Referencia de la API de Seed Speech 2.0

Con una sola clave de API de PopNow puedes llamar a Seed Speech 2.0 desde tu propio código. Aquí tienes los ID de modelo que debes enviar, cada campo de entrada que acepta, cuántos créditos cuesta cada solicitud y una petición que puedes pegar tal cual en la terminal.

Las descripciones de los parámetros vienen del esquema de entrada del modelo y solo están en inglés.

De un vistazo

Creado por: ByteDance
Resultado: Audio
Desde: 10.8 créditos por cada 1.000 caracteres ($0.108)
Tiempo habitual: unos 9 s
ID de modelo: bytedance/seed-speech-2.0/text-to-speech

1 crédito = 0,01 US$. Al aceptarse, la tarea retiene el cargo máximo posible y al terminar cobra el uso real, redondeado al crédito superior; el resto se libera. Las tareas fallidas no se cobran. Para saber la cifra exacta antes de ejecutar, llama a POST /api/v1/jobs/quote.

Texto a voz

bytedance/seed-speech-2.0/text-to-speech

Precio

Opción	Créditos (por cada 1.000 caracteres)	Dólares
`Predeterminado`	10.8	$0.108

Parámetros

Campo	Tipo	Valor predeterminado	Valores admitidos	Para qué sirve
`text`Obligatorio	`string`	—	hasta 5000 caracteres	The words to be spoken, exactly as written. Billed per 1,000 characters.
`voice_id`Opcional	`string`	`stokie_en`	vivi_mixed_en_zh_ja_es_id, mindy_en_es_id_pt_zh, stokie_en, dacey_en, tim_en, kian_en_zh, cedric_en_zh, sophie_en_zh, jean_en_zh, magnus_en_zh, mabel_en_zh, nadia_en_zh, opal_en_zh, pearl_en_zh, … (+27)	Preset voice. The suffix shows the languages it is built for.
`instructions`Opcional	`string`	—	hasta 1000 caracteres	How to read the text: tone, emotion, pace or volume. Not spoken and not billed.
`speed`Opcional	`number`	`1`	de 0.5 a 2	Speaking rate; 1 is the voice's normal pace.
`pitch`Opcional	`integer`	`0`	de -12 a 12	Pitch shift in semitones; 0 keeps the voice's own pitch.
`volume`Opcional	`number`	`1`	de 0.5 a 2	Loudness multiplier; 1 is the normal level.
`language`Opcional	`string`	—	zh, en, ja, es-mx, id, pt-br, ko, it, de, fr	Forces the reading language. Leave empty to detect it from the text.
`output_format`Opcional	`string`	`mp3`	mp3, opus	File format of the result; opus is an Ogg Opus file.
`sample_rate`Opcional	`integer`	—	8000, 16000, 22050, 24000, 32000, 44100, 48000	Sample rate in Hz. The model uses 24000 when omitted.

Solicitud de ejemplo

Esta solicitud funciona tal cual; los campos que no envíes usan su valor predeterminado. Antes, guarda tu clave en POPNOW_API_KEY.

POST /api/v1/jobs/createTask?wait=60

curl -X POST "https://api.popnow.ai/api/v1/jobs/createTask?wait=60" \
  -H "Authorization: Bearer $POPNOW_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: $(uuidgen)" \
  -d '{
  "model": "bytedance/seed-speech-2.0/text-to-speech",
  "input": {
    "text": "Hi there! This voice was created with the PopNow API in just a few seconds."
  }
}'

La respuesta trae un taskId al instante. Consulta el resultado con GET /api/v1/jobs/recordInfo o añade callBackUrl para recibir un aviso.

GET /api/v1/jobs/recordInfo

curl "https://api.popnow.ai/api/v1/jobs/recordInfo?taskId=TASK_ID_FROM_CREATE_TASK" \
  -H "Authorization: Bearer $POPNOW_API_KEY"