T2A, TA2A, ข้อมูลอ้างอิง, เสียง, ดนตรี, บรรยากาศ และเอฟเฟกต์
คู่มือนี้เปลี่ยนบันทึกการเขียน Prompt ให้เป็นหน้าที่ใช้งานได้จริงสำหรับครีเอเตอร์: วิธีจัดโครงสร้าง Prompt ที่เป็นข้อความล้วน วิธีแมปข้อมูลอ้างอิงเสียง และวิธีอธิบายเสียง, BGM, บรรยากาศ และเอฟเฟกต์เสียงโดยไม่ทำให้โมเดลทำงานหนักเกินไป
T2A
เสียงที่สร้างจากข้อความหรือรูปภาพ
TA2A
ข้อความพร้อมข้อมูลอ้างอิงเสียงสูงสุด 3 รายการ
1 รูปภาพ
ไม่ควรผสมรูปภาพและข้อมูลอ้างอิงเสียง
<= 30 วินาที
เก็บคลิปอ้างอิงแต่ละอันให้สั้นและตรงประเด็น
เวอร์ชันสั้น
Seed Audio 1.0 สามารถรวมเสียงพูด การแสดงตัวละคร บรรยากาศ ดนตรี และเหตุการณ์แบบ Foley ได้ วิธีที่ปลอดภัยที่สุดในการควบคุมการผสมผสานนี้คือการเขียนบทสรุปการผลิตสั้นๆ ตามลำดับการเล่น: ฉากก่อน จากนั้นผู้พูด แล้วเลเยอร์เสียง และสุดท้ายคือตอนจบ
เทมเพลต
สร้าง [duration] [format] ใน [language]
ฉาก: [สถานที่, เวลา, อารมณ์, ผู้ฟัง]
เสียง: [จำนวนผู้พูด, ลักษณะผู้พูด, อารมณ์, จังหวะ, ความชัดเจน]
บทสนทนาหรือคำบรรยาย: "[คำพูดที่แน่นอนหรือโครงร่างการสนทนา]"
บรรยากาศ: [เสียงในห้อง, สภาพอากาศ, เสียงฝูงชน, การจราจร, สภาพแวดล้อม]
ดนตรี: [สไตล์, เครื่องดนตรี, ความเข้มข้น, การเข้า-ออก]
เอฟเฟกต์เสียงตามลำดับ: [เหตุการณ์ 1], [เหตุการณ์ 2], [สัญญาณจบ]
รักษาผลลัพธ์ให้ [สะอาด / เหมือนภาพยนตร์ / เรียบง่าย / พร้อมออกอากาศ]ใช้ @audio1 สำหรับ [ผู้พูดหรือลักษณะเสียง]
ใช้ @audio2 สำหรับ [ผู้พูดคนที่สองหรือข้อมูลอ้างอิงสไตล์]
สร้าง [duration] [format] ใน [language]
แผนที่ผู้พูด: [ผู้พูด A ตาม @audio1], [ผู้พูด B ตาม @audio2]
ฉาก: [สถานที่, อารมณ์, วัตถุประสงค์]
การนำเสนอ: [อารมณ์, จังหวะ, สำเนียง, การหยุด, เสียงหัวเราะ, การลังเล]
บทสนทนา: "[บทหรือโครงสร้างการสนทนา]"
เลเยอร์: [บรรยากาศ], [ดนตรีประกอบ], [เอฟเฟกต์เสียงสำคัญตามลำดับ]
รักษาเสียงให้สม่ำเสมอและทำให้คำพูดเข้าใจง่ายสูตร Prompt
ระบุรูปแบบ สถานที่ ผู้ฟัง ภาษา อารมณ์ และความยาวโดยประมาณก่อนเขียนบทสนทนา
กำหนดจำนวนผู้พูด ลักษณะผู้พูด พื้นผิวเสียง สำเนียง อารมณ์ จังหวะ และลำดับความสำคัญของความชัดเจน
เขียน Prompt ตามลำดับการเล่นเพื่อให้เสียงพูด บรรยากาศ ดนตรี และเหตุการณ์เสียงไม่แข่งขันกัน
เพิ่มบรรยากาศหนึ่งชั้น ทิศทางดนตรีหนึ่งชั้น และเฉพาะเอฟเฟกต์เสียงที่สำคัญต่อฉาก
โหมดอินพุต
เนื้อหาอาจดูคล้ายกัน แต่วัตถุประสงค์ต่างกัน T2A ขอให้โมเดลสร้างฉากขึ้นมา TA2A ขอให้ปฏิบัติตามสัญญาณอ้างอิงในขณะที่ยังคงทำตามคำสั่งที่เขียนไว้
ใช้เมื่อคุณต้องการให้ Seed Audio 1.0 สร้างเสียงและฉากจากบทสรุปที่เป็นข้อความ โดยอาจมีรูปภาพอ้างอิงหนึ่งรูปเป็นแนวทาง
ใช้เมื่อเอกลักษณ์เสียง จังหวะ พื้นผิวอารมณ์ หรือความสม่ำเสมอของผู้พูดหลายคนมีความสำคัญ แมปข้อมูลอ้างอิงแต่ละรายการภายใน Prompt
