01 / 99s
Paquete de diálogo de suspenso
Audio de estilo drama criminal de dos personajes con diálogo, textura telefónica y tensión dramática de fondo.
Introducción al modelo
Seed Audio 1.0
Una visión general del modelo de audio AI detrás de escenas sonoras completas
Seed Audio 1.0 se entiende mejor como un modelo de generación de audio a nivel de escena: puede combinar voz, estilo de entrega, ambiente, dirección musical y efectos de sonido en un borrador listo para producción.
Texto, imagen, audio
Entradas de prompt y referencia
Hasta 3 referencias de audio
Para dirección de voz o estilo
2 minutos
Ventana máxima de salida única
Colección de audio
Ejemplos reproducibles del material fuente
Estos clips se copiaron del documento de referencia interno, se comprimieron a MP3 y se alojaron nuevamente en el CDN del proyecto. El texto circundante aquí es nuevo y resumido para esta página.
02 / 36s
Voz de transmisión en vivo comercial
Una escena de compras con dos anfitriones que combina entrega regional, ritmo promocional y música de fondo.
03 / 55s
Podcast conversacional
Un formato de charla de dos hablantes centrado en pausas naturales, ritmo informal y presencia vocal limpia.
04 / 30s
Anuncio publicitario con múltiples roles
Un clip corto de estilo comercial con varias voces, transiciones musicales y una puesta en escena sonora enérgica.
05 / 55s
Referencia de voz controlada
Un resultado guiado por referencia que muestra cómo la textura, el ritmo y el estilo hablado pueden transferirse a una nueva salida.
06 / 72s
Escena con múltiples referencias
Un ejemplo donde múltiples pistas de referencia moldean el ritmo del diálogo final y la interacción de voces.
Respuesta breve
No solo TTS, no solo efectos de sonido.
El TTS tradicional convierte texto en voz. Seed Audio 1.0 se centra en la composición de audio completa: líneas habladas, voces de personajes, sincronización, entorno, música de fondo y detalles de estilo foley se pueden planificar juntos. Esto lo hace útil para creadores que necesitan un primer corte rápido de una escena de audio completa.
Mapa de capacidades
Para qué es útil el modelo
Los casos de uso más sólidos son escenas donde la voz y el contexto deben trabajar juntos, en lugar de una narración aislada.
Dirección multimodal
Comience con un prompt de texto, una referencia de imagen o referencias de audio cortas para guiar la voz, el estado de ánimo, el ritmo o la identidad del personaje.
Control de diálogo y entrega
Describa hablantes, tono, ritmo, emoción, acentos, pausas, risas o estilo conversacional directamente en el prompt.
Diseño de sonido en capas
Planifique ambiente, bases musicales, transiciones y eventos de sonido juntos en lugar de producir cada capa en herramientas separadas.
Flujos de trabajo de consistencia de voz
El audio de referencia puede ayudar a preservar rasgos de voz reconocibles al construir audio de personajes o marcas de formato largo.
Notas del modelo
Restricciones útiles antes de diseñar un prompt
Entrada de texto
Hasta 3,000 caracteres por solicitud.
Medios de referencia
Use una imagen o hasta tres referencias de audio; evite mezclar ambas en la misma solicitud.
Referencias de audio
Cada referencia debe durar menos de 30 segundos para un procesamiento confiable.
Duración de salida
Un resultado generado puede durar hasta aproximadamente 2 minutos.
Idiomas
Los idiomas principales compatibles son chino e inglés.
Formatos de salida
WAV, MP3, PCM y OGG Opus son formatos de entrega típicos.
Controles
Velocidad, tono, volumen, marcas de tiempo y opciones de marca de agua pueden estar disponibles según el canal de acceso.
Estilo de API
El patrón de acceso público descrito para integración es HTTP no streaming.
Dónde encaja
Buenos trabajos para la generación de audio a nivel de escena
Videos cortos y anuncios
Prototipe rápidamente locuciones de productos, ganchos de campaña, clips sociales y variantes localizadas con diseño de sonido incluido.
Audiolibros y drama de audio
Redacte narración, entrega de personajes, tono de sala y foley ligero antes de comprometerse con la grabación en estudio.
Juegos y medios interactivos
Explore voces de NPC, momentos de UI, bucles ambientales y direcciones de audio de escenas durante la producción temprana.
Podcasts y explicadores
Convierta un tema en un boceto de audio guiado con voz, ritmo, sonidos de transición y textura de fondo.
Estructura del prompt
Una estructura práctica de prompt
01
Escena
Nombre el formato, lugar, ambiente y audiencia.
02
Voz
Describa el número de hablantes, idioma, estilo, emoción y prioridad de claridad.
03
Capas
Agregue ambiente, dirección musical y solo los eventos de sonido más importantes.
04
Revisión
Escuche la capa más ruidosa, luego revise una parte a la vez.
Notas de acceso
Dónde continuar desde aquí
Pruebe el generador web
Use el generador del sitio cuando desee un flujo de trabajo rápido de prompt a audio.
Lea la guía de prompts
Use ejemplos probados y verificaciones de fallos antes de escribir prompts más largos.
Documentación de la API de Volcengine
Revise las notas oficiales de integración antes de desarrollar con la API.