简短版
Seed Audio 1.0 可以结合语音、角色演绎、环境音、音乐和拟音事件。引导这种混合的最安全方式是按播放顺序编写一个简短的生产简报：首先是场景，然后是说话者，接着是声音层，最后是结尾。
模板
创建一个 [duration] 的 [format]，使用 [language]。
场景：[place, time, mood, audience]。
语音：[speaker count, speaker traits, emotion, pace, clarity]。
对话或旁白："[exact words or conversation outline]"。
环境音：[room tone, weather, crowd, traffic, environment]。
音乐：[style, instruments, intensity, entry or fade]。
按顺序的音效：[event 1], [event 2], [ending cue]。
保持结果 [clean / cinematic / minimal / broadcast-ready]。使用 @audio1 作为 [speaker or voice trait]。
使用 @audio2 作为 [second speaker or style reference]。
创建一个 [duration] 的 [format]，使用 [language]。
说话者映射：[speaker A follows @audio1], [speaker B follows @audio2]。
场景：[place, mood, purpose]。
表达：[emotion, rhythm, accent, pauses, laughter, hesitation]。
对话："[lines or conversation structure]"。
层次：[ambience], [music bed], [important sound effects in order]。
保持语音一致，并确保语音易于理解。提示公式
在编写对话之前，明确格式、设定、受众、语言、情绪和大致时长。
定义说话者数量、说话者特征、声音质感、口音、情感、语速和清晰度优先级。
按播放顺序编写提示，使语音、环境音、音乐和声音事件不互相竞争。
添加一个环境音基底、一个音乐方向，以及仅对场景重要的音效。
输入模式
内容可能看起来相似，但任务不同。T2A 要求模型创造场景。TA2A 要求模型在遵循书面指令的同时跟随参考信号。
当你希望 Seed Audio 1.0 根据书面简报创造语音和场景时使用此模式，可选择一张图像参考作为引导。
当语音身份、语速、情感质感或多说话者一致性重要时使用此模式。在提示中映射每个参考。
语音清单
层时间线
时间词帮助模型理解优先级。使用它们来安排混音，而不是微观管理每一帧。
0-5秒
房间音、天气、手机震动、开门声或简单的音乐引入。
5-25秒
包含最重要语音和情感方向的对话或旁白。
25-40秒
一到两个支持故事但不覆盖语音的声音事件。
最终节拍
干净的结束提示、淡出、解决和弦、铃声、门声、呼吸声或按钮音。
示例提示
这些是重写的示例，并非源文档的副本。将它们作为结构，然后替换为你自己的场景、说话者和声音事件。
创建一个45秒的电影感犯罪场景，使用英语。以安静的电话震动、远处的雨声和低沉的悬疑垫音开始。侦探A用克制、疲惫的男性声音说话，靠近麦克风。侦探B通过略微失真的电话线回答，语气平静但回避。保持对话清晰。在结尾附近添加两个轻微的脚步声和一个汽车刹车声。使用 @audio1 作为主持人A，@audio2 作为主持人B。创建一个60秒充满活力的直播购物片段，使用英语。主持人A明亮、快速、有说服力。主持人B更温暖，用简短的支持性台词回应。添加非常轻快的背景音乐、微妙的包装处理声和清晰的行动号召结尾。使用 @image 作为角色参考。创建一个35秒的奇幻旁白，使用英语。说话者是一位严肃的中年占星师，语速缓慢、仪式感强，声音深沉洪亮。添加石制天文台外的安静雨声、轻柔的翻页声和远处的钟声。保持音乐简约而神秘。常见错误
包含五种音乐情绪、十种音效和多个角色弧线的提示通常会变得模糊。首先减少混音。
对于 TA2A，不要仅仅上传文件。说明哪个角色或风格应跟随 @audio1、@audio2 或 @audio3。
当提示像按播放顺序编写的紧凑生产简报时，Seed Audio 1.0 效果更好。
极端的情感形容词可能使表达不够自然。从克制的提示开始，然后仅加强一个细节。
请求的时长是指导性的。当最终编辑需要帧精确时间时，留出修剪空间。
泛泛地描述角色和声音特质，而不是命名真实人物、名人、公众人物或受保护角色。