
ひとつのプロンプトで、セリフに感情を、音楽・環境音・効果音に物語の空気を。音声づくりを無料で体験できます。




1回で生成できる音声の長さ
会話や物語を、ひと続きのシーンとして描けます。
参照音声の最大数
複数の録音を使い、登場人物ごとの声や表現を指定できます。
対応する言語・地域バリエーション
届けたい地域の言葉で、自然なセリフをつくれます。
入力の組み合わせ
テキストから始めて、音声や動画を組み合わせられます。
脚本から、音のあるシーンへ
Seed Audio 1.5は、ByteDanceの音声生成モデルの進化版です。セリフ、音楽、環境音、効果音をひとつの制作フローで組み立て、シーン全体の音をつくるために設計されています。1.0より長い音声を生成でき、より多くの参照音声や、動画を使った入力にも対応しています。個別トラックの出力で、後からの編集も進めやすくなります。
プロンプトには、誰がどこで話し、場面がどう変わるのかを書きましょう。生成後は各トラックを編集ソフトに読み込み、音量や重なりを個別に調整できます。細部を直すたびに、シーン全体を生成し直す必要はありません。
つくりたい音を、言葉にする
はっきり聞かせたい音と、背景で雰囲気を支える音を描き分けましょう。
話す人物を紹介し、部屋の様子、背景音、音楽を描写。会話が進んでも場面の空気がつながるように組み立てます。
1回で最長6分。導入、転換、結末をひとつのプロンプトにまとめ、シーンに起伏をつけられます。
最大6本の録音で声質や表現の方向性を指定。各録音がどの人物に対応するかを明記しましょう。
30の言語・地域バリエーションに対応。言語、アクセント、届けたい相手を指定し、物語の舞台に合うセリフをつくれます。
落ち着いたテンポ、ためらう返事、話し始める前の小さな笑い。抽象的な感情の名前より、具体的な演技の指示が役立ちます。
声、効果音、音楽を入れたい時刻をタイムスタンプで指定。構成を決めたら、4本の個別トラックでタイミングを詰められます。
素材に合わせた入力
書き上げた脚本、参考にしたい声、音をつけたい映像。手元の素材に合わせて入力方法を選べます。
脚本と音の描写がそろっていれば、言葉だけでシーン全体を伝えられます。
オーディオシーン参考にしたい声質や話し方がある場合は、録音を加えて表現の方向性を示せます。
オーディオシーン映像が決まっている場合は、動画を使って舞台や画面内の動きを伝えられます。
オーディオシーン映像と参照音声を組み合わせて、場面と声の両方に手がかりを与えられます。
オーディオシーン場面を描写し、生成した音を聞き、編集で最後のテンポを整えます。
人物の役割とセリフを決め、周囲の様子や空間を感じさせる音を加えます。
録音で声を、動画で映像を伝えます。それぞれの素材の何を参考にするかも説明しましょう。
話し方を指定し、効果音や音楽を入れる時刻と、必要な間を伝えます。
セリフと音のバランスを確かめ、個別トラックでタイミング、音量、場面のつながりを調整します。
映像の動きに音を合わせる
宇宙船のシーンを例に、機械音を置き、航海士の返答に間を取り、その後に控えめな電子音楽を入れます。下のタイムスタンプは音を入れる目安です。実際の位置は、編集ソフトで映像と見比べながら調整できます。
リレーが小さく2回鳴り、換気音が続く。
航海士が低い声で「そのまま待機。信号が戻るのを待とう」と言う。
返答の後、静かなシンセのリズムが入り、声を聞き取りやすく保つ。

生成した後も、音を磨く
宇宙船のシーンを24秒の編集例で紹介します。セリフに間を取り、換気音を全体に流し、返答の前にリレー音、その後に音楽を配置。波形は音の構成を説明する図であり、実際に生成された録音ではありません。
航海士の返答に間を取る
換気音を全体に安定して流す
リレー音をセリフの前に置く
返答の後にシンセのリズムを入れる
物語に、音の世界が必要なとき
登場人物の声と周囲の気配で、説得力のあるシーンを。生成した音声を、次の編集の出発点にできます。
