音频
Seed Audio 1.0
豆包语音音频生成:一句描述出成品音频,同步返回。
POST https://anyrouter.cc/api/v3/tts/create
Authorization: Bearer sk-你的Key
Content-Type: application/json模型 seed-audio-1.0。一句描述直接生成成品音频:人声对白、情绪语气、方言、背景音乐和音效可以在同一段里一起生成。单次最长 120 秒,同步返回,不用轮询。实测 8 秒音频约 15 秒返回,请把客户端超时设到 180 秒以上。
请求体就是豆包语音音频生成 API 的格式,网关原样转发;鉴权用 AnyRouter 的 Key,不用火山的 X-Api-Key。旧地址 /doubao-voice/api/v3/tts/create 仍然可用。
文字生成音频
curl -s https://anyrouter.cc/api/v3/tts/create \
-H "Authorization: Bearer $AR_KEY" -H 'Content-Type: application/json' \
-d '{
"model": "seed-audio-1.0",
"text_prompt": "雨夜的老街,远处有雷声。一个疲惫的中年男声低声说:我回来了。约 8 秒。",
"audio_config": {"format": "mp3"}
}' > resp.json
curl -sS "$(jq -r .url resp.json)" -o out.mp3返回字段:
| 字段 | 说明 |
|---|---|
url | 音频下载地址,2 小时内有效,请及时下载 |
duration | 音频时长(秒) |
original_duration | 计费时长(秒) |
返回里不包含 Base64 的 audio 字段,一律从 url 下载。
参考音色或参考图片
在 references 里放参考,text_prompt 用 @音频1、@音频2 按顺序引用:
{
"model": "seed-audio-1.0",
"text_prompt": "用@音频1的声音,开心地说:今天的新品终于上线了!",
"references": [{"audio_url": "https://你的地址/voice.wav"}],
"audio_config": {"format": "wav"}
}| 限制 | 值 |
|---|---|
| 参考音频 | 最多 3 条,每条 ≤ 30 秒、≤ 10 MB。audio_url、audio_data(Base64)或火山音色 ID speaker 三选一 |
| 参考图片 | 最多 1 张(image_url 或 image_data),不能和参考音频混用;用图片参考时 text_prompt 只写要念的文本 |
text_prompt | 最长 3000 字符。总时长、人声出现的时间段可以直接写在描述里(「约 8 秒」「第 3 秒开始说话」) |
输出控制 audio_config
| 字段 | 取值 | 默认 |
|---|---|---|
format | wav / mp3 / pcm / ogg_opus | wav |
sample_rate | 8000–48000;ogg_opus 只能 48000 | wav 40000,mp3 44100 |
speech_rate | -50(0.5 倍速)到 100(2 倍速) | 0 |
loudness_rate | -50 到 100 | 0 |
pitch_rate | -12 到 12 | 0 |
enable_subtitle | true 时返回逐句、逐字时间戳 | false |
价格
按生成时长计费:$0.0025 / 秒($0.15 / 分钟),以 original_duration 为准。8 秒一段 $0.02,单次上限 120 秒约 $0.30。请求失败不扣费。
提交时会按 120 秒预扣 $0.30,返回后按实际时长结算多退,所以余额至少要有 $0.30。