AI 之家 / 模型库 / 豆包语音合成模型2.0

豆包语音合成模型2.0

AI 辅助整理
火山方舟(字节跳动)语音合成流式TTS实时对话长文本播报录入参考价 · 以官方为准

豆包语音合成模型2.0(doubao-seed-tts-2.0)是火山方舟 Agent Plan 提供的流式语音合成(TTS)模型,可把文本实时转换为语音。接入方式覆盖 WebSocket 双流、WebSocket 单流与 HTTP POST 三类接口,分别适合实时对话低延迟、长文本播报与非实时调用场景。调用需准备专属 API Key,并以 X-Api-Resource-Id=seed-tts-2.0 指定模型。示例代码以 mp3、24000Hz 输出音频。该模型属订阅套餐服务,价格与上下文口径需以套餐计费文档为准。

上下文 token待核实
输入 / 百万 token待核实
输出 / 百万 token待核实
版本2.0
部署云端 API;通过 WebSocket(双流/单流)和 HTTP 协议接入,需在接口头中配置专属 API Key,X-Api-Resource-Id 设为 seed-tts-2.0

能力与用途

语音合成流式TTS实时对话长文本播报

接入前提:需要火山方舟 Agent Plan 的专属 API Key;流式语音合成接口中 X-Api-Resource-Id 配置为 seed-tts-2.0。 接口选择(来自官方文档的接口表): - 双流接口:WebSocket,wss://openspeech.bytedance.com/api/v3/plan/tts/bidirection,支持流式发送文本、流式接收音频,适合实时对话等低延迟场景。 - 单流接口:WebSocket,wss://openspeech.bytedance.com/api/v3/plan/tts/unidirectional/stream,一次性发送全部文本、流式接收音频片段,适合长文本播报。 - HTTP 接口:HTTP POST https://openspeech.bytedance.com/api/v3/plan/tts/unidirectional,一次性返回完整音频,适合简单场景或非实时调用。 参数与输出:示例代码使用 req_params 中的 speaker(如 zh_female_gaolengyujie_uranus_bigtts、zh_female_vv_uranus_bigtts)与 audio_params(format=mp3,sample_rate=24000)。双流示例逐字符发送、字符间隔 5ms,可返回 usage 用量信息(需设置 X-Control-Require-Usage-Tokens-Return)。 集成注意:运行双流、单流示例前需先获取官方提供的 protocols.py 封装文件;计费按套餐内 AFP 抵扣规则与超额后付费规则执行,具体价格口径需查官方计费文档。 同一页面还提供豆包流式语音识别模型2.0(doubao-seed-asr-2.0,Resource-Id 为 volc.seedasr.sauc.duration),本条记录仅整理 TTS 模型。

能力对比

暂无经过核验的逐项评分,暂不绘制能力雷达或综合排名。

数据与来源

资料提供方
火山方舟(字节跳动)
站内资料更新
2026-11-20 02:09:46

站内更新时间不等同于模型发布日期。未提供测试集、日期和原始成绩时,不展示官方或平台实测分数。

版本记录

2.0当前录入版本

历史版本、上线与下线日期待核实。

接入与使用

请按官方文档确认 API 地址、模型标识、身份验证、权限与收费规则。

打开官方文档

平台实测

暂无已核验的模型测试报告。模型能力标签不表示已经完成平台实测。
选型助手

让需求变成可修改的筛选条件

依据已录入参数生成条件,结果可查看和修改。帧率与性能需核对实测,不能仅凭算力数值保证。