Seed Audio 1.5 提示词指南

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。

完整的场景提示词

[Night. An empty train platform, rain on the roof, a low synth pad.] Mara (30s, calm, tired): "Last train's gone." Jonah (40s, dry, amused): "Then we walk." [Footsteps on wet concrete, fading into the rain.]

0:00

0:12

编辑提示词

时间戳

[0:00–0:03] A kettle starts to whistle, rising. [0:03] Nora (warm, calling out): "Tea's ready!" [0:06] The back door bangs open in the wind.

0:00

0:12

编辑提示词

声音参考

[Reference 1 = Captain] Captain (reference 1; tired, slow, a sigh before the line): "We hold this hill until sunrise." [Campfire crackles, distant wind.]

0:00

0:12

编辑提示词

Seed Audio 1.5 还没有发布，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。

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。

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。

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。

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。

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 1.0 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。

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。据 Segmind 上列出的预发布简介，Seed Audio 1.5 把这三项都带来了。

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。