01 / 99s
Pacote de diálogo de suspense
Áudio de drama criminal com dois personagens, incluindo diálogo, textura telefônica e tensão dramática de fundo.
Apresentação do modelo
Seed Audio 1.0
Uma visão geral do modelo de áudio com IA por trás de cenas sonoras completas
O Seed Audio 1.0 é melhor compreendido como um modelo de geração de áudio em nível de cena: ele pode combinar voz, estilo de entrega, ambiente, direção musical e efeitos sonoros em um único rascunho pronto para produção.
Texto, imagem, áudio
Entradas de prompt e referência
Até 3 referências de áudio
Para direção de voz ou estilo
2 minutos
Janela máxima de saída única
Coleção de áudio
Exemplos reproduzíveis do material de referência
Esses clipes foram copiados do documento de referência interno, compactados para MP3 e re-hospedados no CDN do projeto. O texto ao redor é recém-resumido para esta página.
02 / 36s
Voz de live stream comercial
Cena de compras com dois apresentadores combinando entrega regional, ritmo promocional e música de fundo.
03 / 55s
Podcast conversacional
Formato de conversa entre dois falantes focado em pausas naturais, ritmo informal e presença vocal limpa.
04 / 30s
Anúncio com múltiplos papéis
Clipe curto em estilo comercial com várias vozes, transições musicais e encenação sonora energética.
05 / 55s
Referência de voz controlada
Resultado guiado por referência mostrando como textura, ritmo e estilo de fala podem ser transportados para uma nova saída.
06 / 72s
Cena com múltiplas referências
Exemplo onde múltiplas faixas de referência moldam o ritmo do diálogo final e a interação das vozes.
Resposta curta
Não é apenas TTS, não são apenas efeitos sonoros.
O TTS tradicional transforma texto em fala. O Seed Audio 1.0 é posicionado em torno da composição completa de áudio: falas, vozes de personagens, timing, ambiente, música de fundo e detalhes de foley podem ser planejados juntos. Isso o torna útil para criadores que precisam de um primeiro corte rápido de uma cena de áudio completa.
Mapa de capacidades
Para que o modelo é útil
Os casos de uso mais fortes são cenas onde a voz e o contexto precisam trabalhar juntos, em vez de narração isolada.
Direção multimodal
Comece com um prompt de texto, uma referência de imagem ou referências curtas de áudio para guiar voz, humor, ritmo ou identidade do personagem.
Controle de diálogo e entrega
Descreva falantes, tom, ritmo, emoção, sotaques, pausas, risadas ou estilo de conversação diretamente no prompt.
Design de som em camadas
Planeje ambiente, bases musicais, transições e eventos sonoros juntos, em vez de produzir cada camada em ferramentas separadas.
Fluxos de trabalho de consistência de voz
O áudio de referência pode ajudar a preservar traços vocais reconhecíveis ao construir áudio de personagem ou marca de formato mais longo.
Notas do modelo
Restrições úteis antes de projetar um prompt
Entrada de texto
Até 3.000 caracteres por solicitação.
Mídia de referência
Use uma imagem ou até três referências de áudio; evite misturar ambas na mesma solicitação.
Referências de áudio
Cada referência deve ter no máximo 30 segundos para processamento confiável.
Duração da saída
Um único resultado gerado pode ter até aproximadamente 2 minutos.
Idiomas
Chinês e inglês são os idiomas principais suportados.
Formatos de saída
WAV, MP3, PCM e OGG Opus são formatos de entrega típicos.
Controles
Opções de velocidade, tom, volume, timestamps e marca d'água podem estar disponíveis dependendo do canal de acesso.
Estilo da API
O padrão de acesso público descrito para integração é HTTP não streaming.
Onde se encaixa
Bons trabalhos para geração de áudio em nível de cena
Vídeos curtos e anúncios
Prototipe rapidamente narrações de produtos, ganchos de campanha, clipes sociais e variantes localizadas com design de som incluído.
Audiobooks e dramas de áudio
Rascunhe narração, entrega de personagens, tom ambiente e foley leve antes de se comprometer com a gravação em estúdio.
Jogos e mídia interativa
Explore vozes de NPCs, momentos de UI, loops ambientais e direções de áudio de cenas durante a produção inicial.
Podcasts e explicadores
Transforme um tópico em um esboço de áudio guiado com voz, ritmo, sons de transição e textura de fundo.
Estrutura do prompt
Uma estrutura prática de prompt
01
Cena
Nomeie o formato, local, clima e público.
02
Voz
Descreva número de falantes, idioma, estilo, emoção e prioridade de clareza.
03
Camadas
Adicione ambiente, direção musical e apenas os eventos sonoros mais importantes.
04
Revisão
Ouça a camada mais ruidosa e revise uma parte de cada vez.
Notas de acesso
Onde continuar a partir daqui
Experimente o gerador web
Use o gerador do site quando quiser um fluxo de trabalho rápido de prompt para áudio.
Leia o guia de prompts
Use exemplos testados e verificações de falhas antes de escrever prompts mais longos.
Documentação da API Volcengine
Revise as notas oficiais de integração antes de construir contra a API.