跳转至

模型说明

seed-audio-1.0
纯文本生成音频 ✅
音频参考生成 ✅（最多 3 条参考音频）
图片参考生成 ✅（仅 1 张参考图；不可与音频参考混用）
单次输出上限 120 秒
text_prompt 上限 3000 字符

功能接口详情

语音合成（TTS Create）

请求 URL

POST https://genaiapi-m2.cloudsway.net/v1/ai/{endpoint}/seedaudio/tts/create
Header 是否必填 描述
Authorization 是 Bearer {YOUR_AK}
Content-Type 是 application/json

请求 Body 参数

参数名 字段类型 是否必填 描述
text_prompt string 是 待合成的提示词或文本。最大长度：3000 字符。
references array 否 参考资源。纯文本生成时可省略该字段。
audio_config object 否 输出音频配置。
watermark object 否 水印配置对象。可传空对象。

生成模式

  • 纯文本生成： 省略 references。API 根据 text_prompt 生成音频。

  • 音频参考生成： 通过 speaker、audio_data 或 audio_url 提供音频参考。在 text_prompt 中按顺序使用 @Audio1、@Audio2、@Audio3 引用参考音频。

  • 图片参考生成： 通过 image_data 或 image_url 提供一张参考图片。text_prompt 仅需包含待合成文本。

references[] 元素字段（参考规则）

参数名 字段类型 是否必填 描述 互斥规则
speaker string
 否 音色 ID。可使用支持的豆包 TTS 音色或声音克隆音色 ID。 音频参考在 speaker、audio_data、audio_url 中三选一。
audio_data string 否 Base64 编码的参考音频。 在 speaker、audio_data、audio_url 中三选一。
audio_url string 否 远程参考音频文件的 URL。
 在 speaker、audio_data、audio_url 中三选一。
image_data string
 否 Base64 编码的参考图片。 在 image_data 或 image_url 中二选一。不要将图片参考与音频参考混用。
image_url string 否 远程参考图片的 URL。 在 image_data 或 image_url 中二选一。不要将图片参考与音频参考混用。

参考资源限制

  • 音频参考：每个请求最多 3 条。

  • 每条参考音频：最长 30 秒，且不超过 10 MB。

  • 支持的参考音频格式：wav、mp3、pcm、ogg_opus。

  • 图片参考：每个请求仅 1 张。

  • 参考图片大小：不超过 10 MB。

  • 支持的参考图片格式：jpeg、png、webp。

  • 同一请求中不可将图片参考与音频参考混用。

audio_config 字段（音频配置）

参数名 字段类型 是否必填 默认值 描述
format string 否 wav 允许值：wav、mp3、pcm、ogg_opus
sample_rate int 否 24000 允许值：8000、16000、24000、32000、44100、48000
speech_rate int 否 0 取值范围：-50 到 100。100 表示 2.0 倍速；-50 表示 0.5 倍速。
loudness_rate int 否 0 取值范围：-50 到 100。100 表示 2.0 倍音量；-50 表示 0.5 倍音量。
pitch_rate int 否 0 取值范围：-12 到 12。

响应参数

参数名 字段类型 描述
code int 状态码。详情见官方错误码文档。
message string 状态详情。
audio string 生成的音频数据，Base64 编码。
duration float 经速度或后处理后的时长，单位：秒。
original_duration float 原始模型输出时长，单位：秒。用于计费，且上限为 120 秒。
url
 string 临时音频 URL。官方说明有效期为 2 小时。

请求示例

纯文本生成

curl --request POST \
  --url 'https://genaiapi-m2.cloudsway.net/v1/ai/{endpoint}/seedaudio/tts/create' \
  --max-time 120 \
  --header 'Content-Type: application/json' \
  --header 'Authorization: Bearer {YOUR_AK}' \
  --data-raw '{
    "text_prompt": "Generate a short suspense radio drama in a late-night convenience store.",
    "audio_config": {
      "format": "mp3",
      "sample_rate": 48000,
      "pitch_rate": 0,
      "speech_rate": 0,
      "loudness_rate": 0
    },
    "watermark": {}
  }'

音频参考生成

{
  "text_prompt": "Use @Audio1 as the narrator voice and read the following line naturally: Welcome to the store.",
  "references": [
    {
      "audio_url": "https://example.com/reference.mp3"
    }
  ],
  "audio_config": {
    "format": "wav",
    "sample_rate": 24000,
    "speech_rate": 0,
    "loudness_rate": 0,
    "pitch_rate": 0
  },
  "watermark": {}
}

图片参考生成

{
  "text_prompt": "Read this scene description in a restrained suspense style.",
  "references": [
    {
      "image_url": "https://example.com/reference.png"
    }
  ],
  "audio_config": {
    "format": "wav",
    "sample_rate": 24000,
    "speech_rate": 0,
    "loudness_rate": 0,
    "pitch_rate": 0
  },
  "watermark": {}
}

响应示例

{
  "audio": "<base64-encoded-audio>",
  "duration": 3.52,
  "original_duration": 3.52,
  "url": "https://example.com/tmp/audio.wav"
}