🎁 新規 無料登録、10回の呼び出しを進呈。最大 $1、カード不要。

BytePlus Seed TTS 2.0

ByteDance 音声合成ストリーミングプロンプトキャッシュ
入力$30/M
コンテキスト4K

ベンダー定価。プラットフォーム手数料なし、従量課金。 これらは公式 list 価格です。ログイン中のお客様は /console/pricing でワークスペース割引を含む実効価格を確認できます。

30 秒で BytePlus Seed TTS 2.0 を使う

OpenAI 互換。base_url を差し替えるだけで、SDK はそのまま。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)

スペックと制限

音声

言語
英語、中国語、日本語、ドイツ語、フランス語、メキシコスペイン語、インドネシア語、ブラジルポルトガル語、イタリア語、韓国語
音声の制限
  • 連携は単方向ストリーミング HTTP、単方向または双方向ストリーミング WebSocket、オンライン SDK 経由。
  • サンプリングレートは単方向ストリーミングおよび非ストリーミングのインターフェースで 24K/16K/8K、双方向インターフェースで 48K/24K/16K/8K。
  • 出力は PCM、OGG_OPUS、MP3(WAV も受け付けますが、ストリーミング時は複数のヘッダーが返ります)。
  • SSML は非対応。

リアルタイム

ボイス
TTS 2.0 のボイスは *_uranus_bigtts の speaker ID を持ち、Voice List ページでシナリオ別(General, Entertainment, Education, Dubbing, AudioBook, RolePlay, CustomerService)に掲載されています。ボイスごとの感情は audio_params.emotion で指定し、emotion_scale は 1 から 5(デフォルト 4)、speech_rate と loudness_rate は [-50, 100]、post_process.pitch は [-12, 12] の範囲です。
セッション
  • context_texts と section_id は TTS 2.0 専用です。
  • 平易な言葉での指示により速度・感情・音量・スタイルを制御し(効果があるのはリストの最初の値のみで、そのテキストは課金されません)、section_id は過去の合成を最大 30 ラウンドまたは 10 分ぶん、履歴コンテキストとして紐づけます。

モデル

モダリティ
テキスト → 音声
  • クエリと応答テキストをまとめて理解する Query-Response 型の TTS で、TTS 1.0 に対して感情・トーン・速度・ピッチのテキストプロンプト、文単位の感情タグ、コンテキスト理解を追加しています。
  • X-Api-Resource-Id に seed-tts-2.0 を指定して選択します。
  • enable_subtitle は TTS 2.0 のボイスで単語と音素のタイムスタンプを返します(中国語と英語のみ)。
  • 任意のレスポンスキャッシュは 1 時間保持されます。

出典:ByteDance 公式ドキュメント ↗

BytePlus Seed TTS 2.0 について

AI アシスタント、コールセンター、動画の吹き替えを対象
平易な言葉のプロンプトが感情・トーン・話速・ピッチを制御
話す応答テキストとともにユーザーのクエリも読み取ります

Seed TTS 2.0 は BytePlus 上の ByteDance の現行世代の text-to-speech で、公式の概要はクエリ・レスポンス機構を中心に据えています。

  • モデルはユーザーのクエリと、これから話す応答テキストの両方を読み取り、BytePlus はこれが文脈理解を広げ、会話の人間らしさと感情表現を鋭くすると述べています。
  • 対象シナリオとして AI アシスタント、AI コンパニオン、コールセンター、動画の吹き替えを挙げています。
  • 1.0 系に対する 2.0 固有の機能として 3 つが挙げられています。
  • 感情、トーン、話速、ピッチを平易な言葉で制御するテキストプロンプト、文単位の感情タグ、そして周囲の対話を渡すとモデルがその感情的なトーンを合成に引き継ぐコンテキスト理解です。
  • 対応言語は 10 言語で、英語、中国語、日本語、ドイツ語、フランス語、メキシコスペイン語、インドネシア語、ブラジルポルトガル語、イタリア語、韓国語にわたり、単方向ストリーミング HTTP、単方向または双方向ストリーミング WebSocket、オンライン SDK から利用できます。
  • 音声は既定で PCM、または OGG_OPUS か MP3 として返り、既定のサンプリングレートは 24 kHz で、WAV はストリーミングに一切対応しないと文書化されています。
  • リクエストの面は奥深く、公開リストから選ぶ音声 ID、それぞれ -50 から 100 のスケールを持つ話速と音量、一部の音声のみが受け付ける 1 から 5 の強度を伴う感情設定、中国語と英語向けのオプションの単語・音素タイムスタンプ、繰り返されるテキストのための 1 時間の合成キャッシュがあります。
  • 実務上の注意が 2 つあります。
  • 入力テキストで SSML は現在サポートされていないこと、そして感情の制御のために渡すコンテキストは課金されないことです。
  • それ以外は文字単位の課金で、スペースと句読点も数えられます。
  • Synthorai は、残りの音声カタログと並んで OpenAI 互換の /v1/audio/speech エンドポイント経由で提供します。

よくある質問

BytePlus Seed TTS 2.0 API は無料で試せますか?

はい。新規アカウントには 10 回のトライアル呼び出しと最大 $1 の無料クレジットが付与され、カード登録は不要です。入力 $30/M で計算すると、このクレジットだけで BytePlus Seed TTS 2.0 に対して約 8 回の ~4K トークンのリクエストを送れます。

BytePlus Seed TTS 2.0 は何が得意ですか?

AI アシスタント、コールセンター、動画の吹き替えを対象、平易な言葉のプロンプトが感情・トーン・話速・ピッチを制御、話す応答テキストとともにユーザーのクエリも読み取ります。全体像はベンダー公式のリリースノートに基づく「このモデルについて」セクションをご覧ください。

BytePlus Seed TTS 2.0 の料金はいくらですか?

Synthorai 上の BytePlus Seed TTS 2.0 は入力 100 万トークンあたり $30、出力 100 万トークンあたり $0 です。ベンダー定価のままで、プラットフォーム手数料はありません。

BytePlus Seed TTS 2.0 はプロンプトキャッシュに対応していますか?

BytePlus Seed TTS 2.0 には現在 Synthorai 上でキャッシュ読み取り割引がありません。ゲートウェイ上の他のモデルではプロンプトキャッシュが引き続き利用できます。キャッシュ対応の代替モデルは料金表をご覧ください。 プロバイダー別キャッシュ比較 →

BytePlus Seed TTS 2.0 を利用するには?

お使いの OpenAI SDK の base_url を "https://synthorai.io/v1" に向け、model="seed-tts-2.0" を設定すれば完了です。API キー 1 本でゲートウェイ上のすべてのモデルを利用できます。

関連モデル

無料の API キーを取得 コストを比較する →