環境音、人物の動き、控えめな音楽で、会話の舞台を具体的に描けます。
オープニング、ナレーション、会話劇の下書きに。公開前に人名、間、話し方を確かめましょう。
映像で環境や動きを伝え、翻訳したセリフを確認。編集時にセリフの長さを合わせられます。
最終ミックスを決める前に、雰囲気と効果音の組み合わせを試せます。個別トラックを残せば、編集を続けやすくなります。
どちらもシーン全体の音づくりに対応。1.5では、より長い音声の生成、参照音声の追加、動画入力、個別トラックの出力に対応しています。短い場面には1.0、長い構成や細かな編集を求めるなら今後の1.5をご検討ください。
| 機能 | Seed Audio 1.5・近日公開予定 | Seed Audio 1.0 |
|---|---|---|
| 1回で生成できる音声の長さ | 最長6分 | 最長2分 |
| 参照音声の数 | 最大6本 | 最大3本 |
| 言語・地域バリエーション | 30の言語・地域バリエーション | 20以上の言語 |
| 入力の組み合わせ | テキスト/テキスト+音声/テキスト+動画/テキスト+音声+動画 | テキスト/テキスト+音声/テキスト+画像 |
| トラック出力 | セリフ・環境音・効果音・音楽を個別に出力 | 複数トラックの生成は今後の開発方針として案内 |
| タイミングの指定 | タイムスタンプでセリフ・効果音・環境音・音楽の開始位置を指定 | セリフのタイミング指定に対応。公開資料では100ミリ秒間隔に言及 |
生成できる音声の長さ、参照音声、対応言語、商用利用について。
Seed Audio 1.5は近日公開予定です。当サイトでは現在Seed Audio 1.0をご利用いただけます。無料枠では短い音声を生成し、プロンプトや声の表現を確かめられます。生成できる長さや利用量はプランにより異なります。詳しい条件は料金ページをご覧ください。
1.5では最長6分、1.0では最長2分です。長い会話やナレーション、徐々に変化する音の情景をひと続きで描けます。プロンプトには希望する長さと構成を書いてください。6分は上限であり、毎回その長さで生成する必要はありません。
どちらのバージョンも、セリフを含むオーディオシーンを制作できます。1.5では生成できる音声が最長6分になり、参照音声は最大3本から6本に増えます。30の言語・地域バリエーションに対応し、動画を使った入力に加え、セリフ・環境音・効果音・音楽の個別トラック出力が加わります。短いシーンが中心で、これらの新機能を必要としない場合は1.0も選択肢です。
参照音声を使って、登場人物の声質、アクセント、話し方の方向性を指定できます。感情、スタイル、話す速さはテキストでも補足できます。同じ人物らしい声を保つ助けになりますが、実在する人物の声を完全に再現する保証はありません。使用する録音は、必要な権利を持つもの、または許諾を得たものに限ってください。
対応範囲は30の言語・地域バリエーションです。公開例には英語、中国語、日本語、韓国語、ドイツ語、フランス語、メキシコのスペイン語、ブラジルのポルトガル語が含まれます。地域バリエーションは30という数に含まれており、別途30言語が加わるわけではありません。特定の地域に向けたセリフでは、言語やアクセント、発音の希望を明記すると役立ちます。
ご利用のプランで認められ、利用規約に従う場合は、商用プロジェクトにも利用できます。脚本、参照音声、その他の入力素材についても必要な利用権を確保してください。広告、ゲーム、映像作品などで公開する前に、完成した音声が第三者の権利を侵害していないことをご確認ください。
必須ではありません。テキストだけでシーンを生成でき、参照音声を加えれば動画なしでも登場人物の声を指定できます。動画が必要なのは、動画を使う入力方式を選んだ場合です。映像から場面や動き、セリフや音楽を組み立てる手がかりを得られます。
セリフと舞台を描き、最初に何を聞かせたいかを伝えてみましょう。