ByteDance Seed: Seed Audio 1.0

ByteDance Seed Audio 1.0 шығармашылық тапсырма негізінде дауысталған үзінділер мен дыбыстық көріністер жасайды. Ол дауыстарды, дыбыстық эффектілерді және қоршаған орта дыбыстарын үйлестіреді, диалог уақытын 100 мс аралықтарымен басқаруды қолдайды және 20-дан астам тілді қамтиды. Өндіруші бір генерацияда екі минутқа дейін аудио жасап, оны әрі қарай жалғастыру мүмкіндігін сипаттайды.

Ailoot Ultra · Сөйлеу POST /v1/audio/speech bytedance-seed/seed-audio-1-0

Модель туралы

Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.

ByteDance Seed Audio 1.0 — дыбыстық көрініс төңірегінде құрылған аудио жасау моделі. Сөйлеуді, дыбыстық эффектілерді және қоршаған орта дыбыстарын мәтіндік тапсырма арқылы бірге қалыптастыруға болады. Сондықтан ол дауысталған хикаяға, ойындағы кездесуге, қысқа драмалық диалогқа немесе монтаждалған видеоны сүйемелдейтін көрініске пайдалы. Тек дауыс қажет болса, сөйлеуші мен орындауды сипаттаңыз; толық көрініс үшін акустикалық ортаны және диалогтың айналадағы дыбыстармен байланысын да қосыңыз.

Тапсырманы тыңдаушы көріністі қабылдайтын ретпен дайындаңыз. Кейіпкерлерді, көзделген эмоциялық күйлерін және айтатын сөздерін анықтаңыз. Содан кейін кеңістікті, маңызды дыбыс белгілерін және сәттің даму барысын сипаттаңыз. Нәтижені екеуімен де салыстырып тексеру үшін өндірістік тапсырма дәл диалогты көрініс сипаттамасынан ажыратуы тиіс. Қай элемент түсінуге міндетті, қайсысы фонда қалуы керектігін көрсетіңіз. Тыныш бөлме, адам көп вокзал және ашық аула, айтылған сөйлем бірдей болса да, әртүрлі дыбыс дизайнын талап етеді.

Өзіндік мысал — қысқа паналау көрінісінде серігін жұбататын ойын кейіпкері: бәсең жаңбыр фонында байсалды дауыс «Осында күте аламыз» дейді, ал сөйлемнен кейін жақындап келе жатқан бір қадамның дыбысы естіледі. Тыңдаудағы пайдалы тексеру — сөздер түсінікті ме, дауыс жұбату сезімін жеткізе ме, дыбыс белгісі көріністің орынды сәтінде келе ме. Басқа тапсырма қоршаған атмосферасыз өнімді таныстыратын анық диктор дауысын сұрауы мүмкін. Бұлар — жасалған аудио жазбалары немесе дайын микс туралы уәде емес, ниетті нақтылау мысалдары.

Өндіруші кейіпкер диалогының уақытын промпт деңгейінде 100 мс аралықтарымен басқаруды құжаттайды. Осы тетікпен сценарийдегі сөйлемнің қашан басталатынын сипаттаңыз немесе бар монтажға сөйлеу материалын жоспарлаңыз. Диалог уақытын дыбыстық эффектілер мен қоршаған орта дыбыстарын орналастырудан бөлек ұстаңыз: шығарылым уақыт басқаруының негізгі нысаны ретінде кейіпкер диалогын атайды. Нақты басталуларды, үзілістерді және қабаттасуларды көзделген көрініспен салыстырыңыз. Уақыт аралығы модель басқаруының қадам дәлдігін сипаттайды және соңғы орындауды тыңдау қажеттігін жоймайды.

Дауысты мәтіндік сипаттамамен, пайдалануға рұқсат етілген үлгімен немесе екеуімен анықтауға болады. Өндіруші мұны әр сөйлеушіге жеке модель оқытпай дауыс қалыптастыру деп ұсынады. Дауыстың тұрақты қасиеттерін ағымдағы сөйлем эмоциясынан бөлек сипаттаңыз. Қайталанатын кейіпкер танылатын қалпын сақтай отырып, тыныш кіріспе де, шұғыл жауап та беруі мүмкін. Практикалық дайындықта көзделген дауыс анық естілетін таза үлгі таңдап, жаңа орындауға не ауысуы керектігін белгілеңіз. Байланысты көріністер дайындағанда сол үлгіні және кейіпкер тапсырмасын бірізді сақтаңыз.

