ข้ามไปยังเนื้อหา

Seed Audio 1.0

ผสานการทำงาน

ID โมเดล 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"

สูงสุด $0.154 ต่อการเรียกใช้ คิดค่าบริการตามการใช้งานจริง ส่วนที่เหลือจะคืนเงิน เรียกใช้ในหน้านี้

รับคีย์ API
ByteDance เสียง

เครื่องสร้างเสียงพูดและเสียงที่ขับเคลื่อนด้วยข้อความ รองรับคลิปเสียงอ้างอิงสูงสุด 3 คลิปหรือภาพหนึ่งภาพ พร้อมการควบคุมระดับเสียงและความเร็ว

ByteDance · เสียง

ผลลัพธ์แรกของคุณจะแสดงที่นี่

สร้างคำขอด้านล่างและเรียกใช้ด้วยคีย์ API ของคุณ เอาต์พุตจะถูกคัดลอกไปยังพื้นที่จัดเก็บของเรา และเก็บไว้ตลอดไปหรือฟรี 7 วัน

สร้างคำขอ

ตัวควบคุมสร้างจากสคีมาของโมเดล โค้ดและราคาจะอัปเดตเมื่อคุณเปลี่ยนค่า

•จำเป็น 88 / 2048

พรอมต์หรือข้อความสำหรับการสังเคราะห์ โดยระบุการอ้างอิงเสียงตามลำดับเป็น @Audio1 สำหรับอินพุตแรก, @Audio2 สำหรับอินพุตที่สอง และ @Audio3 สำหรับอินพุตที่สาม

ค่าเริ่มต้น 1

ตัวคูณอัตราการพูด: 1.0 คือความเร็วปกติ, 0.5 คือครึ่งหนึ่งของความเร็ว และ 2.0 คือสองเท่าของความเร็ว

ขั้นสูง audios · image · output_format · sample_rate · voice · volume · pitch · multilingual · enable_safety_checker
audio_urls
วางไฟล์ หรือ · สูงสุด 3

ระบุเสียงอ้างอิงผ่าน URL ได้สูงสุด 3 รายการ โดยแต่ละไฟล์ต้องอยู่ในรูปแบบ wav/mp3/pcm/ogg_opus และมีขนาดไม่เกิน 10 MB และความยาวไม่เกิน 30 วินาที ในพรอมต์ ให้ระบุคลิปด้วย @Audio1, @Audio2, @Audio3

image_url
วางไฟล์ หรือ

ระบุการอ้างอิงรูปภาพได้ 1 รูปผ่าน URL เท่านั้นเมื่อไม่ได้ระบุการอ้างอิงเสียง รูปภาพต้องเป็น jpeg/png/webp และมีขนาดไม่เกิน 10 MB

output_format ค่าเริ่มต้น mp3

รูปแบบของเสียงที่สร้างขึ้น

sample_rate ค่าเริ่มต้น 24000

ความถี่การสุ่มตัวอย่างในหน่วย Hz สำหรับเสียงเอาต์พุต

เลือกเสียงสำหรับการสังเคราะห์โดยระบุชื่อพรีเซ็ต หรือ ID ของเสียงในกรณีที่เป็นเสียงโคลน

ค่าเริ่มต้น 1

ตัวคูณระดับเสียง: 1.0 คือระดับเสียงปกติ, 0.5 คือครึ่งหนึ่งของระดับเสียง และ 2.0 คือสองเท่าของระดับเสียง

ค่าเริ่มต้น 0

การปรับระดับเสียงพูด วัดเป็นเซมิโทน: 0 จะไม่เปลี่ยนระดับเสียง, -12 จะลดลงหนึ่งอ็อกเทฟ และ 12 จะเพิ่มขึ้นหนึ่งอ็อกเทฟ

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

เรียกใช้คำขอนี้

คีย์ของคุณจะอยู่ในเบราว์เซอร์นี้ โดยส่งไปยัง Doitong API เท่านั้น และจะบันทึกใน localStorage ก็ต่อเมื่อคุณเลือกจดจำ รับคีย์ API

เกี่ยวกับ Seed Audio 1.0

สังเคราะห์เสียงจากพรอมต์ที่มีความยาวไม่เกิน 2048 อักขระ สามารถเลือก `voice` แบบกำหนดไว้ล่วงหน้าหรือโคลนได้ และอ้างอิงคลิปเสียงได้สูงสุด 3 คลิปในพรอมต์ด้วย @Audio1 ถึง @Audio3 หรือใช้ภาพอ้างอิงหนึ่งภาพแทนได้ แต่ไม่สามารถใช้ร่วมกับเสียงได้ เอาต์พุตเป็น wav, mp3, pcm หรือ ogg_opus ที่อัตราการสุ่มตัวอย่างตั้งแต่ 8000 ถึง 48000 Hz ความเร็วและระดับเสียงอยู่ในช่วง 0.5 ถึง 2 ระดับเสียงเปลี่ยนได้ -12 ถึง 12 เซมิโทน และ `multilingual` จะสลับไปใช้รูปแบบสำหรับข้อความหลายภาษา

