Seed Speech 2.0: dokumentacja API

Jednym kluczem API PopNow wywołasz Seed Speech 2.0 z własnego kodu. Znajdziesz tu identyfikatory modelu, które trzeba wysłać, każde pole wejściowe, koszt zapytania w kredytach i gotowe zapytanie do wklejenia w terminalu.

Opisy parametrów pochodzą ze schematu wejściowego modelu i są dostępne tylko po angielsku.

W skrócie

Twórca: ByteDance
Wynik: Audio
Od: 10.8 kr. za 1000 znaków ($0.108)
Typowy czas: ok. 9 s
Identyfikatory modelu: bytedance/seed-speech-2.0/text-to-speech

1 kredyt = 0,01 USD. Po przyjęciu zadanie blokuje najwyższą możliwą kwotę, a na koniec rozlicza faktyczne zużycie, zaokrąglone w górę do pełnych kredytów; resztę zwalnia. Za zadania zakończone błędem nie płacisz. Dokładną kwotę przed uruchomieniem poda POST /api/v1/jobs/quote.

Tekst na mowę

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

Cena

Opcja	Kredyty (za 1000 znaków)	Dolary USA
`Domyślnie`	10.8	$0.108

Parametry

Pole	Typ	Domyślnie	Dozwolone wartości	Do czego służy
`text`Wymagane	`string`	—	do 5000 znaków	The words to be spoken, exactly as written. Billed per 1,000 characters.
`voice_id`Opcjonalne	`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`Opcjonalne	`string`	—	do 1000 znaków	How to read the text: tone, emotion, pace or volume. Not spoken and not billed.
`speed`Opcjonalne	`number`	`1`	od 0.5 do 2	Speaking rate; 1 is the voice's normal pace.
`pitch`Opcjonalne	`integer`	`0`	od -12 do 12	Pitch shift in semitones; 0 keeps the voice's own pitch.
`volume`Opcjonalne	`number`	`1`	od 0.5 do 2	Loudness multiplier; 1 is the normal level.
`language`Opcjonalne	`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`Opcjonalne	`string`	`mp3`	mp3, opus	File format of the result; opus is an Ogg Opus file.
`sample_rate`Opcjonalne	`integer`	—	8000, 16000, 22050, 24000, 32000, 44100, 48000	Sample rate in Hz. The model uses 24000 when omitted.

Przykładowe zapytanie

To zapytanie działa w obecnej postaci; pominięte pola mają wartości domyślne. Najpierw zapisz klucz w zmiennej 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."
  }
}'

Odpowiedź od razu zawiera taskId. Wynik pobierzesz przez GET /api/v1/jobs/recordInfo albo dodaj callBackUrl, by dostać powiadomienie.

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"