Шығарылым қытай, ағылшын, жапон, корей, испан, индонезия, неміс, француз, тай және вьетнам тілдерін қоса алғанда, 20-дан астам тілдегі генерацияны құжаттайды. Танылатын кейіпкер дауысын әр тілдің ырғағы мен мәнеріне бейімдеуді сипаттайды. Диалогты соңғы тілде беріп, есімдерін, екпіндерін, үзілістерін және эмоциялық үнін сол тілді түсінетін тыңдаушымен тексеріңіз. Көптілді нұсқаларда кейіпкер рөлі мен эмоциялық ниетін тұрақты сақтап, әр сценарийге табиғи тұжырым жасауға жеткілікті орын беріңіз. Дыбыстық көрініс тапсырмасы барлық жерсіндіру шешімін өзі береді деп есептемей, аударманы сценарий жұмысының бөлігі ретінде дайындаңыз.

Өндірушінің шығарылымына сай Seed Audio 1.0 бір өтімде екі минутқа дейін дыбыс жасап, жалғастыруды қолдайды. Ұзақ хикая үшін көрініс шекаралары мен қайта қолданылатын кейіпкер тапсырмасы пайдалы. Әр жалғастыруда бөлімдерді байланыстыратын сөздермен қатар дауыс, фондық текстура және қарқын өзгерістерін тыңдаңыз. Қайтарылған аудионы тыңдалатын материал деп қарастырыңыз: ойнатуға дайындағанда немесе редакторға импорттағанда нақты файл ақпаратын тексеріп, түзету үшін сценарий мен көрініс тапсырмасын бірге сақтаңыз. Біріктірілген өнімді жеке клиптер ретінде ғана емес, үздіксіз көрініс ретінде тексеру қажет.

Өндіруші тіл деңгейіндегі шығармашылық ниет диффузияға негізделген акустикалық генераторды бағыттайтын бірыңғай жүйені сипаттайды. Тапсырма үшін практикалық мағынасы — дауыс пен ортаны бірге қарастыруға болады. Көріністі анықтайтын бірнеше байланысқа назар аударыңыз: сөйлем алдыңғы планда ма, дыбыстық эффект оны бөле ме, атмосфера эмоциялық сәтті қалай қолдайды. Көптеген байланыссыз белгіні қосу нәтиженің қай бөлігіне түзету керектігін анықтауды қиындатады. Дыбыс белгісі диалогпен бәсекелессе немесе орындау көзделген үнге жетпесе, сол үзіндінің бағытын өзгертіңіз.

Ұзақ, күрделі материалдағы дауыс бірізділігі және дыбыс элементтері арасындағы дәлірек уақыт басқаруы шығарылымда әрі қарай дамыту бағыттары деп көрсетілген. Өндірістік тексеруді нақты ұстаңыз: дәл сөздер, сөйлеушінің кім екені, тіл, кіру сәттері, түсініктілік және жалғастырулар арасындағы бірізділік. Модельдің пайдалы шығысы — дыбыстық көрініс немесе дауысталған үзінді. Монтажда кесілетін тұстар, субтитрлер және жеткізу пішімі туралы бөлек шешімдерді нақты нәтиже мен мақсатты өндіріс талаптарына сүйеніп қабылдауға болады.

Ailoot Ultra · Сөйлеу POST /v1/audio/speech bytedance-seed/seed-audio-1-0

bytedance-seed/seed-audio-1-0

ByteDance Seed /bytedance-seed/seed-audio-1-0

Бастау

Қабылданатын кіріс деректері: Мәтін
Нәтижелер: Аудио

Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер

Ailoot Ultra · Сөйлеу POST /v1/audio/speech

Кіріс: text
Шығыс: audio

Өріс	Түрі	Талап	Мәндер мен шектеулер	Әдепкі
Өріс`model`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер bytedance-seed/seed-audio-1-0	Әдепкі—
Өріс`input`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер Ең аз ұзындық: 1	Әдепкі—
Өріс`voice`	Түрі`string`	ТалапМіндетті емес	Мәндер мен шектеулер Ең аз ұзындық: 1	Әдепкі—
Өріс`response_format`	Түрі`string`	ТалапМіндетті емес	Мәндер мен шектеулер mp3, pcm	Әдепкіpcm
Өріс`provider`	Түрі`object`	ТалапМіндетті емес	Мәндер мен шектеулер	Әдепкі—

