소개
한 프롬프트에 전체 오디오 장면을 적으세요. 누가 어떻게 말하는지, 대사는 따옴표로, 그리고 음악, 배경음, 효과음까지 포함합니다. 작업은 적은 모든 내용을 담은 최대 약 2분짜리 오디오 파일 하나를 반환하며, 둘 이상의 화자 대화도 포함됩니다. output_format을 설정하지 않으면 MP3입니다. 목소리를 재사용하려면 reference_audio_urls에 참조 클립을 최대 세 개 업로드하고 프롬프트에서 @Audio1부터 @Audio3으로 이름을 붙이세요. 또는 image_url에 참조 이미지 한 장을 넣을 수도 있습니다. speed, pitch, volume으로 전달 방식을 세밀하게 조절합니다. SpicyAPI는 콘텐츠 필터를 적용하지 않으며, 모든 프롬프트는 적힌 그대로 읽힙니다. 요청마다 요금은 같습니다.
| 항목 | 값 |
|---|---|
| 입력 | 텍스트 |
| 출력 | 오디오 |
| 필수 필드 | prompt — 1~2,000자 |
| 선택 필드 |
|
| 결과 | 오디오 파일 1개, 최대 약 2분(기본값 MP3, WAV·Ogg Opus·PCM 가능) |
| 화자 | 다중, 프롬프트에서 설명하거나 최대 3개의 참조 클립에서 가져옴; 목소리 목록 없음 |
| 과금 단위 | 요청당 정액 요금 1개 |
| 보관 기간 | 생성된 오디오는 14일 동안 보관됩니다 |
요청 파라미터
| 파라미터 | 필수 | 설명 |
|---|---|---|
prompt | 예 | 최대 2,000자로 장면 전체를 설명하세요. 각 화자와 그 목소리, 따옴표로 묶은 정확한 대사, 그리고 음악·주변음·효과음까지요. 1자 이상 · 2000자 이하 |
reference_audio_urls | 아니요 | 참고할 MP3 또는 WAV 클립을 최대 3개까지 지정합니다(업로드 또는 공개 URL). 클립 하나는 최대 30초, 10MB까지입니다. 3개 이하 |
image_url | 아니요 | 오디오를 만드는 기준이 되는 참고 이미지입니다(선택, 업로드 또는 공개 URL). 사진 속 인물이 무슨 말을 하는지, 장면이 어떤 소리를 내는지 prompt에 적습니다. 1자 이상 |
speed | 아니요 | 말하는 속도를 0.5(느리게)부터 2(빠르게)까지로 지정합니다. 1이 음성의 보통 속도입니다. |
pitch | 아니요 | 음높이를 반음 단위로 -12부터 12까지 이동합니다. 0이면 음성 본래의 높이를 유지합니다. |
volume | 아니요 | 음량 배율을 0.5부터 2까지로 지정합니다. 1이 보통 음량입니다. |
output_format | 아니요 | 파일 형식입니다. mp3(기본값), wav, opus(Ogg Opus), pcm 중에서 고릅니다. |
sample_rate | 아니요 | 오디오의 샘플링 레이트(Hz)입니다. 8000, 16000, 24000, 32000, 44100, 48000 중에서 고릅니다. |
요금
$0.36 / 요청
요청당 정액 요금이며, 최대 약 2분 분량의 클립 1개입니다.
활용 사례
다중 캐릭터 오디오 드라마
두 명 이상의 화자를 설명하고 대사를 따옴표로 묶으면, 모델이 같은 클립 안에서 각 화자에게 구별되는 목소리를 부여합니다. 캐릭터마다 별도의 음성 모델이 필요 없습니다.
사운드 디자인된 장면
프롬프트 하나로 대사, 배경 음악, 주변음, 효과음을 한꺼번에 요청할 수 있어, 요청 한 번으로 단순한 목소리 한 줄이 아니라 완성된 장면을 돌려받습니다.
무검열 오디오 픽션
프롬프트는 콘텐츠 필터 없이 적힌 그대로 읽힙니다. 저희 테스트에서 1인칭 독백, 서술형 소설, 빗소리 배경음을 깐 장면처럼 다른 서비스가 받아 주지 않는 내용까지 쓴 프롬프트도 모든 단어가 말해진 채 돌아왔습니다.
영상용 음성 트랙
여기서 장면을 생성한 뒤 그 MP3를 토킹 아바타나 립싱크 모델에 전달하면 얼굴이 그것을 연기합니다.
프롬프트 가이드 및 실전 팁
화자를 설명하세요
누가, 어떻게 말하는지—숨 가쁜 속삭임인지, 따뜻한 내레이터인지—를 밝히고 정확한 대사를 따옴표로 묶으세요.
사운드스케이프를 추가하세요
대사와 함께 재생하고 싶은 음악·주변음·효과음—폭우, 째깍이는 시계, 고조되는 음악—을 언급하세요.
2,000자 이내로 작성하세요
프롬프트 하나는 최대 약 2분 분량의 장면 하나를 다룹니다. 더 긴 이야기는 여러 요청으로 나눠야 합니다.
반환되는 것
작업당 최대 약 2분 분량의 오디오 파일 하나가 반환되며, output_format을 바꾸지 않으면 MP3입니다. 파일은 SpicyAPI 스토리지에 복사되어 14일 동안 보관됩니다.
프롬프트 작성 방법
Seed Audio 1.0은 장면 전체를 설명하는 prompt 필드 하나(최대 2,000자)를 받습니다.
- 누가, 어떻게 말하는지—속삭임, 따뜻한 내레이터, 소리치는 대사 등.
- 정확한 대사를, 따옴표로 묶어서.
- 대사와 함께 재생하고 싶은 음악·주변음·효과음.
이 모델은 같은 클립 안에 여러 화자를 넣을 수 있습니다. 각 캐릭터와 그 대사를 설명하면, 각자에게 구별되는 목소리를 부여합니다.
참조 오디오와 참조 이미지
목소리 목록은 없습니다. 목소리나 소리를 다시 쓰려면 reference_audio_urls에 클립을 최대 3개 업로드하고, 프롬프트에서 업로드 순서대로 @Audio1, @Audio2, @Audio3으로 부릅니다(예: ‘@Audio1의 목소리로 한 남자가 …라고 말한다’). 또는 image_url에 이미지 한 장을 주고, 사진 속 인물이 무슨 말을 하는지나 장면이 어떤 소리를 내는지 묘사합니다. 두 입력은 함께 쓸 수 없습니다. 사용할 권리가 있는 목소리와 이미지만 사용하세요.
낭독과 형식
speed(0.52), 12 반음), pitch(-12volume(0.52)으로 낭독을 세밀하게 조절합니다. 48000Hz입니다. output_format으로 mp3(기본값), wav, opus(Ogg Opus), pcm을 고르고, sample_rate는 8000pcm은 헤더 없는 16비트 리틀 엔디언 스테레오 원시 샘플이라 브라우저에서 재생할 수 없습니다. 같은 샘플을 재생 가능한 파일로 받으려면 wav를 고르세요. 어느 것도 가격에는 영향이 없습니다.
요금
프롬프트 길이와 관계없이 요청당 정액 요금입니다. 실패한 요청은 과금되지 않습니다.
콘텐츠
SpicyAPI는 콘텐츠 필터를 추가하지 않습니다. 저희 테스트에서 다른 서비스가 거절하는 세 가지 프롬프트(1인칭 독백, 서술형 소설, 빗소리 배경음을 깐 장면)는 모두 모든 단어가 말해진 채 돌아왔습니다.
SpicyAPI는 콘텐츠 필터를 추가하지 않습니다. 프롬프트는 무엇이 담겨 있든 적힌 그대로 읽힙니다. 묘사하는 장면과 생성된 오디오를 어떻게 사용하는지, 실제 인물의 발언인 것처럼 속여 사용하지 않는 것을 포함해 그 책임은 이용자에게 있습니다.
API 빠른 시작
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "bytedance/seed-audio-1.0/text-to-audio",
"input": {
"output_format": "mp3",
"prompt": "Calm ambient pads with a slow rising motif"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
인증, 전체 스키마, 폴링과 오류 처리는 API 레퍼런스에서 확인하세요.