T2A, TA2A, referências, vozes, música, ambiente e efeitos
Este guia transforma as anotações de escrita de prompt em uma página prática para criadores: como estruturar prompts apenas com texto, como mapear referências de áudio e como descrever vozes, BGM, ambiente e efeitos sonoros sem sobrecarregar o modelo.
T2A
Áudio guiado por texto ou imagem
TA2A
Texto mais até 3 referências de áudio
1 imagem
Referências de imagem e áudio não devem ser misturadas
<= 30s refs
Mantenha cada clipe de referência curto e focado
Versão curta
Seed Audio 1.0 pode combinar fala, entrega de personagem, ambiente, música e eventos estilo foley. A maneira mais segura de guiar essa mistura é escrever um breve briefing de produção em ordem de reprodução: primeiro a cena, depois os falantes, depois as camadas sonoras, depois o final.
Modelos
Crie um [duration] [format] em [language].
Cena: [place, time, mood, audience].
Voz: [speaker count, speaker traits, emotion, pace, clarity].
Diálogo ou narração: "[exact words or conversation outline]".
Ambiente: [room tone, weather, crowd, traffic, environment].
Música: [style, instruments, intensity, entry or fade].
Efeitos sonoros em ordem: [event 1], [event 2], [ending cue].
Mantenha o resultado [clean / cinematic / minimal / broadcast-ready].Use @audio1 para [speaker or voice trait].
Use @audio2 para [second speaker or style reference].
Crie um [duration] [format] em [language].
Mapa de falantes: [speaker A follows @audio1], [speaker B follows @audio2].
Cena: [place, mood, purpose].
Entrega: [emotion, rhythm, accent, pauses, laughter, hesitation].
Diálogo: "[lines or conversation structure]".
Camadas: [ambience], [music bed], [important sound effects in order].
Mantenha as vozes consistentes e a fala fácil de entender.Fórmula do prompt
Nomeie o formato, cenário, público, idioma, clima e duração aproximada antes de escrever o diálogo.
Defina número de falantes, características do falante, textura vocal, sotaque, emoção, ritmo e prioridade de clareza.
Escreva o prompt em ordem de reprodução para que fala, ambiente, música e eventos sonoros não concorram.
Adicione uma base de ambiente, uma direção musical e apenas os efeitos sonoros que importam para a cena.
Modos de entrada
O conteúdo pode parecer semelhante, mas a tarefa é diferente. T2A pede que o modelo invente uma cena. TA2A pede que siga sinais de referência enquanto ainda obedece à direção escrita.
Use quando quiser que o Seed Audio 1.0 invente a voz e a cena a partir de um briefing escrito, opcionalmente guiado por uma referência de imagem.
Use quando a identidade da voz, ritmo, textura emocional ou consistência de múltiplos falantes for importante. Mapeie cada referência dentro do prompt.
Lista de verificação de voz
Linha do tempo de camadas
Palavras de tempo ajudam o modelo a entender prioridade. Use-as para encenar a mixagem, não para microgerenciar cada quadro.
0-5s
Tom da sala, clima, zumbido de telefone, porta abrindo ou uma entrada musical simples.
5-25s
Diálogo ou narração com as direções de voz e emoção mais importantes.
25-40s
Um ou dois eventos sonoros que apoiam a história sem cobrir a voz.
Batida final
Um sinal de encerramento limpo, fade, acorde resolvido, sino, porta, respiração ou som de botão.
Exemplos de prompt
Estes são exemplos reescritos, não cópias do documento fonte. Use-os como estrutura, depois troque sua própria cena, falantes e eventos sonoros.
Crie uma cena de crime cinematográfica de 45 segundos em inglês. Comece com uma vibração de telefone silenciosa, chuva ao longe e um pad de suspense baixo. O Detetive A fala com uma voz masculina contida e cansada, próxima ao microfone. O Detetive B responde por uma linha telefônica ligeiramente distorcida com um tom calmo, mas evasivo. Mantenha o diálogo claro. Adicione duas pequenas pegadas e uma freada de carro perto do final.Use @audio1 para o Apresentador A e @audio2 para o Apresentador B. Crie um segmento de compras em live stream energético de 60 segundos em inglês. O Apresentador A é brilhante, rápido e persuasivo. O Apresentador B é mais caloroso e reage com frases curtas de apoio. Adicione música de fundo animada muito suave, sons sutis de manuseio de pacotes e um final limpo com chamada para ação.Use @image como referência do personagem. Crie uma narração de fantasia de 35 segundos em inglês. O falante é um astrólogo sério de meia-idade com uma entrega lenta e cerimonial e uma voz profunda e ressonante. Adicione chuva silenciosa do lado de fora de um observatório de pedra, um suave virar de página e um sino distante. Mantenha a música mínima e misteriosa.Erros comuns
Um prompt com cinco climas musicais, dez efeitos sonoros e vários arcos de personagem geralmente fica confuso. Reduza a mixagem primeiro.
Para TA2A, não apenas carregue arquivos. Diga qual personagem ou estilo deve seguir @audio1, @audio2 ou @audio3.
Seed Audio 1.0 funciona melhor quando o prompt parece um briefing de produção compacto em ordem de reprodução.
Adjetivos emocionais extremos podem tornar a entrega menos natural. Comece com uma sugestão controlada, depois intensifique apenas um detalhe.
A duração solicitada é uma orientação. Deixe espaço para cortes quando a edição final precisar de timing quadro a quadro.
Descreva papéis e qualidades vocais de forma genérica, em vez de nomear pessoas reais, celebridades, figuras públicas ou personagens protegidos.
Comece com os modelos aqui, depois compare-os com saídas reproduzíveis no guia prático testado.