Әдіс параметрлері мен өмірлік циклі

Параметр	Параметр талаптары
Параметр`content_type`	Параметр талаптарыapplication/json
Параметр`required`	Параметр талаптарыmodel, input
Параметр`material_types`	Параметр талаптарыtext

Өмірлік цикл: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Нақты қайтарылған task_id немесе медиатека жазбасы

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Тарифтер

Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.

Жылдам режим: Көрсетілмеген Жылдам режим таңдалғанда
Икемді режим: Көрсетілмеген flex режимі таңдалғанда
Ой қорытудың ең жоғары деңгейі: Көрсетілмеген Ой қорыту деңгейі ең жоғары болып, default түзетуі қолданылғанда

Ailoot мөлшерлемелері

Баптаулар бойынша бағалар

Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.

Баптау	Мөлшерлемелер кестесі	Есептеу бірлігі	Төлем
БаптауТокендердің базалық тарифтері	Мөлшерлемелер кестесіНегізгі мөлшерлеме	Есептеу бірлігі—	Төлем Кіріс · Кіріс токендері — / 1K токен Шығыс · Шығыс токендері — / 1K токен Кіріс · Кэшті оқу — / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен
Баптаушығыс аудио секунды	Мөлшерлемелер кестесі—	Есептеу бірлігішығыс аудионың секунды үшін	Төлем Шығыс · шығыс аудио секунды $0.005 шығыс аудионың секунды үшін

Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →

Сұрау мысалдары

Ailoot Ultra · Сөйлеу

Нақты кіріс деректерін қолданып, нәтижені толық сақтаңыз

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"
export AILOOT_INPUT_TEXT
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
request={'model': 'bytedance-seed/seed-audio-1-0', 'input': '${ACTUAL_INPUT_TEXT}'}
request['input']=os.environ['AILOOT_INPUT_TEXT']
Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.

Нәтижелерді алу және сақтау

Ailoot Ultra · Сөйлеу

Толық бинарлық аудио немесе бастапқы audio_url жауабы, тақырыптар және иелігіңіздегі әрбір ресурс.

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

Басқа мазмұнды оқу

Өзіңізге тиесілі қолда бар материалдарды оқу

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json
# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.

Барлық дайын нәтижені сақтау

Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.

Толық жауапты және тақырыптарды, алынған әрбір нәтижені, бастапқыда қайтарылған идентификаторларды және пайдалану туралы барлық өрістерді сақтаңыз. Жасау сұрауын қайта жібермей, бастапқы операцияны қалпына келтіріңіз.

Бастапқы жауапты тексеру қажет болса

Есептерді салыстырып тексеру үшін қайтарылған X-Client-Request-ID мәнін сақтаңыз. Тек нақты қайтарылған task_id/asset_id мәндері арқылы немесе өзіңізге тиесілі медиатекадан оқыңыз; операция ID мәнінен тапсырманың URL мекенжайын ешқашан құрастырмаңыз және жасау сұрауын ешқашан қайта жібермеңіз.

Балама атаулар

Модельдердің балама атаулары

Ailoot Ultra bytedance-seed/seed-audio-1-0

Әдіс жолдарының балама атаулары

Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.

Шақыруға арналған байланысты ID

bytedance-seed/seed-audio-1-0

FAQ · ByteDance Seed: Seed Audio 1.0

Қандай кіріс деректері мен нәтижелер қолжетімді?: POST /v1/audio/speech · bytedance-seed/seed-audio-1-0: text → audio
Сұрау қандай өрістерді пайдаланады?: POST /v1/audio/speech · bytedance-seed/seed-audio-1-0: model, input, voice, response_format, provider

ByteDance Seed: Seed Audio 1.0