BytePlus Seed TTS 2.0

ByteDance SprachsyntheseStreamingPrompt Caching

Input$30/M

Kontext4K

Listenpreise der Anbieter, ohne Plattform-Aufschlag, nutzungsbasierte Abrechnung. Dies sind offizielle Listenpreise. Angemeldete Kunden sehen auf /console/pricing die effektiven Preise inklusive Workspace-Rabatten.

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(""));

Spezifikationen & Limits

Audio

Sprachen: Englisch, Chinesisch, Japanisch, Deutsch, Französisch, mexikanisches Spanisch, indonesisches Bahasa, brasilianisches Portugiesisch, Italienisch und Koreanisch
Audio-Limits: Anbindung über unidirektionales Streaming-HTTP, uni- oder bidirektionales Streaming-WebSocket und Online-SDK
Abtastrate 24K/16K/8K auf den unidirektionalen Streaming- und Nicht-Streaming-Schnittstellen, 48K/24K/16K/8K auf der bidirektionalen Schnittstelle
Output als PCM, OGG_OPUS oder MP3 (WAV wird akzeptiert, gibt beim Streaming aber mehrere Header zurück)
SSML wird nicht unterstützt

Realtime

Stimmen: TTS-2.0-Stimmen tragen Speaker-IDs der Form *_uranus_bigtts und sind auf der Voice-List-Seite nach Szenario gelistet (General, Entertainment, Education, Dubbing, AudioBook, RolePlay, CustomerService); Emotion je Stimme über audio_params.emotion mit emotion_scale 1 bis 5 (Standard 4), speech_rate und loudness_rate in [-50, 100] sowie post_process.pitch in [-12, 12].
Sitzung: context_texts und section_id gibt es nur bei TTS 2.0: Eine Anweisung in natürlicher Sprache steuert Tempo, Emotion, Lautstärke und Stil (nur der erste Wert der Liste wird wirksam, und sein Text wird nicht abgerechnet), und section_id verknüpft bis zu 30 Runden oder 10 Minuten früherer Synthese als historischen Kontext.

Modell

Modalitäten: Text → Audio

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 ↗

Über BytePlus Seed TTS 2.0

Auf KI-Assistenten, Callcenter und Videosynchronisation ausgerichtet

Prompt in einfacher Sprache steuert Emotion, Tonfall, Sprechgeschwindigkeit und Tonhöhe

Liest die Anfrage der nutzenden Person neben dem gesprochenen Antworttext

Seed TTS 2.0 ist ByteDances aktuelle Text-to-Speech-Generation auf BytePlus, und die offizielle Übersicht baut sie um einen Query-Response-Mechanismus herum: Das Modell liest sowohl die Anfrage der nutzenden Person als auch den Antworttext, den es gleich sprechen wird, was laut BytePlus das kontextuelle Verständnis erweitert und die Menschenähnlichkeit sowie den emotionalen Ausdruck eines Gesprächs schärft.

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.

Offizielle ByteDance-Dokumentation ↗

FAQ

Lässt sich die BytePlus Seed TTS 2.0 API kostenlos testen?

Ja, neue Konten erhalten 10 Test-Calls und bis zu $1 kostenloses Guthaben, keine Kreditkarte erforderlich. Bei $30/M Input-Tokens deckt allein dieses Guthaben rund 8 Requests mit je ~4K Tokens gegen BytePlus Seed TTS 2.0 ab.

Worin ist BytePlus Seed TTS 2.0 am besten?

Auf KI-Assistenten, Callcenter und Videosynchronisation ausgerichtet; Prompt in einfacher Sprache steuert Emotion, Tonfall, Sprechgeschwindigkeit und Tonhöhe; liest die Anfrage der nutzenden Person neben dem gesprochenen Antworttext. Das vollständige Bild finden Sie im Über-Abschnitt, direkt aus den offiziellen Release Notes des Anbieters.

Was kostet BytePlus Seed TTS 2.0?

BytePlus Seed TTS 2.0 kostet auf Synthorai $30 pro Million Input-Tokens und $0 pro Million Output-Tokens. Das ist der Listenpreis des Anbieters, ohne Plattform-Aufschlag.

Unterstützt BytePlus Seed TTS 2.0 Prompt-Caching?

BytePlus Seed TTS 2.0 hat auf Synthorai derzeit keinen Cache-Lese-Rabatt. Prompt-Caching gilt weiterhin für andere Modelle auf dem Gateway; cache-fähige Alternativen finden Sie in der Preistabelle. Caching-Vergleich der Anbieter →

Wie erhalte ich Zugang zu BytePlus Seed TTS 2.0?

Richten Sie Ihr vorhandenes OpenAI SDK auf base_url="https://synthorai.io/v1", setzen Sie model="seed-tts-2.0", fertig. Ein API-Key deckt jedes Modell auf dem Gateway ab.