音声生成

Seed Audio 1.0

ByteDance 提供

ByteDanceのオールインワン音声モデル。
音声、楽曲、効果音を1回の生成で。

Seed Audio 1.0

主な機能

サウンドの幅を聴く

ドキュメンタリーのナレーション音声

温かく落ち着いたドキュメンタリーのナレーション。

0:00
0:12
スリラーのナレーション音声

ひそやかで緊迫した、近く親密な台詞読み。

0:00
0:12
スパイス市場のアンビエンス効果音

層の重なった屋外市場のサウンドベッド。

0:00
0:12
雷雨効果音

遠くの雷鳴へと高まっていく雷雨。

0:00
0:12
オーケストラのキュー音楽

弦と金管が高まる短いキュー。

0:00
0:12
ローファイビート音楽

柔らかな鍵盤とレコードのノイズが漂う落ち着いたビート。

0:00
0:12

技術仕様

ByteDance

ByteDanceのSeed研究チームが開発。

EN + ZH

英語と中国語に対応、対応拡大を予定。

最大2分

1回で2分、継続モードで延長可能。

最大3本

参照クリップは最大3本、各最大30秒。

活用事例

動画音声を一括生成

動画クリップにナレーション、音響、スコアを1回で付与。後からの別ミックス工程が不要。

ナレーション解説

整えた声に軽いアンビエンスと音楽ベッドを1つの出力で。ナレーション周りの音響空間を補完。

広告とプロモ

台詞、効果音、音楽をそのまま使える1トラックに。短尺コンテンツ向け。

対話とオーディオ劇

複数キャラに固有の声と演技を付け、1場面にアンビエンスとタイミングを合わせる。

シリーズで一貫した声

参照クリップからキャラの声をクローンし、録り直しなく作品全体で使い回す。

音声編集と修復

全体を再生成せず、テイク延長、隙間補完、台詞差し替え、2録音の接合が可能。

プロンプト例

ナレーション解説

穏やかなナレーター、静かな台所の音：「小麦粉とバターを混ぜて」

Edit prompt

マルチスピーカーの場面

司会：「なぜ街を出たの？」ゲスト：「静けさが必要で」静かなカフェの音。

Edit prompt

短い広告

明るい声：「最高のランはここから」ヒュッ、金管の一撃、歓声。

Edit prompt

オーディオ劇

刑事、緊迫：「動くな」足音が止まり、扉がきしみ、サイレン。

Edit prompt

ドキュメンタリーのナレーション

落ち着いた語り：「谷には辿り着けなかった」松林の風、鷹の声。

Edit prompt

ゲームの一場面

低い語り：「古の封印が破れた」石のきしみ、暗いうなり。

Edit prompt

シンプルな料金体系

今すぐ無料で始めて、いつでもアップグレードまたはキャンセルできます。

Basic

$9/ 月
請求額は $0 年

900 月 クレジット

1 ユーザーのみ

すべてのモデル

ワークフロー

Standard

$24/ 月
請求額は $0 年

3200 月 クレジット

1 ユーザーのみ

すべてのモデル

ワークフロー

Pro

$45/ 月
請求額は $0 年

6200 共有 月 クレジット

1 ユーザー

+ 最大 4 名まで追加費用

すべてのモデル

ワークフロー

Pro Max

$170/ 月
請求額は $0 年

24000 共有 月 クレジット

1 ユーザー

+ 最大 9 名まで追加費用

すべてのモデル

ワークフロー

Enterprise

より高い制限のために

カスタム

料金と請求条件

大容量クレジット
カスタムシート制限
すべてのモデル
ワークフロー
Pricing Gradient

Free

For playing around

$0

forever free

最大20クレジット
1ユーザーのみ
一部のモデル
ワークフロー
プラン詳細を比較

よくある質問

Seed Audio 1.0とは何ですか？
Seed Audio 1.0はByteDanceのオールインワン音声生成モデルです。1つのテキストプロンプトから、音声・楽曲・効果音をまとめて、完成したミックス済みトラックとして生成します。既存音声の編集も可能で、クリップの延長、隙間の補完、台詞の差し替え、2つのテイクの接合ができます。
Seed Audio 1.0の音声クローンはどう機能しますか？
Seed Audio 1.0は、各約30秒までの参照クリップ最大3本から、学習や微調整なしでゼロショットに声をクローンします。クローンした声は、生成全体を通して訛り、トーン、キャラクターを保ちます。録音の代わりに、テキスト説明やキャラクター画像から声を定義することもできます。
Seed Audio 1.0は複数の話者を同時に生成できますか？
はい。複数キャラの場面を書き、各台詞にラベルを付けます。例えば「司会：...」「ゲスト：...」のように。Seed Audio 1.0は1回の生成で各話者に固有の声、感情、テンポを付与します。
Seed Audio 1.0の生成はどれくらいの長さにできますか？
Seed Audio 1.0は1回で最大2分の音声を生成します。継続モードは、直前までの声のキャラクターとスタイルを一貫させたまま、さらに延長します。
Seed Audio 1.0はどの言語に対応していますか？
Seed Audio 1.0は英語と中国語に対応し、対応言語の拡大を予定しています。音声クローンでは、参照クリップの言語を出力言語に合わせると最も一貫した結果が得られます。
Seed Audio 1.0はテキスト読み上げとどう違いますか？
テキスト読み上げはテキストを1つの音声トラックに変換します。Seed Audio 1.0は場面全体、つまり音声、背景音楽、効果音を1つの出力でまとめて生成し、後から特定の区間を修正できます。違いは範囲です。声だけか、完成した音声制作物か、という点です。

Seed Audio 1.0をもっと知る

Seed Audio 1.0: 完全ガイド

Seed Audio 1.0 の使い方: 音声・音楽・効果音を一度に生成、ゼロショット音声クローン、複数話者シーン、音声編集。

その他のモデル

Kling 4.0

Kling

Kuaishouの次期フラッグシップKling、まもなく登場。より長く鮮明に。

Seedream 5.0 Pro

ByteDance

位置を理解した編集とマルチレイヤー分離。 高密度インフォグラフィックと14言語のネイティブテキスト。

Nano Banana 2 Lite

Google DeepMind

Google DeepMind最速のNano Bananaモデル。1K画像を約4秒で、一貫したキャラクターとともに生成。

Seedance 2.0 4K

ByteDance

ByteDance の Seedance 2.0 が、ネイティブ 4K に。動きの中でも精細さを保つ大画面ディテール。