Geração de áudio

Seed Audio 1.0

por ByteDance

O modelo de áudio all‑in‑one da ByteDance.
Voz, música e efeitos sonoros em uma única geração.

Seed Audio 1.0

Principais recursos

Ouça a variedade

Locução de documentárioSpeech

Uma voz de documentário calorosa e ponderada.

0:00
0:12
Locução de suspenseSpeech

Uma fala sussurrada e tensa, próxima e íntima.

0:00
0:12
Ambiência de mercado de especiariasSound effects

Uma base sonora de mercado a céu aberto, em camadas.

0:00
0:12
TempestadeSound effects

Uma tempestade crescente até um trovão distante.

0:00
0:12
Trilha orquestralMusic

Uma trilha curta e crescente para cordas e metais.

0:00
0:12
Batida lo-fiMusic

Uma batida relaxada com teclas suaves e chiado de vinil.

0:00
0:12

Especificações técnicas

ByteDance

Desenvolvido pelo time de pesquisa Seed, da ByteDance.

EN + ZH

Inglês e chinês, com suporte a mais idiomas planejado. O português ainda não está na lista.

Up to 2 min

Dois minutos por geração, com opção de estender via modo de continuação.

Up to 3

Até três clipes de referência, cada um com até 30 segundos.

Casos de uso

Áudio de vídeo em uma passada

Dê a um clipe de vídeo sua narração, design de som e trilha em uma única geração, sem etapa separada de mixagem depois.

Explicadores narrados

Uma voz composta com ambiência leve e uma trilha musical em uma única saída. O modelo preenche o espaço sonoro ao redor da narração.

Anúncios e promoções

Uma fala, efeitos sonoros e música como uma faixa só, pronta para uso, feita para conteúdo em formato curto, como Reels e Shorts.

Diálogo e áudio-drama

Vários personagens, cada um com voz e entonação próprias, em uma cena com ambiência e timing combinando entre si.

Voz consistente de série

Clone a voz de um personagem a partir de um clipe de referência e leve-a por toda uma produção, sem precisar regravar.

Edição e reparo de áudio

Estenda uma gravação, preencha um trecho, troque uma fala ou una duas gravações, sem regerar a faixa inteira.

Exemplos de prompts

Explicador narrado

Narrador calmo, ambiência suave de cozinha: 'Misture a farinha com a manteiga.'

Edit prompt

Cena com vários personagens

Apresentador: 'Por que sair da cidade?' Convidado: 'Eu precisava de silêncio.' Ambiência de café tranquilo.

Edit prompt

Anúncio curto

Voz animada: 'Sua melhor corrida começa aqui.' Whoosh, toque de metais, torcida.

Edit prompt

Áudio-drama

Detetive, tenso: 'Não se mexa.' Passos param, uma porta range, uma sirene.

Edit prompt

Locução de documentário

Narrador ponderado: 'O vale era inacessível.' Vento nos pinheiros, um falcão.

Edit prompt

Momento de jogo

Narrador grave: 'O selo antigo se rompeu.' Pedra rangendo, um zumbido sombrio.

Edit prompt

Preços simples

Comece grátis hoje mesmo, com a opção de fazer upgrade ou cancelar quando quiser.

Basic

$9/ mês
cobrado como $0 por ano

900 mensal créditos

1 apenas usuário

Todos os modelos

Workflows

Standard

$24/ mês
cobrado como $0 por ano

3200 mensal créditos

1 apenas usuário

Todos os modelos

Workflows

Pro

$45/ mês
cobrado como $0 por ano

6200 compartilhado mensal créditos

1 usuário

+ até 4 mais com custo adicional

Todos os modelos

Workflows

Pro Max

$170/ mês
cobrado como $0 por ano

24000 compartilhado mensal créditos

1 usuário

+ até 9 mais com custo adicional

Todos os modelos

Workflows

Enterprise

Para limites maiores

Personalizado

termos de preços e cobrança

Créditos ilimitados
Limites de vagas personalizados
Todos os modelos
Workflows
Pricing Gradient

Free

Para experimentar

$0

grátis para sempre

Até 20 créditos
apenas 1 usuário
Modelos limitados
Workflows
Comparar detalhes dos planos

Perguntas frequentes

O que é o Seed Audio 1.0?
Seed Audio 1.0 é o modelo de geração de áudio all-in-one da ByteDance. A partir de um único prompt em texto, ele gera voz, música instrumental e efeitos sonoros juntos, como uma faixa acabada e já mixada. Também edita áudio existente: estender um clipe, preencher um trecho, trocar uma fala ou unir duas gravações.
Como funciona a clonagem de voz no Seed Audio 1.0?
O Seed Audio 1.0 clona uma voz de forma zero-shot a partir de até três clipes de referência de cerca de 30 segundos cada, sem treinamento nem ajuste fino. A voz clonada mantém sotaque, tom e personalidade em toda a geração. Você também pode definir uma voz a partir de uma descrição em texto ou de uma imagem de personagem, em vez de uma gravação.
O Seed Audio 1.0 gera vários falantes ao mesmo tempo?
Sim. Escreva uma cena com vários personagens e identifique cada fala, por exemplo Apresentador: ... e Convidado: ... O Seed Audio 1.0 dá a cada falante uma voz, emoção e ritmo próprios em uma única geração.
Quanto tempo pode durar uma geração do Seed Audio 1.0?
O Seed Audio 1.0 gera até dois minutos de áudio em uma única passada. O modo de continuação estende esse tempo, mantendo o personagem vocal e o estilo consistentes com o que veio antes.
O Seed Audio 1.0 funciona em português?
Por enquanto, não: o Seed Audio 1.0 oficialmente suporta inglês e chinês, com suporte a mais idiomas planejado para o futuro. Se o seu projeto precisa de narração em português brasileiro, vale usar o modelo para as camadas de música e efeitos sonoros e resolver a voz por outro caminho até que o suporte a português chegue.
Qual a diferença entre o Seed Audio 1.0 e um texto para voz comum?
Um texto para voz transforma texto em uma única faixa de voz. O Seed Audio 1.0 gera a cena inteira, voz, música de fundo e efeitos sonoros juntos, em uma única saída, e ainda revisa trechos específicos depois. A diferença é o escopo: uma produção de áudio completa, e não só a voz.

Outros modelos

Seedream 5.0 Pro

ByteDance

Edição precisa por região e separação em camadas. Infográficos densos e texto nativo em 14 idiomas.

Seedance 2.5

ByteDance

O novo modelo de vídeo de próxima geração da ByteDance. Até 30s de clipes nativos, 50 referências, 4K.

Bernini

ByteDance

O modelo de código aberto da ByteDance para editar vídeos com instruções em texto, mantendo a identidade intacta.

Grok Imagine v1.5

xAI

O modelo de imagem para vídeo da xAI com áudio sincronizado nativo. Anime qualquer imagem estática em um clipe com som, diálogo e música.