Seed Audio 1.5 是 ByteDance 的整场景音频模型,于 2026 年 10 月 28 日发布,即将登陆 Morphic。一条提示词就能返回对白、音乐、环境音和音效,各自独立成轨,最长六分钟。本指南讲怎么给它写提示词。想马上试写场景提示词,可以打开 Seed Audio 1.5 AI 音频生成器。
Seed Audio 1.5 提示词的结构
按听众听到的顺序来写场景:身在何处、谁在说话、说了什么,然后是周围发生了什么。先写故事,再列声音。
| 部分 | 写什么 | 示例 |
|---|---|---|
| 场景 | 地点、时间、天气、房间大小 | [夜晚。空荡荡的站台,雨点打在雨棚上。] |
| 人声 | 名字、年龄、口音、情绪、语速 | Mara(30 多岁,平静,疲惫) |
| 台词 | 确切的原话,放在引号里 | “末班车已经开走了。” |
| 音效 | 声源,以及它怎么移动 | [脚步踩过湿漉漉的水泥地,渐渐远去。] |
| 音乐 | 风格、乐器、情绪、音量 | [一层低沉的合成器铺底,垫在所有声音下面。] |
| 时间 | 关键处写上时间戳 | [0:06] 脚步声响起。 |



Seed Audio 1.5 还没有登陆 Morphic,所以这些样本是在 Morphic 上制作的:人声和音效来自 ElevenLabs,音乐来自 Lyria,再按每条提示词混音对齐。
Seed Audio 1.5 的五种输入模式
每种模式都从文本提示词开始。你再往里加什么,决定模型自己发挥多少,又照着你给的做多少。
| 模式 | 额外加什么 | 最适合 |
|---|---|---|
| 文本到音频 | 提示词和可选的参考图片来定氛围 | 初稿、广告、声音铺底 |
| 参考声音 | 最多六段声音参考片段(每段 2–30 秒) | 固定的角色阵容,或你一直在用的旁白 |
| 视频到音频 | 一段视频,可选附带声音参考 | 给成片配乐、按画面做声音设计 |
| 视频配音 | 一段视频和目标语言,可选术语表 | 将对白翻译成 30 种语言 |
| 分轨分离 | 一个音频文件(最长 6 分钟) | 将混音拆分为人声、音效和音乐 |
Seed Audio 1.5 的时间戳
Seed Audio 1.0 能给台词指定时间窗口,比如 [5.5s:8.0s]。Seed Audio 1.5 把时间戳扩展到了音效和音乐提示点。这样一声门响、一记重音或一段渐强,会落在你指定的位置,而不是模型猜的位置。
- 只给必须对上画面的节拍定时间:踩在剪辑点上的台词、对准撞击的音效、落在揭晓时刻的渐强。
- 其余的不写时间。房间底噪和背景音乐由模型自己安排,听起来更自然。
- 时间戳按先后顺序写,台词之间留一点空隙,免得话音意外重叠。
Seed Audio 1.5 的声音参考
最多可以加六段参考片段,一个角色一段,并在提示词里给每段打上标记,让模型知道哪个声音说哪句台词。参考音频决定声音听起来像谁,提示词决定怎么演。
| 要指导什么 | 怎么写 |
|---|---|
| 情绪 | (参考音 2;受了伤,强忍着泪水) |
| 风格 | (参考音 1;干巴巴的,克制,带一点笑意) |
| 语速 | (参考音 3;很慢,句与句之间停顿很长) |
| 非语言声音 | (参考音 1;台词前叹一口气,台词后轻轻一笑) |
请使用干净的录音,并且是你有权使用的声音。使用真人的声音,需要征得本人同意。
用 Seed Audio 1.5 给视频配音和翻译

给 Seed Audio 1.5 一段视频,它会写出贴合画面动作的旁白、音乐、音效和环境音,并且对整段片子的上下文保持连贯。翻译时,它会替换说话的语言,保留原来的音效和音乐。做短剧、课程或带货视频的多语言版本时,用得上这一功能。
- 描述每位说话人的声音,或加一段参考音频,让每种语言的配音都保持同一批角色。
- 写明要保留什么,比如“保留原来的音乐和音效,只替换对白”。
- 发布之前,请熟悉该语言的人核对发音、意思和措辞。
在 Morphic 上,现在就可以用 AI 视频配音翻译视频并重新配音。配音与本地化教程则讲了字幕、Lip Sync 和最后的剪辑。
Seed Audio 1.5 的分轨输出
Seed Audio 1.0 返回的是一个混好的文件。Seed Audio 1.5 把对白、环境音、音效和音乐分成独立的轨道返回,还能按声音拆分对白。点击播放,听一段风暴场景,播放时可以静音或单独收听任意一条轨道。每个声音各占一条轨道。
| 剪辑时 | 分轨能让你做什么 |
|---|---|
| 音量 | 在台词下面把音乐压低,不用碰人声 |
| 静音 | 去掉音效,得到更安静的版本;或去掉对白,得到预告片的铺底 |
| 替换 | 换掉某个角色的一句台词或某个提示点,其余场景原样保留 |
| 复用 | 把同一段环境音铺到下一场戏下面,让地点听起来是连续的 |
Seed Audio 1.5 与 Seed Audio 1.0:有什么变化
ByteDance 在 Seed Audio 1.0 页面上,把视频输入、更长的音频和多轨输出列为下一步。Seed Audio 1.5 把这三项都带来了,官方 API 自 2026 年 10 月 28 日起通过 BytePlus ModelArk 提供。
| Seed Audio 1.0 | Seed Audio 1.5 | |
|---|---|---|
| 单次生成时长 | 2 分钟 | 6 分钟 |
| 声音参考 | 3 段 | 6 段 |
| 语言 | 20 种 | 30 种 |
| 输入 | 文本、音频参考、一张图片 | 新增视频 |
| 输出 | 一条混好的音轨 | 对白、环境音、音效和音乐分轨 |
| 时间戳 | 对白台词 | 台词、音效和音乐提示点 |
| 带歌词的歌曲 | 不支持 | 支持 |
大多数 Seed Audio 1.0 的提示词可以原样沿用。想看 1.0 提示词的完整细节,请见 Seed Audio 1.0 指南。
常见问题
Seed Audio 1.5 已发布,即将登陆 Morphic。现在就可以用 Seed Audio 1.0 做完整的场景,也可以在同一个 Canvas 上用 ElevenLabs、Lyria 和其他音频模型。
ByteDance 于 2026 年 10 月 28 日发布了 Seed Audio 1.5,官方 API 通过 ModelArk 提供。Morphic 上目前可以使用 Seed Audio 1.0,Seed Audio 1.5 即将登陆。
能用。场景、人声、台词和音效的结构是一样的。想用上新功能,就加一段视频、更多声音参考、给音效和音乐加时间戳,或者要求返回分轨。
台词写成你想听到的语言。场景和声音说明如果用英文写更方便,也可以。但每句台词要用目标语言写,并请熟悉该语言的人审听结果。
只有征得本人同意才行。ByteDance 的限制会拦截未经同意、可辨认的真人声音模仿,也会拦截受版权保护的内容和已有的歌词。参考片段应当是你有权使用的录音。