รายการตรวจสอบเสียง
ไทม์ไลน์เลเยอร์
คำบอกเวลาช่วยให้โมเดลเข้าใจลำดับความสำคัญ ใช้เพื่อจัดลำดับการผสม ไม่ใช่เพื่อควบคุมทุกรายละเอียด
0-5 วินาที
เสียงในห้อง สภาพอากาศ เสียงโทรศัพท์ดัง เสียงเปิดประตู หรือการเริ่มดนตรีอย่างง่าย
5-25 วินาที
บทสนทนาหรือคำบรรยายพร้อมทิศทางเสียงและอารมณ์ที่สำคัญที่สุด
25-40 วินาที
เหตุการณ์เสียงหนึ่งหรือสองเหตุการณ์ที่สนับสนุนเรื่องราวโดยไม่กลบเสียงพูด
จังหวะสุดท้าย
สัญญาณจบที่สะอาด การเฟดออก คอร์ดที่คลี่คลาย เสียงระฆัง เสียงประตู เสียงหายใจ หรือเสียงปุ่ม
ตัวอย่าง Prompt
นี่คือตัวอย่างที่เขียนใหม่ ไม่ใช่สำเนาจากเอกสารต้นฉบับ ใช้เป็นโครงสร้าง จากนั้นเปลี่ยนเป็นฉาก ผู้พูด และเหตุการณ์เสียงของคุณเอง
สร้างฉากอาชญากรรมสไตล์ภาพยนตร์ความยาว 45 วินาทีเป็นภาษาอังกฤษ เริ่มด้วยเสียงสั่นของโทรศัพท์เบาๆ เสียงฝนไกลๆ และแผ่นเสียง suspense ต่ำ นักสืบ A พูดด้วยเสียงชายที่เหนื่อยล้าและควบคุมอารมณ์ ใกล้ไมโครโฟน นักสืบ B ตอบผ่านสายโทรศัพท์ที่ผิดเพี้ยนเล็กน้อยด้วยน้ำเสียงสงบแต่หลบเลี่ยง รักษาบทสนทนาให้ชัดเจน เพิ่มเสียงฝีเท้าเล็กๆ สองครั้งและเสียงเบรกรถหนึ่งครั้งใกล้ตอนจบใช้ @audio1 สำหรับพิธีกร A และ @audio2 สำหรับพิธีกร B สร้างเซ็กเมนต์ช้อปปิ้งไลฟ์สตรีมที่เต็มไปด้วยพลังความยาว 60 วินาทีเป็นภาษาอังกฤษ พิธีกร A สดใส รวดเร็ว และโน้มน้าวใจ พิธีกร B อบอุ่นกว่าและตอบสนองด้วยประโยคสั้นๆ ที่สนับสนุน เพิ่มดนตรีประกอบ upbeat เบาๆ เสียงจัดการบรรจุภัณฑ์เล็กน้อย และตอนจบ Call-to-Action ที่สะอาดใช้ @image เป็นข้อมูลอ้างอิงตัวละคร สร้างคำบรรยายแฟนตาซีความยาว 35 วินาทีเป็นภาษาอังกฤษ ผู้พูดเป็นนักโหราศาสตร์วัยกลางคนที่จริงจัง มีการนำเสนอที่ช้าและเป็นพิธีการ และเสียงที่ทุ้มกังวาน เพิ่มเสียงฝนเบาๆ นอกหอดูดาวหิน เสียงพลิกหน้าหนังสือเบาๆ และเสียงระฆังไกลๆ รักษาดนตรีให้น้อยและลึกลับข้อผิดพลาดทั่วไป
Prompt ที่มีอารมณ์ดนตรีห้าแบบ เอฟเฟกต์เสียงสิบอย่าง และโครงเรื่องตัวละครหลายตัวมักจะเลอะเทอะ ลดการผสมก่อน
สำหรับ TA2A อย่าเพียงแค่อัปโหลดไฟล์ ให้บอกว่าตัวละครหรือสไตล์ใดควรตาม @audio1, @audio2 หรือ @audio3
Seed Audio 1.0 ทำงานได้ดีขึ้นเมื่อ Prompt อ่านเหมือนบทสรุปการผลิตที่กระชับตามลำดับการเล่น
คำคุณศัพท์ทางอารมณ์ที่รุนแรงอาจทำให้การนำเสนอดูไม่เป็นธรรมชาติ เริ่มด้วยสัญญาณที่ควบคุมได้ แล้วเพิ่มความเข้มข้นเพียงรายละเอียดเดียว
ความยาวที่ร้องขอเป็นแนวทาง เว้นที่ไว้สำหรับการตัดแต่งเมื่อการตัดต่อสุดท้ายต้องการเวลาที่แม่นยำต่อเฟรม
อธิบายบทบาทและคุณภาพเสียงโดยทั่วไป แทนที่จะระบุชื่อบุคคลจริง คนดัง บุคคลสาธารณะ หรือตัวละครที่ได้รับการคุ้มครอง
เริ่มต้นด้วยเทมเพลตที่นี่ จากนั้นเปรียบเทียบกับผลลัพธ์ที่เล่นได้ในคู่มือวิธีการที่ผ่านการทดสอบ