BytePlus Seed TTS 2.0

Spezifikationen & Limits

• Query-Response-TTS, das Anfrage und Antworttext gemeinsam versteht und gegenüber TTS 1.0 Text-Prompts für Emotion, Tonfall, Tempo und Tonhöhe, Emotions-Tags auf Satzebene sowie Kontextverständnis ergänzt. Auswahl über die X-Api-Resource-Id seed-tts-2.0
• enable_subtitle liefert bei TTS-2.0-Stimmen Zeitstempel auf Wort- und Phonemebene (nur Chinesisch und Englisch)
• optionaler Antwort-Cache mit 1 Stunde Aufbewahrung

laut Offizielle ByteDance-Dokumentation ↗

BytePlus Seed TTS 2.0 in 30 Sekunden nutzen

OpenAI-kompatibel: Tauschen Sie die base_url, behalten Sie Ihr SDK. POST /v1/chat/completions

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="seed-tts-2.0",
    messages=[{"role": "user", "content": "Summarize this diff"}],
)
print(resp.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://synthorai.io/v1",
  apiKey: "sk-syn-...",
});

const resp = await client.chat.completions.create({
  model: "seed-tts-2.0",
  messages: [{ role: "user", content: "Summarize this diff" }],
});
console.log(resp.choices[0].message.content);

curl https://synthorai.io/v1/chat/completions \
  -H "Authorization: Bearer sk-syn-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "seed-tts-2.0",
    "messages": [{"role": "user", "content": "Hello"}]
  }'

package main

import (
	"context"
	"fmt"

	"github.com/openai/openai-go/v3"
	"github.com/openai/openai-go/v3/option"
)

func main() {
	client := openai.NewClient(
		option.WithBaseURL("https://synthorai.io/v1"),
		option.WithAPIKey("sk-syn-..."),
	)
	resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
		Model: "seed-tts-2.0",
		Messages: []openai.ChatCompletionMessageParamUnion{
			openai.UserMessage("Summarize this diff"),
		},
	})
	fmt.Println(resp.Choices[0].Message.Content)
}

import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;

OpenAIClient client = OpenAIOkHttpClient.builder()
    .baseUrl("https://synthorai.io/v1")
    .apiKey("sk-syn-...")
    .build();

ChatCompletion resp = client.chat().completions().create(
    ChatCompletionCreateParams.builder()
        .model("seed-tts-2.0")
        .addUserMessage("Summarize this diff")
        .build());
System.out.println(resp.choices().get(0).message().content().orElse(""));

Über BytePlus Seed TTS 2.0

• Als Zielszenarien nennt sie KI-Assistenten, KI-Begleiter, Callcenter und Videosynchronisation.
• Drei Funktionen sind als exklusiv für 2.0 gegenüber der 1.0-Linie aufgeführt: ein Textprompt, der Emotion, Tonfall, Sprechgeschwindigkeit und Tonhöhe in einfacher Sprache steuert; ein Emotions-Tag auf Satzebene; und Kontextverständnis, bei dem Sie den umgebenden Dialog liefern und das Modell dessen emotionalen Ton in die Synthese überträgt.
• Zehn Sprachen werden abgedeckt: Englisch, Chinesisch, Japanisch, Deutsch, Französisch, mexikanisches Spanisch, Indonesisch, brasilianisches Portugiesisch, Italienisch und Koreanisch, erreichbar über unidirektionales Streaming-HTTP, unidirektionalen oder bidirektionalen Streaming-WebSocket und das Online-SDK.
• Audio kommt standardmäßig als PCM zurück, alternativ als OGG_OPUS oder MP3, mit einer Standard-Samplingrate von 24 kHz, und für WAV ist dokumentiert, dass es Streaming überhaupt nicht unterstützt.
• Die Request-Oberfläche ist tief: eine Voice-ID aus der veröffentlichten Liste, Sprechgeschwindigkeit und Lautstärke jeweils auf einer Skala von -50 bis 100, eine Emotionseinstellung mit einer Intensität von 1 bis 5, die nur manche Stimmen akzeptieren, optionale Wort- und Phonem-Zeitstempel für Chinesisch und Englisch sowie ein einstündiger Synthese-Cache für wiederholten Text.
• Zwei praktische Hinweise: SSML wird im Eingabetext derzeit nicht unterstützt, und der zur emotionalen Steuerung übergebene Kontext wird nicht abgerechnet.
• Ansonsten erfolgt die Abrechnung pro Zeichen, einschließlich Leerzeichen und Satzzeichen.
• Synthorai stellt es über den OpenAI-kompatiblen /v1/audio/speech Endpoint neben dem Rest seines Sprachkatalogs bereit.

FAQ

Verwandte Modelle

Vergleichen