簡短版本
Seed Audio 1.0 能結合語音、角色表達、環境音、音樂與擬音式事件。引導這種混合最安全的方式是依播放順序撰寫簡短的製作簡報：先場景，再說話者，然後聲音圖層，最後結尾。
範本
建立一個 [duration] 的 [format]，使用 [language]。
場景：[place, time, mood, audience]。
語音：[speaker count, speaker traits, emotion, pace, clarity]。
對話或旁白：「[exact words or conversation outline]」。
環境音：[room tone, weather, crowd, traffic, environment]。
音樂：[style, instruments, intensity, entry or fade]。
依序音效：[event 1], [event 2], [ending cue]。
保持結果 [clean / cinematic / minimal / broadcast-ready]。使用 @audio1 作為 [speaker or voice trait]。
使用 @audio2 作為 [second speaker or style reference]。
建立一個 [duration] 的 [format]，使用 [language]。
說話者對應：[speaker A follows @audio1], [speaker B follows @audio2]。
場景：[place, mood, purpose]。
表達：[emotion, rhythm, accent, pauses, laughter, hesitation]。
對話：「[lines or conversation structure]」。
圖層：[ambience], [music bed], [important sound effects in order]。
保持語音一致，並確保語音清晰易懂。提示公式
在撰寫對話前，先指定格式、設定、聽眾、語言、情緒與大致長度。
定義說話者人數、說話者特質、聲音質地、口音、情緒、節奏與清晰度優先級。
依播放順序撰寫提示，使語音、環境音、音樂與聲音事件不互相競爭。
加入一個環境音基底、一個音樂方向，以及僅對場景重要的音效。
輸入模式
內容可能看起來相似，但任務不同。T2A 要求模型創造場景。TA2A 要求模型遵循參考訊號，同時仍服從書面指示。
當您希望 Seed Audio 1.0 從書面簡報創造語音與場景，並可選擇性地由一張圖片參考引導時使用。
當語音身份、節奏、情緒質地或多說話者一致性很重要時使用。在提示中對應每個參考。
語音檢查清單
圖層時間軸
時間詞有助於模型理解優先級。使用它們來安排混音，而非微調每個畫面。
0-5 秒
房間環境音、天氣、手機震動、開門聲或簡單的音樂進入。
5-25 秒
對話或旁白，包含最重要的語音與情緒指示。
25-40 秒
一兩個支援故事但不覆蓋語音的聲音事件。
最後節拍
乾淨的結尾提示、淡出、解決和弦、鈴聲、關門聲、呼吸聲或按鈕音效。
範例提示
這些是改寫的範例，非原始文件副本。將其作為結構使用，然後替換您自己的場景、說話者與聲音事件。
建立一個 45 秒的電影感犯罪場景，使用英文。以安靜的手機震動、遠處雨聲與低沉的懸疑墊音開始。偵探 A 以克制、疲憊的男性聲音靠近麥克風說話。偵探 B 透過略微失真的電話線以冷靜但閃爍的語氣回答。保持對話清晰。在結尾附近加入兩個小腳步聲與一個汽車煞車聲。使用 @audio1 作為主持人 A，使用 @audio2 作為主持人 B。建立一個 60 秒充滿活力的直播購物片段，使用英文。主持人 A 明亮、快速且有說服力。主持人 B 較溫暖，並以簡短的支援性台詞回應。加入非常輕快的背景音樂、微弱的包裝處理聲音，以及乾淨的行動呼籲結尾。使用 @image 作為角色參考。建立一個 35 秒的奇幻旁白，使用英文。說話者是一位嚴肅的中年占星師，語速緩慢、儀式感強，聲音低沉共鳴。加入石頭天文台外的安靜雨聲、輕柔的翻頁聲與遠處的鐘聲。保持音樂極簡且神秘。常見錯誤
包含五種音樂情緒、十個音效與多個角色弧線的提示通常會變得模糊。先減少混音。
對於 TA2A，不要只上傳檔案。說明哪個角色或風格應跟隨 @audio1、@audio2 或 @audio3。
當提示讀起來像依播放順序的精簡製作簡報時，Seed Audio 1.0 表現更好。
極端的情緒形容詞可能使表達不自然。從受控的提示開始，然後僅加強一個細節。
要求的長度是指導性。為最終編輯需要影格精確時間時留出修剪空間。
以通用方式描述角色與聲音特質，而非指名真實人物、名人、公眾人物或受保護角色。