Question 1

O que é o Seed Audio 1.0?

Accepted Answer

O Seed Audio 1.0 é o modelo de síntese de voz all-in-one da ByteDance. A partir de um único prompt de texto, ele produz voz, música instrumental e efeitos sonoros juntos, como uma faixa pronta e mixada. Ele funciona em dois modos principais: texto para áudio (T2A), em que tudo vem da sua descrição, e texto mais áudio para áudio (TA2A), em que você acrescenta clipes de referência para escalar vozes específicas.

Question 2

Quais idiomas o Seed Audio 1.0 suporta?

Accepted Answer

O Seed Audio 1.0 suporta 20 idiomas: inglês, chinês, japonês, coreano, espanhol do México, espanhol da Espanha, indonésio, alemão, português do Brasil, francês, tailandês, vietnamita, malaio, filipino, italiano, russo, holandês, polonês, turco e sueco. Para o melhor resultado, escreva o prompt no mesmo idioma das falas.

Question 3

Como funciona o áudio de referência no Seed Audio 1.0?

Accepted Answer

No modo TA2A você fornece até três clipes de referência de no máximo 30 segundos e liga cada um deles no prompt, para que cada personagem corresponda a uma gravação. O modelo pega o caráter vocal e a emoção da referência e mantém isso pela geração inteira. Você também pode definir uma voz por descrição em texto ou por imagem de personagem.

Question 4

O Seed Audio 1.0 clona vozes?

Accepted Answer

Sim. Ao lado do T2A e do TA2A existe um modo de clonagem de voz: você envia um único clipe de áudio e a voz clonada fica disponível para síntese de voz comum. A ByteDance documenta isso como uma clonagem a partir de um clipe só. Quando a voz precisa se encaixar em uma cena completa, com música, efeitos e outros personagens, use o TA2A e seus três clipes de referência.

Question 5

O Seed Audio 1.0 controla o tempo de cada fala?

Accepted Answer

Sim. O Seed Audio 1.0 tem controle preciso de tempo: coloque um timecode como [5.5s:8.0s] no início de uma fala e o modelo encaixa a fala exatamente nessa janela. É isso que o torna utilizável em dublagem, em que o diálogo precisa bater com a imagem.

Question 6

O Seed Audio 1.0 gera vários falantes de uma vez?

Accepted Answer

Sim. Escreva uma cena com vários personagens e descreva cada voz ao longo do texto. O Seed Audio 1.0 dá a cada falante uma voz, uma emoção e um ritmo distintos em uma única geração, junto com a ambiência e os efeitos em volta.

Question 7

Qual é a duração máxima de uma geração do Seed Audio 1.0?

Accepted Answer

O Seed Audio 1.0 gera até dois minutos de áudio em uma única passagem, a partir de um prompt de no máximo 3.000 caracteres. Produções mais longas são montadas cena a cena.

Question 8

Qual a diferença entre o Seed Audio 1.0 e a síntese de voz comum?

Accepted Answer

A síntese de voz comum escolhe uma voz e lê um texto. O Seed Audio 1.0 vai da síntese de voz para o áudio por referência: um único prompt descreve o ambiente, a música, os efeitos e a voz de cada personagem, e o modelo devolve a cena inteira já mixada. A diferença é de escopo: uma produção de áudio pronta em vez de apenas a voz.

Seed Audio 1.0

Principais recursos

Geração multipista

Texto para áudio (T2A)

Áudio de referência (TA2A)

Clonagem de voz

Controle preciso de tempo

Elenco com vários falantes

Definição de voz flexível

Ouça a variedade

Especificações técnicas

Casos de uso

Audiolivros

Dublagem de vídeo

Áudio de games

Áudio de vídeo em um passe

Anúncios e promos

Diálogo e radionovela

Exemplos de prompts

Explicação narrada

Controle de tempo

Cena de audiolivro

Narração esportiva

Radionovela

Momento de game

Preços simples

Perguntas frequentes

Mais sobre o Seed Audio 1.0

Outros modelos