w prompcie wskazać do 3 klipów referencyjnych jako @Audio1 do @Audio3; zamiast nich można użyć jednego obrazu, ale nie razem z dźwiękiem. Wynik jest w formacie wav, mp3, pcm lub ogg_opus, z częstotliwościami próbkowania od 8000 do 48000 Hz. Zakres szybkości i głośności to 0.5–2, przesunięcie wysokości wynosi od -12 do 12 półtonów, a `multilingual` przełącza na wariant dla tekstu wielojęzycznego.

Parametry

Wyślij nazwę kanoniczną albo natywną, nie obie. Nazwy kanoniczne

NazwaTyp DomyślneDozwolone Opis
promptwymagane
Typstring
≤ 2048 znaków
Prompt syntezy lub tekst z uporządkowanymi odwołaniami do audio zapisanymi jako @Audio1 dla pierwszych danych wejściowych, @Audio2 dla drugich i @Audio3 dla trzecich.
voiceopcjonalne
Typstring | null
Wybierz głos syntezy, podając jego nazwę ustawienia wstępnego lub, w przypadku sklonowanego głosu, jego identyfikator.
audio_urlsopcjonalne audios
Typurl[] · audio
≤ 3 elementy
Podaj audio referencyjne za pomocą maksymalnie 3 URL-i; każdy plik musi mieć format wav/mp3/pcm/ogg_opus i rozmiar nie większy niż 10 MB oraz czas trwania nieprzekraczający 30 sekund. W promptcie oznacz klipy za pomocą @Audio1, @Audio2, @Audio3.
image_urlopcjonalne image
Typurl · image
Podaj jedno odwołanie do obrazu wyłącznie wtedy, gdy nie podano odwołań do audio. Obraz musi mieć format jpeg/png/webp i rozmiar nie większy niż 10 MB.
output_formatopcjonalne
Typenum
Domyślnemp3
wavmp3pcmogg_opus
Format generowanego audio.
sample_rateopcjonalne
Typenum
Domyślne24000
80001600024000320004410048000
Częstotliwość próbkowania wynikowego audio w Hz.
speedopcjonalne
Typnumber
Domyślne1
0,5 – 2
Mnożnik szybkości mowy: 1.0 oznacza normalną szybkość, 0.5 połowę szybkości, a 2.0 dwukrotną szybkość.
volumeopcjonalne
Typnumber
Domyślne1
0,5 – 2
Mnożnik głośności: 1.0 oznacza normalną głośność, 0.5 połowę głośności, a 2.0 dwukrotną głośność.
pitchopcjonalne
Typinteger
Domyślne0
-12 – 12
Regulacja wysokości głosu mierzona w półtonach: 0 nie zmienia wysokości, -12 obniża ją o oktawę, a 12 podwyższa ją o oktawę.
multilingualopcjonalne
Typboolean
Domyślnefalse
Wybór wariantu modelu: włączenie wariantu wielojęzycznego poprawia obsługę promptów mieszających języki lub używających języka innego niż angielski.
enable_safety_checkeropcjonalne
Typboolean
Domyślnetrue
Filtrowanie można złagodzić, ustawiając false, jeśli wywołujący ma odpowiednie uprawnienia.
wymagane Nazwa kanoniczna, również akceptowana

Parametry plików przyjmują publiczny URL https://, identyfikator URI data: do 10 MB albo file_url przesłanego pliku. Pliki

Wynik

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"
  }
}
Twoje pliki, Twój wybórKażdy outputs[].url to kopia w naszej przestrzeni dyskowej: przechowywana bezterminowo (opłata za GB-miesiąc) lub 7 dni bezpłatnie, zgodnie z ustawieniem konta lub ?storage=.
Taki sam format w każdym modelutype, url, content_type, width, height i duration — tak samo dla obrazów, filmów i dźwięku. output to własny obiekt wyniku modelu.
Pola wyniku
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Plik audio utworzony podczas generowania.

Dla agentów AI: ta strona w formacie Markdown jest dostępna pod adresem https://doitong.com/pl/developers/models/bytedance/seed-audio-1.0.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt