文档中心

AI MediaKit

大模型处理工具

通过 AI MediaKit 调用音频生成大模型

您可以通过 AI MediaKit 调用已在豆包语音开通的音频生成大模型，用一句文本提示词生成音频，无需再单独对接豆包语音接口。

本篇开发指南将引导您快速体验如何通过 AI MediaKit 调用音频生成大模型，用一段文本提示词生成音频。

快速入门：合成一段音频

本节以将一段文本合成为 mp3 音频为例，演示通过 AI MediaKit 调用音频生成大模型的完整流程。

准备工作

操作流程

通过 AI MediaKit 调用音频生成大模型以异步任务方式进行，其标准流程如下：

调用 POST /api/v1/tools/call-maas-proxy 提交任务，api 设为 doubao.audio_generation，即可获得一个任务 ID。

任务完成后，从响应 result.maas_result 中读取豆包音频生成接口返回的原始结果（如音频地址），并从 result.duration 获取合成音频的总时长（秒）。

第 1 步：提交音频生成任务

调用MaaS 模型代理 API。可直接复制以下 cURL 命令，将一段文本提交音频生成任务。

说明

请求成功后，您会收到如下包含 task_id 的响应，请保存此 ID 用于后续查询。

第 2 步：获取合成结果

您需要轮询查询任务信息 API，直到任务状态 status 变为 completed。

说明

将 URL 末尾的 {task_id} 替换为第 1 步返回的任务 ID。

任务成功完成后，您将收到如下响应。result.maas_result 为豆包音频生成接口返回的原始结果，其结构以豆包语音 - 音频生成 API 为准。

参考信息

计费说明

音频生成大模型的用量由豆包语音产品按其定价计费，请在豆包语音中查看用量与账单；AI MediaKit 不对该调用额外收费。具体价格请参考豆包语音价格说明。