พารามิเตอร์

ส่งชื่อมาตรฐานหรือชื่อดั้งเดิมอย่างใดอย่างหนึ่งเท่านั้น ห้ามส่งทั้งสองชื่อ ชื่อมาตรฐาน

ชื่อประเภท ค่าเริ่มต้นค่าที่อนุญาต คำอธิบาย
promptจำเป็น
ประเภทstring
≤ 2,048 อักขระ
พรอมต์หรือข้อความสำหรับการสังเคราะห์ โดยระบุการอ้างอิงเสียงตามลำดับเป็น @Audio1 สำหรับอินพุตแรก, @Audio2 สำหรับอินพุตที่สอง และ @Audio3 สำหรับอินพุตที่สาม
voiceไม่บังคับ
ประเภทstring | null
เลือกเสียงสำหรับการสังเคราะห์โดยระบุชื่อพรีเซ็ต หรือ ID ของเสียงในกรณีที่เป็นเสียงโคลน
audio_urlsไม่บังคับ audios
ประเภทurl[] · audio
≤ 3 รายการ
ระบุเสียงอ้างอิงผ่าน URL ได้สูงสุด 3 รายการ โดยแต่ละไฟล์ต้องอยู่ในรูปแบบ wav/mp3/pcm/ogg_opus และมีขนาดไม่เกิน 10 MB และความยาวไม่เกิน 30 วินาที ในพรอมต์ ให้ระบุคลิปด้วย @Audio1, @Audio2, @Audio3
image_urlไม่บังคับ image
ประเภทurl · image
ระบุการอ้างอิงรูปภาพได้ 1 รูปผ่าน URL เท่านั้นเมื่อไม่ได้ระบุการอ้างอิงเสียง รูปภาพต้องเป็น jpeg/png/webp และมีขนาดไม่เกิน 10 MB
output_formatไม่บังคับ
ประเภทenum
ค่าเริ่มต้นmp3
wavmp3pcmogg_opus
รูปแบบของเสียงที่สร้างขึ้น
sample_rateไม่บังคับ
ประเภทenum
ค่าเริ่มต้น24000
80001600024000320004410048000
ความถี่การสุ่มตัวอย่างในหน่วย Hz สำหรับเสียงเอาต์พุต
speedไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น1
0.5 – 2
ตัวคูณอัตราการพูด: 1.0 คือความเร็วปกติ, 0.5 คือครึ่งหนึ่งของความเร็ว และ 2.0 คือสองเท่าของความเร็ว
volumeไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น1
0.5 – 2
ตัวคูณระดับเสียง: 1.0 คือระดับเสียงปกติ, 0.5 คือครึ่งหนึ่งของระดับเสียง และ 2.0 คือสองเท่าของระดับเสียง
pitchไม่บังคับ
ประเภทinteger
ค่าเริ่มต้น0
-12 – 12
การปรับระดับเสียงพูด วัดเป็นเซมิโทน: 0 จะไม่เปลี่ยนระดับเสียง, -12 จะลดลงหนึ่งอ็อกเทฟ และ 12 จะเพิ่มขึ้นหนึ่งอ็อกเทฟ
multilingualไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นfalse
การเลือกตัวแปรของโมเดล: การเปิดใช้ตัวแปรหลายภาษาช่วยให้จัดการได้ดีขึ้นเมื่อพรอมต์ผสมหลายภาษา หรือใช้ภาษาอื่นที่ไม่ใช่ภาษาอังกฤษ
enable_safety_checkerไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นtrue
สามารถผ่อนปรนการคัดกรองได้โดยตั้งค่าเป็น false หากผู้เรียกมีสิทธิ์
จำเป็น ชื่อมาตรฐาน ซึ่งรองรับเช่นกัน

พารามิเตอร์ไฟล์รับ URL https:// สาธารณะ, data: URI ขนาดไม่เกิน 10 MB หรือ file_url ของไฟล์ที่อัปโหลด ไฟล์

เอาต์พุต

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"
  }
}
ไฟล์ของคุณ คุณเลือกเองทุก outputs[].url คือสำเนาบนพื้นที่จัดเก็บของเรา: เก็บไว้ตลอดไป (คิดค่าบริการต่อ GB-เดือน) หรือฟรี 7 วัน โดยกำหนดได้ในการตั้งค่าบัญชีหรือ ?storage=
รูปแบบเดียวกันในทุกโมเดลtype, url, content_type, width, height และ duration สำหรับภาพ วิดีโอ และเสียงเหมือนกันทั้งหมด ส่วน output คือออบเจ็กต์ผลลัพธ์ของโมเดลเอง
ฟิลด์ของเอาต์พุต
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}ไฟล์เสียงที่สร้างขึ้น

สำหรับเอเจนต์ AI: หน้า Markdown นี้อยู่ที่ https://doitong.com/th/developers/models/bytedance/seed-audio-1.0.md. โมเดลและคู่มือทั้งหมด: https://doitong.com/developers/llms.txt