Skip to main content
byteplus/seed-audio-1.0-multilingual 的 API 参考,由 Comfy Router 从 BytePlus 提供。

快速开始

在你的 Comfy 工作区中创建一个密钥,并将其导出为 COMFY_API_KEY。Python 和 TypeScript 代码片段使用 Comfy SDK(pip install comfy-sdk 和 npm install @comfyorg/sdk);cURL 代码片段则是通过原始 HTTP 执行的同一调用。 模型 ID: byteplus/seed-audio-1.0-multilingual 端点: POST https://api.comfy.org/v2/models/byteplus/seed-audio-1.0-multilingual
将相同的请求体发送到 POST https://api.comfy.org/v2/models/byteplus/seed-audio-1.0-multilingual/requests。运行被受理后,Router 会立即返回 201 和 request_id;结果就绪后,可以从本进程或其他进程收集。状态、取消与收集的细节见 队列投递。

架构

输入

object
输出音频配置。
boolean
是否启用字幕服务。启用后,响应中会包含话语级和词级时间戳(默认:否)。
string
输出音频格式:wav(默认)、mp3、pcm 或 ogg_opus。可选值:wav、mp3、pcm、ogg_opus
integer
-50 到 100;100 表示 2.0 倍音量,-50 表示 0.5 倍音量(默认:0)。范围:-50 到 100
integer
-12 到 12(默认:0)。范围:-12 到 12
integer
输出采样率:8000、16000、24000(默认)、32000、44100 或 48000。可选值:8000、16000、24000、32000、44100、48000
integer
-50 到 100;100 表示 2.0 倍语速,-50 表示 0.5 倍语速(默认:0)。范围:-50 到 100
string
模型标识符。支持的模型:seed-audio-1.0 和 seed-audio-1.0-multilingual。直接向 POST /proxy/byteplus/api/v3/tts/create 发起的 v1 调用必须提供该参数:代理会拒绝任何其他值,缺失该值时也会返回 400。它不在本架构的 required 列表中,因为 Comfy Router 会从 /v2/models/byteplus/{model} 的 {model} 路径段填充它,所以 Router 调用者可以省略。
object[]
参考资源。纯文本生成时可省略。最多 3 个音频参考(每个最长 30 秒、解码后最大 10 MB;wav、mp3、pcm 或 ogg_opus),或恰好 1 个图像参考(解码后最大 10 MB;jpeg、png 或 webp)。图像参考不能与音频参考混用。这些上限由 BytePlus 设定,并以解码后的字节数为准:base64 会使资产膨胀约 4/3,而 Comfy Router 调用整个 JSON 文档的上限为 100 MiB,因此发送到 /v2/models/byteplus/{model} 的内联 audio_data/image_data 参考,在传输限制将其拒绝之前,解码后大约可承载 75 MB。因此,对于任何单个内联参考,BytePlus 自身的每参考 10 MB 上限都会先起作用,而在这个上限下,3 个音频参考如今可以放入一个请求体中;请使用 audio_url/image_url,让大资产完全不必进入请求。
string
Base64 编码的参考音频。
string
远程参考音频文件的 URL。
string
Base64 编码的参考图像。
string
远程参考图像的 URL。
string
音色 ID。可以是受支持的 Doubao TTS 音色,也可以是声音克隆音色 ID。
string
必填
要合成的提示词或文本(1 到 3,000 个字符;空字符串会被拒绝)。提供音频参考时,可按顺序使用 @Audio1、@Audio2 和 @Audio3 引用它们。
object
水印配置对象。接受空对象。
object
隐式水印。会在合成音频的头部添加元数据。
string
合成服务提供商的名称或代码。
string
内容分发服务提供商的名称或代码。
boolean
是否启用隐式水印(默认:否)。
string
内容生产 ID。
string
内容分发 ID。
boolean
显式水印开关。会在合成音频末尾添加音频节奏标记(默认:否)。
本文档根据 Router 在 GET /v2/models/byteplus/seed-audio-1.0-multilingual/openapi.json 提供的架构生成,该文档与它在请求到达提供商之前用于校验调用的文档相同。

输出

string
已生成的音频数据,采用 Base64 编码。
integer
状态码。详情请参阅官方错误码文档。
number
变速或后处理之后的时长,单位为秒。格式:double
string
状态详情。
number
模型原始输出时长,单位为秒。用于计费,上限为 120 秒。格式:double
object
音频的字幕信息。仅当请求中 audio_config.enable_subtitle 设置为 true 时才会返回。
object[]
语句级字幕信息。
integer
片段结束时间,单位为毫秒,从音频开头算起。
integer
片段开始时间,单位为毫秒,从音频开头算起。
string
该片段的完整文本。
string
与音频对应的字幕文本。
object[]
词级字幕信息。
integer
片段结束时间,单位为毫秒,从音频开头算起。
integer
片段开始时间,单位为毫秒,从音频开头算起。
string
该片段的完整文本。
string
临时音频 URL,有效期为 2 小时。

示例

输入

输出

发布前须知

SDK 会生成 Idempotency-Key 并在自动重试中复用它。手动重试时,请复用原始 key。Router 最长可保持连接 10 分钟。 请求失败时,Router 会发送 X-Comfy-Error-Type 响应头说明原因。422 表示 Router 在调用提供商之前就拒绝了输入,413 表示请求体超出了 Router 可接受的大小。已生成的资源请及时下载,因为结果 URL 会过期。 上文任何字段描述中提到的尺寸限制,都是提供商对该字段自身的限定,引自提供商的规范。Router 会对整个请求体另行设置上限,base64 编码的媒体内容也计入其中:参见请求体大小。 本页记录的是通过 Comfy Router 调用的某一个合作伙伴模型。同一个 comfy-sdk / @comfyorg/sdk 包还提供第二个客户端,用于在 Comfy Cloud 上运行完整的 ComfyUI 工作流图:Comfy(api_key=...) / new Comfy({ apiKey }),并带有 client.workflows、client.assets 和 client.jobs。请参阅 Comfy SDKs。

请求头

身份验证、幂等性、请求 ID、错误分类、重试节奏、消费限额。

使用 Router API

模型发现、验证错误、重试与计费。

限制

Router 目前不支持的功能,以及替代方案。